[論文レビュー] Low-Memory Algorithms for Online Edge Coloring

Prantar Ghosh, Manuel Stoeckl|arXiv (Cornell University)|Apr 24, 2023

Complexity and Algorithms in Graphs被引用数 2

ひとこと要約

この論文は、低メモリのオンラインおよびWストリーミングアルゴリズムを提示し、サブラインアーブスペースでO(∆)-色付けを達成する。従来の研究と比較して、大幅にメモリ使用量を削減している。ランダムな順列と動的色プール管理を活用することで、エッジ到着時ではÕ(n√∆)空間、頂点到着時ではセミストリーミング空間でO(∆)-競合比を達成する。また、メモリ使用量と色数の間で滑らかなトレードオフを実現している。

ABSTRACT

For edge coloring, the online and the W-streaming models seem somewhat orthogonal: the former needs edges to be assigned colors immediately after insertion, typically without any space restrictions, while the latter limits memory to sublinear in the input size but allows an edge's color to be announced any time after its insertion. We aim for the best of both worlds by designing small-space online algorithms for edge coloring. We study the problem under both (adversarial) edge arrivals and vertex arrivals. Our results significantly improve upon the memory used by prior online algorithms while achieving an $O(1)$-competitive ratio. In particular, for $n$-node graphs with maximum vertex-degree $Δ$ under edge arrivals, we obtain an online $O(Δ)$-coloring in $ ilde{O}(n\sqrtΔ)$ space. This is also the first W-streaming edge-coloring algorithm using $O(Δ)$ colors (in sublinear memory). All prior works either used linear memory or $ω(Δ)$ colors. We also achieve a smooth color-space tradeoff: for any $t=O(Δ)$, we get an $O(Δt (\log^2 Δ))$-coloring in $ ilde{O}(n\sqrt{Δ/t})$ space, improving upon the state of the art that used $ ilde{O}(nΔ/t)$ space for the same number of colors (the $ ilde{O}(.)$ notation hides polylog$(n)$ factors). The improvements stem from extensive use of random permutations that enable us to avoid previously used colors. Most of our algorithms can be derandomized and extended to multigraphs, where edge coloring is known to be considerably harder than for simple graphs.

研究の動機と目的

• サブラインアーブスペースを用いながらもO(∆)-競合比を維持するオンラインエッジ色付けアルゴリズムの設計。
• 限られたメモリで即時色割り当てが可能なオンラインとWストリーミングモデルのギャップを埋める。
• 従来の研究では線形メモリを要したり、サブラインアーブスペースでω(∆)色を用いていたのを改善する。
• 多価グラフへの一般化と決定的バージョンの提供。
• エッジ到着および頂点到着の両設定において、空間と色数の滑らかなトレードオフを確立する。

提案手法

• すべての以前の割り当てを記録せず、効率的に色をサンプリングして以前に使われた色を避けるために、ランダムな順列を用いる。
• 各頂点で動的色プールを維持し、順列を用いて段階的に拡張することで利用可能な色を見つける。
• オракルのランダムネスを用いた「試行・破棄」戦略を採用し、すべてのランダム選択を明示的に記録しない。
• 色割り当てを延期可能だがメモリがサブラインアーブスペースであるという、新しいWストリーミングモデルを導入。
• 構造的なランダムネスを用いてアルゴリズムを決定的化し、多価グラフへの正しさを証明する。
• スイッチングネットワークにおけるパス制限の詳細な解析とk-様な独立性を活用して、空間境界を達成する。

実験結果

リサーチクエスチョン

• RQ1 サブラインアーブスペースでO(∆)-色付けを達成できるオンラインエッジ色付けは可能か？
• RQ2 O(∆)色とサブラインアーブスペースを用いるWストリーミングエッジ色付けアルゴリズムは設計可能か？
• RQ3 オンラインエッジ色付けにおいて、メモリ使用量と色数の最適なトレードオフは何か？
• RQ4 提案手法は多価グラフへ拡張可能で、決定的化可能か？
• RQ5 線形より低いメモリ使用量で、定数競合比を維持できるか？

主な発見

• 敵対的エッジ到着時において、Õ(n√∆)空間でO(∆)-色付けを達成。従来のオンラインアルゴリズムよりメモリ使用量を削減。
• O(∆)色とサブラインアーブスペースを用いる最初のWストリーミングエッジ色付けアルゴリズムを導入。重要な未解決問題を解決。
• 滑らかな空間-色数トレードオフを確立：Õ(n√∆/t)空間でO(∆t)-色付け。同色数の状態で、従来の最先端技術が使用していたÕ(n∆/t)空間よりも優れている。
• 頂点到着モデルでは、空間使用量をO(n polylog n)まで削減。一般グラフおよび二部グラフでセミストリーミング境界に到達。
• すべてのアルゴリズムは決定的化可能であり、多価グラフへ一般化可能。多価グラフではエッジ色付けがより複雑になる。
• ランダムアルゴリズムが高確率でÕ(n)およびÕ(n√∆)空間を使用すると予想されるが、形式的証明は未解決のまま。