[論文レビュー] Everywhere-Sparse Spanners via Dense Subgraphs

Eden Chlamtáč, Michael Dinitz+1 more|arXiv (Cornell University)|May 1, 2012

Complexity and Algorithms in Graphs参考文献 33被引用数 13

ひとこと要約

この論文は、約20年ぶりに、最低次数2スパンナ（LD2S）問題に対する改善された近似アルゴリズムを提示する。Smallest $m$-Edge Subgraph（s$mes$）と呼ばれるDensest $k$-Subgraph問題の変種との明確な関係を確立することで、$\tilde{O}(\Delta^{3-2\sqrt{2}+\varepsilon}) \approx \tilde{O}(\Delta^{0.172})$ の近似因子を達成した。この手法は、s$mes$のSherali-Adams線形計画緩和に対する、従来の非忠実なアプローチに欠ける「忠実な」確率的丸めを用いる。

ABSTRACT

The significant progress in constructing graph spanners that are sparse (small number of edges) or light (low total weight) has skipped spanners that are everywhere-sparse (small maximum degree). This disparity is in line with other network design problems, where the maximum-degree objective has been a notorious technical challenge. Our main result is for the Lowest Degree 2-Spanner (LD2S) problem, where the goal is to compute a 2-spanner of an input graph so as to minimize the maximum degree. We design a polynomial-time algorithm achieving approximation factor $ ilde O(Δ^{3-2\sqrt{2}}) \approx ilde O(Δ^{0.172})$, where $Δ$ is the maximum degree of the input graph. The previous $ ilde O(Δ^{1/4})$ -approximation was proved nearly two decades ago by Kortsarz and Peleg [SODA 1994, SICOMP 1998]. Our main conceptual contribution is to establish a formal connection between LD2S and a variant of the Densest k-Subgraph (DkS) problem. Specifically, we design for both problems strong relaxations based on the Sherali-Adams linear programming (LP) hierarchy, and show that "faithful" randomized rounding of the DkS-variant can be used to round LD2S solutions. Our notion of faithfulness intuitively means that all vertices and edges are chosen with probability proportional to their LP value, but the precise formulation is more subtle. Unfortunately, the best algorithms known for DkS use the Lovász-Schrijver LP hierarchy in a non-faithful way [Bhaskara, Charikar, Chlamtac, Feige, and Vijayaraghavan, STOC 2010]. Our main technical contribution is to overcome this shortcoming, while still matching the gap that arises in random graphs by planting a subgraph with same log-density.

研究の動機と目的

• 最大次数を最小化するグラフスパンナの構築という長年の課題に取り組むこと。これはスパarsityや軽さの目的に比べてあまり注目されていない。
• 最低次数2スパンナ（LD2S）問題の最良近似因子と、対数密度フレームワークが予測する理論的限界とのギャップを埋めること。
• LD2Sの解決に向けた重要なステップとして、新しいDensest $k$-Subgraph問題の変種、Smallest $m$-Edge Subgraph（s$mes$）を形式化し、解法を提示すること。
• Sherali-Adams階層内でのLP解の「忠実な」確率的丸めの新技術を開発し、次数制限付きネットワーク設計のための改善された近似を可能にすること。

提案手法

• Densest $k$-Subgraph（DkS）問題の双対として、与えられた部分グラフサイズに対してエッジ数を最小化することを焦点にした、新しい問題変種であるSmallest $m$-Edge Subgraph（s$mes$）を導入する。
• 整数性ギャップを低減するために、Sherali-Adams階層を用いたs$mes$の強力なLP緩和を設計する。
• 頂点とエッジがそのLP値に比例する確率で選択される「忠実な」確率的丸めを定義し、グラフ全体にわたるバランスの取れた分布を保証する。
• s$mes$の忠実な$f$-近似が、LD2Sに対して$\tilde{O}(f^2)$-近似を示すことを証明し、LD2Sからs$mes$への還元を確立する。
• 従来のDkSアルゴリズムが非忠実な丸めを使用していたという制限を克服するため、Sherali-Adams解の構造を保つ新しい丸めスキームを構築する。
• Sherali-Adams階層における再帰的分解とモーメントベースの整合性を用いて、丸めプロセスにおける集中性を維持し、高確率での成功を保証する。

実験結果

リサーチクエスチョン

• RQ1 密度の高い部分グラフ問題と次数制限付きスパンナ構築の間の関係を形式化することで、改善された近似アルゴリズムを導くことは可能か？
• RQ2 1998年に確立された$\tilde{O}(\Delta^{1/4})$の境界を超えて、LD2S問題に対してより良い近似因子を達成することは可能か？
• RQ3 従来の非忠実な手法とは対照的に、Sherali-Adams LP階層内でs$mes$に対して「忠実な」確率的丸めを達成することは可能か？
• RQ4 対数密度フレームワークは、s$mes$に対して$n^{3-2\sqrt{2}}$のタイトなバrierを予測するか？ そして、この境界をアルゴリズム的に達成できるか？
• RQ5 s$mes$に開発された技術は、次数制約を伴う他のネットワーク設計問題へ拡張可能か？

主な発見

• この論文は、最低次数2スパンナ（LD2S）問題に対して、$\tilde{O}(\Delta^{3-2\sqrt{2}+\varepsilon}) \approx \tilde{O}(\Delta^{0.172})$ の近似因子を達成し、以前の最良の$\tilde{O}(\Delta^{1/4})$に比べて顕著な改善を示した。
• 新しい問題変種であるSmallest $m$-Edge Subgraph（s$mes$）が形式的に定義され、次数制限付きスパンナ問題の解決に重要なツールであることが示された。
• Sherali-Adams LP階層を用いて、s$mes$の忠実な$O(n^{3-2\sqrt{2}+\varepsilon})$-近似アルゴリズムが構築された。これは主要な技術的進歩である。
• 著者らは、s$mes$の忠実な$f$-近似が、LD2Sに対して$\tilde{O}(f^2)$-近似を示すことを証明し、両問題間の強い還元関係を確立した。
• 従来のDkSアルゴリズムが直面していた、強いLP階層と忠実な丸めの不適合性という主要な制限を、この研究は克服した。
• 結果として得られた近似因子は、対数密度フレームワークが予測する理論的限界と一致しており、$n^{3-2\sqrt{2}}$が現在の技術的条件下でs$mes$の最良の近似因子である可能性を示唆している。