Skip to main content
QUICK REVIEW

[論文レビュー] Expander Decomposition with Almost Optimal Overhead

Nikhil Bansal, Arun Jambulapati|arXiv (Cornell University)|Feb 16, 2026
Complexity and Algorithms in GraphsComputer Science被引用数 0
ひとこと要約

ポリノミアル時間アルゴリズムを提供し、ほぼ最適なオーバーヘッドを伴うフロー拡張デコンポジションを計算し、phi m 回分のオーバーヘッドの少なくとも log(n) exp(O(sqrt(log log n)))を上回らず、すべての成分で phi-flow-expanders を得る。

ABSTRACT

We present the first polynomial-time algorithm for computing a near-optimal \emph{flow}-expander decomposition. Given a graph $G$ and a parameter $ϕ$, our algorithm removes at most a $ϕ\log^{1+o(1)}n$ fraction of edges so that every remaining connected component is a $ϕ$-\emph{flow}-expander (a stronger guarantee than being a $ϕ$-\emph{cut}-expander). This achieves overhead $\log^{1+o(1)}n$, nearly matching the $Ω(\log n)$ graph-theoretic lower bound that already holds for cut-expander decompositions, up to a $\log^{o(1)}n$ factor. Prior polynomial-time algorithms required removing $O(ϕ\log^{1.5}n)$ and $O(ϕ\log^{2}n)$ fractions of edges to guarantee $ϕ$-cut-expander and $ϕ$-flow-expander components, respectively.

研究の動機と目的

  • エクスパンダー分解の構造的ツールキットをほぼ最適なオーバーヘッドを達成することで改善する。
  • 任意のグラフから多項式時間で phi-flow-expander 成分を計算する。
  • オーバーヘッドのサブ多項式因子まで存在的下界に一致させる。
  • 分解フレームワークを容量付きグラフや類似のバリアントへ拡張する。

提案手法

  • A-product の需要に対して同時多経路フロー LP を解いて spreading metric を得る。
  • 疎な近傍カバーを用いて境界サイズを制御したクラスターを形成する。
  • スケールを複数の半径/質量レベルに離散化し、クラスタリングのコンセンサススケールを選択する。
  • 重いコアが存在する場合には Leighton–Rao 型の sweep cut で重い成分を扱う。
  • 再帰による A-質量を不変に保ち、オーバーヘッドの telescoping 分析を可能にする。

実験結果

リサーチクエスチョン

  • RQ1 phi-flow-expander デコンポジションのためのグラフ理論下界に近いオーバーヘッドを達成する多項式時間アルゴリズムは存在するか。
  • RQ2 flow-expander 設定での sparsest-cut 近似に伴う標準的な cut-and-recurse ペナルティを回避するにはどうするか。
  • RQ3 近似的オーバーヘッドを保ちつつ flow-expansion 保証を満たす構造的ツール(LP、クラスタリング、スケーリング)は何か。
  • RQ4 容量付きグラフやノード重み付け・终点の一般化にも結果は拡張されるか。

主な発見

  • 多項式時間アルゴリズムが C を返し |C| ≤ φ|A| log(|A|) exp(O(sqrt(log log |A|))) を満たし、G−C の各成分が A に対して φ-flow-expanding である。
  • A = deg_G を設定するとオーバーヘッド γ = O(log n exp(O(sqrt(log log n)))) のエクスパンデイア分解となる。
  • これによりオーバーヘッドが log^{o(1)} n 因子までほぼ最適となり、従来の cut-および flow- expander 分解の bounds のそれぞれで O(log^{1.5} n) および O(log^{2} n) を改善する。
  • 拡散メトリック LP フレームワークをグラフクラスタリングと組み合わせたアプローチは、cut-and-recurse の制限を多項式時間内に超える。
  • 結果は容量付きグラフ、終点バージョン、およびより一般的なノード重み付け変種へ拡張される。

この論文を読む

Nubintのビューアで原文を開き、読みながら気になる箇所をすぐに質問できます。

Nubintでこの論文を読む

このレビューはAIが論文の原文をもとに作成しました。引用する前に原文をご確認ください。