[論文レビュー] Dynamic Graph Algorithms and Graph Sparsification: New Techniques and Connections

Gramoz Goranci|arXiv (Cornell University)|Sep 13, 2019

Complexity and Algorithms in Graphs参考文献 199被引用数 5

ひとこと要約

本稿は、大規模なグラフにおける新たな動的アルゴリズムおよびスパース化技術を導入し、ラプラシアン行列系、有効抵抗、低ストレッチ全域木について、サブリニアな更新時間の達成を実現した。グローバル最小カット、近似全域対最大フロー、スパースネスカットのための動的アルゴリズムは、本稿が初めてである。また、動的グラフアルゴリズムとグラフスパース化の間の深い関係を明らかにする、新たな「局所的スパースファイア」の概念を導入した。

ABSTRACT

Graphs naturally appear in several real-world contexts including social networks, the web network, and telecommunication networks. While the analysis and the understanding of graph structures have been a central area of study in algorithm design, the rapid increase of data sets over the last decades has posed new challenges for designing efficient algorithms that process large-scale graphs. These challenges arise from two usual assumptions in classical algorithm design, namely that graphs are static and that they fit into a single machine. However, in many application domains, graphs are subject to frequent changes over time, and their massive size makes them infeasible to be stored in the memory of a single machine. Driven by the need to devise new tools for overcoming such challenges, this thesis focuses on two areas of modern algorithm design that directly deal with processing massive graphs, namely dynamic graph algorithms and graph sparsification. We develop new algorithmic techniques from both dynamic and sparsification perspective for a multitude of graph-based optimization problems which lie at the core of Spectral Graph Theory, Graph Partitioning, and Metric Embeddings. Our algorithms are faster than any previous one and design smaller sparsifiers with better (approximation) quality. More importantly, this work introduces novel reduction techniques that show unexpected connections between seemingly different areas such as dynamic graph algorithms and graph sparsification.

研究の動機と目的

• 単一マシンのメモリを超える大規模かつ動的に変化するグラフを処理する課題に対処すること。
• スペクトルグラフ理論、グラフ分割、メトリック埋め込みの分野におけるコアなグラフ問題のための効率的な動的アルゴリズムを開発すること。
• 最短経路、到達可能性、有効抵抗といった重要なグラフ特性を高品質かつ小規模に保つ新しいスパース化技術を設計すること。
• 新たな還元技術を通じて、動的グラフアルゴリズムとグラフスパース化の間の予期せぬ理論的関係を確立すること。
• 頂点スパースファイアのスパースファイアサイズと近似品質のトレードオフに関するタイトな上限と下限を提供すること。

提案手法

• 局所的スパースファイアを導入し、局所的なグラフ構造を保持し、効率的な動的メンテナンスを可能にする頂点スパースファイアの強化版を提供する。
• 重み付き無向グラフにおけるラプラシアン行列系の近似解を、サブリニアな更新時間とクエリ時間で維持する動的アルゴリズムを開発する。
• 動的技術を拡張し、無向重み付きグラフにおける頂点スペクトルスパースファイアと全域対有効抵抗の維持を実現する。
• 無重み無向グラフにおける低ストレッチ全域木を、サブ多項式ストレッチとサブリニアな更新時間で維持する動的アルゴリズムを設計する。
• Why-Delta変換の適応を用いて、Okamura-Seymourグラフのための計画性を保つカットおよび距離スパースファイアを構築する。
• 標準的な複雑性仮定の下で、動的グラフにおける有効抵抗の正確なメンテナンスがサブリニア時間内では不可能であることを示す条件付き下界を証明する。

実験結果

リサーチクエスチョン

• RQ1 動的で重み付き無向グラフにおいて、ラプラシアン行列系の近似解をサブリニアな更新時間とクエリ時間で維持することは可能か？
• RQ2 最短経路と到達可能性を保つ頂点スパースファイアのスパースファイアサイズと近似品質のトレードオフは何か？
• RQ3 サブリニアな更新時間で低ストレッチ全域木と低径路クラスタリングを維持する動的アルゴリズムを設計することは可能か？
• RQ4 グローバル最小カットや全域対最大フローといった基本的グラフ問題のための動的アルゴリズムの限界は何か？
• RQ5 新たな還元技術と構造的洞察を通じて、動的グラフアルゴリズムとグラフスパース化をどのように統合できるか？

主な発見

• 本稿は、無向重み付きグラフにおいて、ラプラシアン行列系の近似解をサブリニアな更新時間とクエリ時間で維持する初めての動的アルゴリズムを提示した。
• 本稿は、無向重み付きグラフにおいて、頂点スペクトルスパースファイアと全域対有効抵抗の両方をサブリニアな更新時間で動的維持する初めての成果を達成した。
• 著者らは、標準的な複雑性仮定の下で、動的グラフにおける有効抵抗の正確なメンテナンスがサブリニア時間内では不可能であることを示す条件付き下界を証明した。
• 無重み無向グラフにおいて、サブ多項式ストレッチとサブリニアな更新時間で低ストレッチ全域木を維持する新しい動的アルゴリズムを開発した。
• 本稿は、無重み無向グラフにおいて、グローバル最小カット、近似全域対最大フロー、スパースネスカットを段階的に維持する、現在知られている最良のアルゴリズムを提供した。
• 著者らは、頂点スパースファイアの強化版としての局所的スパースファイアを導入し、このようなスパースファイアのサイズと近似品質のトレードオフに関するタイトな上限と下限を導出した。