[論文レビュー] Empirical Evaluation of Approximation Algorithms for Generalized Graph Coloring and Uniform Quasi-Wideness

Wojciech Nadara, Marcin Pilipczuk+3 more|arXiv (Cornell University)|Feb 27, 2018

Advanced Graph Theory Research被引用数 7

ひとこと要約

この論文は、スパースなグラフクラスにおける一般化グラフ彩色および均一準広さの近似アルゴリズムを実験的に評価し、均一準広さに対して多項式的保証を持つ新しいアルゴリズムを提案する。実験の結果、単純なヒューリスティクスが理論的保証を持つアルゴリズムを上回る性能を示した。これは、理論的上限と実際の性能の間にはギャップが存在することを示唆している。

ABSTRACT

The notions of bounded expansion and nowhere denseness not only offer robust and general definitions of uniform sparseness of graphs, they also describe the tractability boundary for several important algorithmic questions. In this paper we study two structural properties of these graph classes that are of particular importance in this context, namely the property of having bounded generalized coloring numbers and the property of being uniformly quasi-wide. We provide experimental evaluations of several algorithms that approximate these parameters on real-world graphs. On the theoretical side, we provide a new algorithm for uniform quasi-wideness with polynomial size guarantees in graph classes of bounded expansion and show a lower bound indicating that the guarantees of this algorithm are close to optimal in graph classes with fixed excluded minor.

研究の動機と目的

• 実世界のグラフにおける一般化彩色数および均一準広さの近似アルゴリズムの実用的性能を評価すること。
• これらの構造的パラメータに対する既存のアルゴリズムにおける理論的保証と実測結果の間のギャップを調査すること。
• 保証された多項式サイズを持つ均一準広さのための新しいアルゴリズムを開発・テストすること。
• 特に理論的根拠に基づく手法と比較して、実際の問題解決において最も効果的なヒューリスティクスを特定すること。

提案手法

• 実世界のグラフデータセット上で、一般化彩色数および均一準広さの複数の近似アルゴリズムを実験的に評価する。
• 単純なヒューリスティクス、貪欲法、理論的保証を持つアルゴリズム（[82]および[70]の手法の変種を含む）を実装し、比較する。
• 探索空間を弱く到達可能な集合に制限することで、理論的サイズ境界を保証する均一準広さのための新しいアルゴリズムを提唱する。
• 再帰的構成によるグラフ $G(k,r,m')$ を用いて、均一準広さのためのアルゴリズムの性能に対する下界を確立する。
• 理論的保証と実用的効率のトレードオフを、削除集合のサイズおよび彩色数の近似値の測定を通じて分析する。
• スケーラビリティと解の質を評価するために、多様な実世界ネットワーク上で詳細な実験的比較を実施する。

実験結果

リサーチクエスチョン

• RQ1 実世界のグラフにおいて、単純なヒューリスティクスは理論的保証を持つアルゴリズムと比較して、一般化彩色数をどの程度うまく近似できるか？
• RQ2 多項式サイズの保証を持つ新しい均一準広さアルゴリズムの実用的性能はいかがなものか？
• RQ3 理論的保証が強くても、なぜ新しいアルゴリズムは単純なヒューリスティクスに比べて実際の性能で劣るのか？
• RQ4 実世界のネットワークにおける観測値と、彩色数および準広さに関する理論的上限がどの程度一致するか？
• RQ5 より洗練された独立集合ヒューリスティクスは、最も単純なヒューリスティクスを上回る性能を、均一準広さの近似において達成できるか？

主な発見

• 均一準広さの最も単純なヒューリスティクスが、理論的保証を持つ他のすべてのアルゴリズムを、実世界のグラフにおける解の質の観点で上回った。
• 一般化彩色数に関しては、最も単純なヒューリスティクスが競争力を持っており、理論的保証のない2つの貪欲ヒューリスティクスにのみ劣った。
• 理論的多項式サイズ保証を達成しているが、探索空間の制限があまりに保守的であるため、新しい均一準広さアルゴリズムは実際の性能が低かった。
• 理論的下界解析から、禁止部分グラフが固定されたグラフクラスでは、新しいアルゴリズムの保証が最適に近いことが示された。
• アルゴリズムによる上界と構成による下界のギャップから、実用的近似品質の向上の余地が示唆された。
• 結果から、理論的保証が常に実用的効率に直結するわけではないことが明らかになった。これは、これらのアルゴリズム的設定において理論と実践の間には乖離が存在することを示している。