[論文レビュー] Local Problems in Trees Across a Wide Range of Distributed Models

Abhishek Dhar, Eli Kujawa+5 more|arXiv (Cornell University)|Sep 20, 2024

Data Management and Algorithms被引用数 1

ひとこと要約

この論文は、木における多くの局所チェック可能なラベリング問題（LCL）のクラスにおいて、確率的オンライン-LOCALモデルが決定的LOCALモデルに比べて漸近的な利点を提供しないことを確立している。パスポンピングと正規化ラベリングを用いてオンライン-LOCALアルゴリズムからLOCALアルゴリズムを構築することで、著者らは、木におけるグローバル問題が、量子およびSLOCAL変種を含むすべての中間モデルにおいてもグローバルのままであることを証明し、木におけるLCL局所性のほぼ完全な分類を裏付ける。

ABSTRACT

The randomized online-LOCAL model captures a number of models of computing; it is at least as strong as all of these models: - the classical LOCAL model of distributed graph algorithms, - the quantum version of the LOCAL model, - finitely dependent distributions [e.g. Holroyd 2016], - any model that does not violate physical causality [Gavoille, Kosowski, Markiewicz, DISC 2009], - the SLOCAL model [Ghaffari, Kuhn, Maus, STOC 2017], and - the dynamic-LOCAL and online-LOCAL models [Akbari et al., ICALP 2023]. In general, the online-LOCAL model can be much stronger than the LOCAL model. For example, there are locally checkable labeling problems (LCLs) that can be solved with logarithmic locality in the online-LOCAL model but that require polynomial locality in the LOCAL model. However, in this work we show that in trees, many classes of LCL problems have the same locality in deterministic LOCAL and randomized online-LOCAL (and as a corollary across all the above-mentioned models). In particular, these classes of problems do not admit any distributed quantum advantage. We present a near-complete classification for the case of rooted regular trees. We also fully classify the super-logarithmic region in unrooted regular trees. Finally, we show that in general trees (rooted or unrooted, possibly irregular, possibly with input labels) problems that are global in deterministic LOCAL remain global also in the randomized online-LOCAL model.

研究の動機と目的

• 木構造のグラフにおいて、確率的オンライン-LOCALモデルが古典的LOCALモデルに比べて分散計算上の優位性を提供するかどうかを特定すること。
• 量子-LOCAL、SLOCAL、動的-LOCAL変種を含む広範な分散モデルにおけるLCL問題の局所性を分類すること。
• 木におけるグローバルLCL問題が、確率的オンライン-LOCAL計算においてもグローバルのままであるかどうかを調査すること。
• パスポンピングと正規化ラベリングを用いて、オンライン-LOCALアルゴリズムから木における同等のLOCALアルゴリズムへの変換を構築すること。

提案手法

• 元の木Tからの部分木およびパスを複製することで、オンライン-LOCAL動作をLOCAL設定でシミュレートできるように変更された木Sを構築する。
• パスポンピングを用いて、一定長lpump以内で制限されたサブパスの複数コピーを生成し、繰り返しのアルゴリズム的アクセスをシミュレートする。
• 鳩の巣原理を適用して、ポンピング可能なパス上の繰り返しラベリングを特定し、各パスをその最も頻出するラベリングにマッピングする正規化ラベリング関数fを定義する。
• グローバルメモリや逐次処理に依存しない、局所的近傍と正規化ラベリングに基づいてノードをラベリングする「忘却的（amnesiac）」LOCALアルゴリズムA′を構築する。
• 制限されたパス長さと定数サイズの入力ラベルを活用して、ポンピングされていない領域および削除された木の部分に対して定数局所性のラベリングを保証する。
• 木におけるLCL問題に対して、オンライン-LOCAL o(n)アルゴリズムが、O(√n)の局所性を持つ決定的LOCALアルゴリズムに変換可能であることを証明する。

実験結果

リサーチクエスチョン

• RQ1 決定的LOCALモデルにおいてグローバル局所性を持つLCL問題のうち、確率的オンライン-LOCALモデルが決定的LOCALモデルに比べて非定数の漸近的優位性を示すものはあるか？
• RQ2 決定的LOCALモデルで同じ局所性で解けるすべてのLCL問題が、確率的オンライン-LOCALモデルでも同じ局所性で解けるか？
• RQ3 量子-LOCALモデルを用いる場合、木におけるLCL問題に分散量子的優位性があるか？
• RQ4 根付きおよび非根付き正則木におけるLCL問題局所性の完全な分類は何か？
• RQ5 オンライン-LOCALアルゴリズムを、木において一貫した方法で同等のLOCALアルゴリズムに変換できるか？

主な発見

• 木における多くのLCL問題のクラスにおいて、確率的オンライン-LOCALモデルと決定的LOCALモデルは同等の漸近的局所性を持ち、分散量子的優位性がないことを示唆する。
• パスポンピングと正規化ラベリングを用いて、任意のオンライン-LOCAL o(n)アルゴリズムを、O(√n)の局所性を持つ決定的LOCALアルゴリズムに変換可能である。
• 根付き正則木において、本論文はLCL問題局所性のほぼ完全な分類を提供し、超対数的領域を解消している。
• 非根付き正則木において、本論文は超対数的局所性領域を完全に分類しており、達成可能な複雑さにギャップがないことを示している。
• 木におけるグローバルLCL問題は、確率的オンライン-LOCALモデルにおいてもグローバルのままであり、このモデルでは部分線形局所性では解けない。
• 変更された木Sの構築と正規化ラベリングの使用により、アルゴリズムA′はグローバルメモリや逐次アクセスに依存せずに、局所的情報と定数時間の事前計算のみに依存してオンライン-LOCAL動作をシミュレートできる。