[論文レビュー] Faster generation of random spanning trees

Jonathan A. Kelner, Aleksander Mądry|ArXiv.org|Aug 11, 2009

Advanced Graph Theory Research参考文献 13被引用数 13

ひとこと要約

この論文は、無向グラフにおける$(1+\delta)$-近似的に一様なランダムなスパニングツリーを生成するための新規なアルゴリズムを提示している。期待時間$ widetilde{O}(m\sqrt{n}\log 1/\delta)$で実行可能であり、電気的ネットワーク理論とスパース線形システムソルバーを活用して、ランダムウォークベースのサンプリングを高速化し、スパースグラフにおける従来の$O(mn)$の最悪計算量を著しく改善している。

ABSTRACT

In this paper, we set forth a new algorithm for generating approximately uniformly random spanning trees in undirected graphs. We show how to sample from a distribution that is within a multiplicative $(1+δ)$ of uniform in expected time $\TO(m\sqrt{n}\log 1/δ)$. This improves the sparse graph case of the best previously known worst-case bound of $O(\min \{mn, n^{2.376}\})$, which has stood for twenty years. To achieve this goal, we exploit the connection between random walks on graphs and electrical networks, and we use this to introduce a new approach to the problem that integrates discrete random walk-based techniques with continuous linear algebraic methods. We believe that our use of electrical networks and sparse linear system solvers in conjunction with random walks and combinatorial partitioning techniques is a useful paradigm that will find further applications in algorithmic graph theory.

研究の動機と目的

• 無向グラフにおけるスパニングツリーの分布から$(1+\delta)$乗の要因で一様に近いサンプリングを実現するより高速なアルゴリズムの開発。
• スパースグラフにおけるランダムウォークベースのスパニングツリー生成の長年の$O(mn)$の最悪計算量を克服すること。
• 離散的ランダムウォーク技術と連続的線形代数的手法（特に電気的ネットワークフローとスパース線形システムソルバー）を統合すること。
• 組合せ的グラフ分割と連続的最適化ツールを組み合わせた、アルゴリズム的グラフ理論における新しいパラダイムを確立すること。
• グラフのスパース化やルーティングに適用可能なスケーラブルで頑健なフレームワークを提供すること。これは、Goyalらの最近の研究で示されている。

提案手法

• 導出率$\phi = 1/\sqrt{n}$を有する強力な$(\phi, \gamma)$-分解を用いて、グラフを低導出率のコンポONENTに分割する。
• ランダムウォークの最初の通過訪問プロセスをシミュレートするが、コンポONENT内での冗長な移動を省くショートカットウォーク$\widehat{X}$を構築する。
• ヒット確率$Q_v(u)$を$\varepsilon$-近似（$\varepsilon = O(\delta / n^5)$）を用いて近似し、$\widehat{X}$の効率的シミュレーションを$\widetilde{O}(m\sqrt{n})$時間で可能にする。
• ランダムウォークと電気的ネットワークの間の関係を活用して、有効抵抗とフロー分布をモデル化する。
• コアコンポONENT$C(S)$内の頂点の欠落するアークを、Colbournらのアルゴリズムを用いて$O(|C(S)|^{2.376})$時間で再構築する。
• ショートカットウォークの出力と再構築されたアークを、コンポONENT単位のアーボレスチェンスサンプリング手順で組み合わせ、$\delta$-ランダムスパニングツリーを形成する。

実験結果

リサーチクエスチョン

• RQ1 スパースグラフにおけるランダムウォークベースのスパニングツリー生成の最悪計算量を$O(mn)$を超えて改善できるか？
• RQ2 電気的ネットワーク理論とスパース線形システムソルバーは、組合せ的グラフアルゴリズムの効率をどの程度向上できるか？
• RQ3 分布の正確性を保ちながら、ランダムウォークの最初の通過行動を大幅に高速化してシミュレートすることは可能か？
• RQ4 連続的線形代数的手法と離散的ランダムウォーク技術を統合することで、純粋な組合せ的問題に対するより高速なアルゴリズムが得られるか？
• RQ5 近似誤差$\delta$と実行時間のトレードオフを、ランダムスパニングツリー生成において最適化できるか？

主な発見

• 提案されたアルゴリズムは、期待時間$\widetilde{O}(m\sqrt{n}\log 1/\delta)$で$\delta$-ランダムスパニングツリーを生成し、従来の$O(mn)$の最悪計算量を改善している。
• この改善は、完全なランダムウォークの最初の通過訪問プロセスを近似するショートカットウォーク$\widehat{X}$を用いることで達成されており、冗長な移動を削減している。
• $\varepsilon$-近似をヒット確率に用いることで、$\widehat{X}$のシミュレーションが$\widetilde{O}(m\sqrt{n})$時間で効率的に可能である。
• コアコンポONENT$C(S)$内の頂点の欠落するアークは、$O((\phi n)^{2.376}) = O(n^{2.376/2})$時間で、部分グラフのアーボレスチェンスサンプリング手順により再構築される。
• 最終的な出力分布は、一様分布に対して$(1+\delta)$乗の要因内にあり、任意の特定のスパニングツリーの確率は$|(1-\delta)/|\mathcal{T}_s(G)||$から$(1+\delta)/|\mathcal{T}_s(G)|$の間である。
• 本手法は、電気的ネットワークフロー、スパース線形システムソルバー、および組合せ的分割を統合した新しいアルゴリズム的パラダイムを確立しており、グラフ理論におけるより広範な応用が期待される。