[論文レビュー] New Techniques and Tighter Bounds for Local Computation Algorithms

Omer Reingold, Shai Vardi|arXiv (Cornell University)|Apr 22, 2014

Complexity and Algorithms in Graphs参考文献 16被引用数 4

ひとこと要約

本稿では、スパースグラフ上の最大マッチングや最大独立集合などの問題に対して、時間および空間効率を著しく向上させる、ローカル計算アルゴリズム（LCA）を設計するための新技術を導入する。近隣依存オンラインアルゴリズムを形式化し、d-lightグラフを導入することで、O(log n log log n)の時間および空間の上限を達成し、従来のO(log³n)時間およびO(log³n)空間の結果を、より広いグラフ族に一般化して、より単純でより一般的な証明により改善した。

ABSTRACT

Given an input $x$, and a search problem $F$, local computation algorithms (LCAs) implement access to specified locations of $y$ in a legal output $y \in F(x)$, using polylogarithmic time and space. Mansour et al., (2012), had previously shown how to convert certain online algorithms to LCAs. In this work, we expand on that line of work and develop new techniques for designing LCAs and bounding their space and time complexity. Our contributions are fourfold: (1) We significantly improve the running times and space requirements of LCAs for previous results, (2) we expand and better define the family of online algorithms which can be converted to LCAs using our techniques, (3) we show that our results apply to a larger family of graphs than that of previous results, and (4) our proofs are simpler and more concise than the previous proof methods. For example, we show how to construct LCAs that require $O(\log{n}\log\log{n})$ space and $O(\log^2{n})$ time (and expected time $O(\log\log{n})$) for problems such as maximal matching on a large family of graphs, as opposed to the henceforth best results that required $O(\log^3{n})$ space and $O(\log^4{n})$ time, and applied to a smaller family of graphs.

研究の動機と目的

• 大規模なグラフにおける組合せ探索問題に対して、時間および空間複雑度を改善したより効率的なローカル計算アルゴリズム（LCA）の設計。
• 有界次数または定数次数のグラフにとどまらず、d-lightグラフ（たとえばランダムグラフや二部グラフ）を含む、より広いグラフ族にLCAを適用可能にする。
• 近隣依存オンラインアルゴリズムと呼ばれる新しいアルゴリズムクラスを形式化し、確率的頂点順序を用いた一貫したLCA構築を可能にする。
• 従来のクエリツリーの抽象化に依存しない、より単純かつ一般化されたLCA解析の証明技法を簡素化・一般化する。
• LCAの複雑度にタイトな境界を確立し、高次元グラフに対して下界を用いてその最適性を示す。

提案手法

• 各頂点の出力が、順序列でそれより前に到着した近隣頂点の値にのみ依存する近隣依存オンラインアルゴリズムを導入する。
• d-lightグラフを定義する。これは、d-正則グラフ、p=d/nのG(n,p)、ランダム二部グラフなど、確率的高さでO(log log n)の次数を持つ広範なグラフ族を含む。
• ランダム頂点順序上でオンラインアルゴリズムをシミュレートすることでLCAを構築し、クエリされた頂点より前に到着した近隣頂点に制限してクエリを実行する。
• エッジごとにO(log log n)ビットで、相対的なエッジおよび頂点位置を格納するコンパクトなデータ構造を用いることで、空間をO(log n log log n)に削減する（確率的高さで）。
• 確率的ハッシュおよび効率的なDFS走査を用いて、最小限の空間オーバーヘッドで頂点の識別子およびグラフ内の経路を再構築する。
• d-lightグラフにおける関連領域のサイズの確率的解析を用いて、期待時間および空間の上限を証明し、多対数複雑度を示す。

実験結果

リサーチクエスチョン

• RQ1 d-lightグラフ上で、最大マッチングおよび関連問題に対して、時間および空間複雑度を改善したLCAを設計できるか？
• RQ2 一貫したフレームワークを用いて、どの種類のオンラインアルゴリズムを効率的なLCAに体系的に変換できるか？
• RQ3 どのグラフ族に対してLCAが多対数複雑度を達成できるかをどのように特徴づけられ、その限界は何か？
• RQ4 従来のLCA解析で用いられる、クエリツリーの抽象化に依存しない、より単純かつ一般化された証明技法をどのように簡素化できるか？
• RQ5 d-lightグラフ上でのLCAに対して、O(log n log log n)の時間および空間境界はタイトか？また、次数がO(log log n)を超えるとどうなるか？

主な発見

• 本稿では、d-lightグラフ上でのLCAに対して、O(log n log log n)の時間および空間複雑度を達成し、従来のO(log³n)時間およびO(log³n)空間の結果を改善した。
• 最大マッチングのための新しいLCAは、1回の問い合わせに対してO(log²n)の時間およびO(log n log log n)の空間を要するが、期待時間はO(log log n)、期待空間はO(log n)である。
• このフレームワークは、d-正則グラフ、p = d/n（d = O(log log n)）のG(n,p)、および固定消費者次数のランダム二部グラフを含む、はるかに広いグラフ族に適用可能である。
• 証明技法は、従来の方法よりも単純かつ一般化されており、クエリツリーの使用を避け、代わりに頂点の関連領域サイズの確率的解析に依存している。
• 結果はタイトである：期待次数がω(log log n)であるグラフでは、関連領域の期待サイズが多対数より大きくなり、同じシミュレーション手法では境界を改善できないことが示された。
• このフレームワークは、任意の明確な近隣依存オンラインアルゴリズムに拡張可能であり、最大独立集合、頂点彩色、負荷分散アルゴリズムなど、効率的なLCA構築を可能にする。