[論文レビュー] Fully Dynamic $(1+\epsilon)$-Approximate Matchings

Manoj Gupta, Richard Peng|arXiv (Cornell University)|Apr 1, 2013

Complexity and Algorithms in Graphs参考文献 18被引用数 6

ひとこと要約

本論文は、辺の挿入または削除ごとに最悪計算量でO(√m ǫ⁻²)の更新時間を持つ、(1+ǫ)-近似最大基数マッチングおよび重み付きマッチングを完全動的で維持する最初のデータ構造を提示する。近似保証を効率的に維持するために、静的マッチングの周期的再計算とコア部分グラフによるグラフスパース化を組み合わせており、類似した更新時間で得られる従来の3/2-近似境界を著しく改善している。

ABSTRACT

We present the first data structures that maintain near optimal maximum cardinality and maximum weighted matchings on sparse graphs in sublinear time per update. Our main result is a data structure that maintains a $(1+\\epsilon)$ approximation of maximum matching under edge insertions/deletions in worst case $O(\\sqrt{m}\\epsilon^{-2})$ time per update. This improves the 3/2 approximation given in [Neiman,Solomon,STOC 2013] which runs in similar time. The result is based on two ideas. The first is to re-run a static algorithm after a chosen number of updates to ensure approximation guarantees. The second is to judiciously trim the graph to a smaller equivalent one whenever possible. We also study extensions of our approach to the weighted setting, and combine it with known frameworks to obtain arbitrary approximation ratios. For a constant $\\epsilon$ and for graphs with edge weights between 1 and N, we design an algorithm that maintains an $(1+\\epsilon)$-approximate maximum weighted matching in $O(\\sqrt{m} \\log N)$ time per update. The only previous result for maintaining weighted matchings on dynamic graphs has an approximation ratio of 4.9108, and was shown in [Anand,Baswana,Gupta,Sen, FSTTCS 2012, arXiv 2012].

研究の動機と目的

• 更新1回あたりの計算時間がサブ線形となる完全動的データ構造を設計し、(1+ǫ)-近似最大マッチングを維持すること。
• 類似した更新時間制約で2-近似または3/2-近似しか達成できなかった従来手法の制限を克服すること。
• マッチング値の安定性（1回の更新で最適値が最大で1変化する）を活用し、高コストの再計算の頻度を低減すること。
• コア部分グラフの概念を導入する：最大マッチングのサイズを保持する小さな同等部分グラフであり、効率的な維持を可能にする。
• 重み付きマッチングへの応用を拡張し、[1, N]の範囲の辺重みに対して、更新1回あたりO(√m ǫ⁻² log N)時間で(1+ǫ)-近似を達成すること。

提案手法

• 一定回数の更新後に静的(1+ǫ)-近似マッチングを周期的に再計算することで、近似品質を維持する。
• コア部分グラフ抽象化を採用する：元のグラフにおける最大マッチングサイズを保持する最小部分グラフ。
• 重み付き辺に対して階層的バケット化方式を用い、重みの範囲ごとに辺をグループ化し、各レベルで近似マッチングを維持する。
• 複数のデータ構造コピーを用いて重みのスケーリングを変化させ、少なくとも1つのコピーが(1+ǫ)-近似マッチングを維持することを保証するための丸めと集約技術を適用する。
• 誤差伝搬を制限するため、誤差が有界な形で保たれるように、静的マッチングアルゴリズムの変種を各レベルで近似マッチングに用いる。
• 異なる重みスケーリングを用いた複数のデータ構造コピーを組み合わせ、良い近似を維持する確率を高める。

実験結果

リサーチクエスチョン

• RQ1 (1+ǫ)-近似最大基数マッチングを、サブ線形更新時間で完全動的グラフで維持することは可能か？
• RQ2 マッチング値の安定性を活用することで、高コストの再計算頻度をどのように低減できるか？
• RQ3 コア部分グラフを用いることで、マッチングサイズの保証を維持しながら処理対象のグラフサイズを小さくできるか？
• RQ4 動的重み付きマッチングにおいて、更新時間と近似品質の最適なトレードオフは何か？
• RQ5 重み付きケースにおけるǫ⁻¹の指数的依存性を(1+ǫ)-近似を維持したまま小さくできるか？

主な発見

• 本論文は、辺の更新1回あたり最悪計算量でO(√m ǫ⁻²)の時間で(1+ǫ)-近似最大基数マッチングを達成している。
• 辺重みが[1, N]の範囲にある重み付きグラフに対して、アルゴリズムは更新1回あたり最悪計算量でO(√m ǫ⁻² log N)の時間で(1+ǫ)-近似最大重み付きマッチングを維持している。
• 同じ漸近的更新時間で得られるNeimanとSolomon（STOC 2013）の従来の3/2-近似結果を上回っている。
• コア部分グラフの使用により、スパースで同等の部分グラフのみを処理することができ、グラフの有効サイズを低減している。
• 異なる重みスケーリングを用いた複数のデータ構造コピーを維持することで、少なくとも1つのコピーが(1+ǫ)-近似を維持していることを保証している。
• 解析により、複数コピーのマッチングの組み合わせが(1+16ǫ)-近似を達成することが示されており、ǫ′を調整することで(1+ǫ′)近似に変換可能である。