[論文レビュー] On the Complexity of Algorithms with Predictions for Dynamic Graph Problems

Monika Henzinger, Barna Saha+2 more|arXiv (Cornell University)|Jul 31, 2023

Optimization and Search Problems被引用数 3

ひとこと要約

本稿では、動的グラフアルゴリズムの予測モデルを形式的に定式化し、分析する。3種類の予測タイプ—ε-正確、リスト正確、および遅延制限付き予測—を提案し、OMv予想に基づく条件付き下界を確立する。局所的に正しく修正可能な問題は、予測が完全でない限り、リスト正確予測によっても下界が改善されないことが示され、一方、局所的に還元可能な問題は、遅延制限付き予測のもとで、オンラインからオフライン設定への実行時間の滑らかな遷移を示す。また、部分グラフ連結性やトランスティビティ閉包といった動的グラフ問題に対して、タイトな上界が示されている。

ABSTRACT

Algorithms with predictions is a new research direction that leverages machine learned predictions for algorithm design. So far a plethora of recent works have incorporated predictions to improve on worst-case bounds for online problems. In this paper, we initiate the study of complexity of dynamic data structures with predictions, including dynamic graph algorithms. Unlike online algorithms, the goal in dynamic data structures is to maintain the solution efficiently with every update. We investigate three natural models of prediction: (1) δ-accurate predictions where each predicted request matches the true request with probability δ, (2) list-accurate predictions where a true request comes from a list of possible requests, and (3) bounded delay predictions where the true requests are a permutation of the predicted requests. We give general reductions among the prediction models, showing that bounded delay is the strongest prediction model, followed by list-accurate, and δ-accurate. Further, we identify two broad problem classes based on lower bounds due to the Online Matrix Vector (OMv) conjecture. Specifically, we show that locally correctable dynamic problems have strong conditional lower bounds for list-accurate predictions that are equivalent to the non-prediction setting, unless list-accurate predictions are perfect. Moreover, we show that locally reducible dynamic problems have time complexity that degrades gracefully with the quality of bounded delay predictions. We categorize problems with known OMv lower bounds accordingly and give several upper bounds in the delay model that show that our lower bounds are almost tight. We note that concurrent work by v.d.Brand et al. [SODA '24] and Liu and Srinivas [arXiv:2307.08890] independently study dynamic graph algorithms with predictions, but their work is mostly focused on showing upper bounds.

研究の動機と目的

• 動的グラフアルゴリズムにおける3つの異なる予測モデル—ε-正確、リスト正確、および遅延制限付き予測—を形式化し、分析すること。
• オンライン行列ベクトル（OMv）予想を用いて、これらの予測モデルのもとでの動的問題に対する条件付き下界を確立すること。
• 予測の品質と関連して、問題の局所的正しさと還元可能性の性質に基づき、動的グラフ問題を特徴付けること。
• 遅延制限付き予測のもとで、主要な動的グラフ問題に対するタイトな上界を提供し、下界の近似的最適性を示すこと。
• 局所的に還元可能な問題に対して、遅延予測のもとでオンラインからオフライン設定への実行時間の滑らかな遷移を示し、オンラインとオフラインのギャップを埋めること。

提案手法

• 3つの予測モデルを導入：ε-正確（各予測が確率ε以上で正しく）、リスト正確（真のリクエストが候補リスト内に含まれる）、遅延制限付き（真のリクエストが予測の順列として与えられる）。
• モデル間の還元を確立：遅延制限付き予測はリスト正確予測を含み、リスト正確予測はε-正確予測を含む。これにより、下界の転送が可能になる。
• OMv予想を用いて、動的問題を局所的に正しく修正可能なクラスと局所的に還元可能なクラスに分類し、条件付き下界を導出する。
• 遅延制限付き予測のもとで#s-△問題を扱うデータ構造を提案し、更新時間O(1)、クエリ時間˜O(d²)を達成。ここでdは遅延である。
• 2分ヒープと補助配列（例：D(−)R,d、D(+)R,d、BR,d、B(>)R,d）を用いて、行と列の更新を追跡し、遅延予測のもとでの正しさを維持する。
• 予測された行列値とリアルタイムの行・列カウンタを用いた誤差補正を組み合わせた動的クエリアルゴリズムを採用し、最大値を正確に計算する。

実験結果

リサーチクエスチョン

• RQ1 ε-正確、リスト正確、遅延制限付き予測といった異なる予測モデルは、動的グラフアルゴリズムの複雑さにどのように影響を与えるか？
• RQ2 OMv予想に基づく条件付き下界は、予測を伴う動的問題にどの程度まで持ち込まれるか？
• RQ3 局所的正しさ／還元可能性と、不完全な予測に対するアルゴリズムのロバストネスの関係は何か？
• RQ4 遅延制限付き予測のもとで、動的グラフ問題に対するタイトな上界を達成できるか。また、最悪ケースの境界と比べてどうなるか？
• RQ5 予測が遅延する場合、オンラインからオフライン設定へのアルゴリズムの性能が滑らかに遷移するか？

主な発見

• 局所的に正しく修正可能な動的問題では、予測が完全でない限り、リスト正確予測は非予測設定における条件付き下界を改善しない。
• 局所的に還元可能な問題では、遅延制限付き予測のもとで、オンラインからオフライン設定への実行時間の滑らかな遷移が実現され、遅延dに対してクエリ時間は˜O(d²)に比例する。
• 遅延制限付き予測のもとで#s-△問題は、˜O(1)の更新時間と˜O(d²)のクエリ時間を達成し、対数要因を除いて条件付き下界と一致する。
• Ericksonの最大値問題に対するアルゴリズムは、遅延制限付き予測のもとで、˜O(1)の更新時間と˜O(d²)のクエリ時間を維持し、近似的最適性を示している。
• 部分グラフ連結性のためのデータ構造は、遅延制限付き予測のもとで˜O(1)の更新と˜O(d²)のクエリをサポートし、行と列のカウンタの動的追跡により正しさが保たれる。
• 予測モデル間の還元により、遅延制限付き予測が最も強力なモデルであることが示され、これによりリスト正確およびε-正確予測の下界も導出可能である。