[論文レビュー] How much backtracking does it take to color random graphs? Rigorous results on heavy tails

Haixia Jia, Cristopher Moore|arXiv (Cornell University)|Dec 17, 2004

Constraint Satisfaction and Optimization被引用数 8

ひとこと要約

本稿は、スパースなランダムグラフにおけるDPLLアルゴリズムの3彩色問題について、バックトラック時間分布が重たい尾を持つことを厳密に示している。1 < c < 3.847 の「容易な領域」でさえ、正の確率で指数的実行時間が発生する。ブランンチングプロセスモデルと「悪い三角形」による失敗伝播の分析を通じて、バックトラックが定数確率で指数的に大きくなることを証明し、グラフ彩色における自然なバックトラッキングアルゴリズムにおける重たい尾の最初の厳密な証拠を提供する。

ABSTRACT

Many backtracking algorithms exhibit heavy-tailed distributions, in which their running time is often much longer than their median. We analyze the behavior of two natural variants of the Davis-Putnam-Logemann-Loveland (DPLL) algorithm for Graph 3-Coloring on sparse random graphs G(n,p=c/n). Let P_c(b) be the probability that DPLL backtracks b times. First, we calculate analytically the probability P_c(0) that these algorithms find a 3-coloring with no backtracking at all, and show that it goes to zero faster than any analytic function as c o c^* = 3.847... Then we show that even in the ``easy'' phase 1 &lt; c &lt; c^* where P_c(0) &gt; 0, including just above the emergence of the giant component, the expected number of backtracks is exponentially large with positive probability. To our knowledge this is the first rigorous proof that the running time of a natural backtracking algorithm has a heavy tail for graph coloring. Moreover, our results show that these algorithms take exponential time, not just below the 3-colorability threshold, but just above the degree c=1 at which the giant component first appears. In addition, we give experimental evidence and heuristic arguments that this tail takes the form P_c(b) ~ b^{-1} up to an exponential cutoff.

研究の動機と目的

• DPLLアルゴリズムがランダムグラフ上で3彩色問題を解く際のバックトラック時間分布に重たい尾が存在することを厳密に確立すること。
• バックトラック時間がパワーローの振る舞いと指数的尾を持つ理由を分析すること、かつゼロバックトラックが正の確率で発生するにもかかわらずその理由を解明すること。
• 特に「悪い三角形」のような局所的グラフ構造が、指数的バックトラックを引き起こす構造的要因として果たす役割を理解すること。
• ゼロバックトラックの確率と指数的実行時間の発生確率に対する解析的境界を提供すること。
• リスタート戦略の理論的根拠を提供するために、指数的実行時間が正の確率で発生することを証明すること。

提案手法

• ユニットプロパゲーションを用い、2彩色頂点を固定順序または一様ランダム選択によって分岐する2つのグリーディDPLL変種（AおよびB）を分析する。
• 時間に依存する分岐率を持つブランンチングプロセスとして探索木をモデル化し、悪い三角形に起因する失敗確率を追跡する。
• 二分木における良いリーフの期待数に基づく確率的議論を用いて、バックトラック回数の上限を求める。
• 重み付き算術平均と幾何平均の不等式を適用し、成功する（良い）リーフの数の下界を導出する。
• ゼロバックトラック確率の積分領域を定義するため、1 - t - e^{-ct} = 0 の最小正の根 t₀ を臨界パラメータとして導入する。
• c, λ, t₀ を含む積分を用いた P_c(0) の正確な表現を導出し、c → c* のとき、それがいかなる解析関数よりも速く減少することを示す。

実験結果

リサーチクエスチョン

• RQ1 DPLLアルゴリズムがスパースなランダムグラフにおける3彩色問題において、重たいバックトラック分布を示すか？
• RQ2 c < c* の場合に、アルゴリズムがゼロバックトラックで成功する確率 P_c(0) は正確にどのようになるか？
• RQ3 『容易な領域』において、期待バックトラック数が正の確率で指数的に大きくなることを厳密に証明できるか？
• RQ4 グラフの構造的特徴（例えば悪い三角形）が、全体の部分木を失敗させ、重たい尾の挙動を引き起こすか？
• RQ5 バックトラック分布の尾が漸近的に P_c(b) ~ b^{-1} であるか、そしてこのモデルがそのような振る舞いを支持または証明できるか？

主な発見

• 1 < c < c* = 3.847... の範囲で、ゼロバックトラックの確率は P_c(0) = exp(−∫₀^{t₀} dt cλ² / [2(1−λ)(2+λ)]) + o(1) で与えられ、ここで λ = (2/3)c(1−t−e^{-ct}) かつ t₀ は 1−t−e^{-ct}=0 の最小正の根である。
• c が c* に近づくにつれて P_c(0) がいかなる解析関数よりも速く減少することから、臨界点に本質的特異点が存在することが示唆される。
• β, q > 0 なる定数が存在し、両アルゴリズム変種について Pr[b > 2^{βn}] ≥ q が成り立つ。これは E[b] = Θ(2^{βn}) を意味する。
• 悪い三角形を共有する失敗の相関により、ゼロバックトラック成功が可能であっても、指数的バックトラックの確率は消えない。
• 悪い三角形をルートとする部分木全体の失敗が、バックトラック分布に重たい尾をもたらし、指数的実行時間が正の確率で発生する。
• ヒューリスティックおよび実験的証拠は、尾が P_c(b) ~ b^{-1} に従い、指数的カットオフまで成り立つことを示唆しているが、本稿では厳密に証明されていない。