[論文レビュー] Optimal Bounds for the $k$-cut Problem

Anupam Gupta, David G. Harris+2 more|arXiv (Cornell University)|May 17, 2020

Complexity and Algorithms in Graphs参考文献 15被引用数 6

ひとこと要約

本稿は、Kargerの収縮アルゴリズムが、重みがαλₖである固定されたkカットをΩₖ(n⁻ᵅᵏ)の確率で出力することを証明することで、kカット問題を解決した。これにより、最小kカットを求めるための最適なO(nᵏ logⁿ)時間アルゴリズムと、それらの数に関するタイトな境界が得られた。この結果により、一般重み付きグラフにおける最良の上界と条件付き下界の間のギャップが埋められた。

ABSTRACT

In the $k$-cut problem, we want to find the lowest-weight set of edges whose deletion breaks a given (multi)graph into $k$ connected components. Algorithms of Karger \& Stein can solve this in roughly $O(n^{2k})$ time. On the other hand, lower bounds from conjectures about the $k$-clique problem imply that $Ω(n^{(1-o(1))k})$ time is likely needed. Recent results of Gupta, Lee \& Li have given new algorithms for general $k$-cut in $n^{1.98k + O(1)}$ time, as well as specialized algorithms with better performance for certain classes of graphs (e.g., for small integer edge weights). In this work, we resolve the problem for general graphs. We show that the Contraction Algorithm of Karger outputs any fixed $k$-cut of weight $αλ_k$ with probability $Ω_k(n^{-αk})$, where $λ_k$ denotes the minimum $k$-cut weight. This also gives an extremal bound of $O_k(n^k)$ on the number of minimum $k$-cuts and an algorithm to compute $λ_k$ with roughly $n^k \mathrm{polylog}(n)$ runtime. Both are tight up to lower-order factors, with the algorithmic lower bound assuming hardness of max-weight $k$-clique. The first main ingredient in our result is an extremal bound on the number of cuts of weight less than $2 λ_k/k$, using the Sunflower lemma. The second ingredient is a fine-grained analysis of how the graph shrinks -- and how the average degree evolves -- in the Karger process.

研究の動機と目的

• 一般重み付きグラフにおけるkカット問題の、最良の上界と条件付き下界の間のギャップを埋めること。
• グラフ内の最小kカットの数に関するタイトな境界を確立し、以前のO(n¹.⁹⁸ᵏ)の境界を改善すること。
• 古典的収縮アルゴリズムが、かつては非最適であると信じられていたにもかかわらず、kカットにおいて最適な性能を達成することを示すこと。
• 収縮プロセスの微細な解析、特に縮小ダイナミクスと平均次数の変化を含めること。
• 極値組合せ論（Sunflower補題）と確率的解析を活用し、kカット出力のタイトな確率境界を導出すること。

提案手法

• 収縮プロセスを、縮小と生存確率を制御するための適応的停止閾値τを用いた再帰的フレームワークで分析する。
• Sunflower補題を適用して、2λₖ/k未満の重みのカットの数を抑え、小さなカットに対する極値的制御を可能にする。
• エッジ密度とカット重みに基づいて、収縮中における生存する小さなカットの期待数をモデル化する微分方程式近似を用いる。
• 濃度と次数の変化に関する境界を用いて、一連の収縮を通じて固定kカットが生存する確率の再帰的関係を確立する。
• 成功確率の増幅とすべての最小kカットの列挙のため、収縮アルゴリズムを再帰的サンプリングと繰り返し試行と統合する。
• KargerとSteinの再帰的収縮フレームワークを活用し、最小kカット列挙におけるほぼ最適な実行時間を達成する。

実験結果

リサーチクエスチョン

• RQ1 古典的収縮アルゴリズムは、一般重み付きグラフにおけるkカット問題において最適な実行時間を達成できるか？
• RQ2 グラフ内の最小kカットの数に関する、最もタイトな上界は何か？
• RQ3 収縮アルゴリズムが、重みがαλₖの固定kカットを出力する最小確率は何か？
• RQ4 極値組合せ論（例：Sunflower補題）を用いて、小さなカットの数を抑え、アルゴリズム解析を改善できるか？
• RQ5 kカットアルゴリズムの実行時間は、kクリーク予想が示唆する条件付き下界と一致するか？

主な発見

• 収縮アルゴリズムは、重みがαλₖの任意の固定kカットを、n⁻ᵅᵏ k⁻ᴼ⁽ᵅᵏ²⁾以上の確率で出力する。これは、一般グラフにおいて最適性が証明された。
• 任意のグラフにおける最小kカットの数は、nᵏ kᴼ⁽ᵏ²⁾以下である。これは、以前のO(n¹.⁹⁸ᵏ)の境界を改善した。
• λₖ（最小kカット重み）を計算するアルゴリズムは、高確率でnᵏ (log n)ᴼ⁽ᵏ²⁾時間で実行され、最良の既知の条件付き下界と一致する。
• すべての最小kカットを列挙するアルゴリズムは、nᵏ (log n)ᴼ⁽ᵏ²⁾時間で実行され、以前のO(n¹.⁹⁸ᵏ)を改善し、重みなしグラフのO(nᵏ)の境界でさえも上回る。
• 最大重みkクリークがΩ(n⁽¹⁻ᵒ⁽¹⁾ᵏ)時間が必要であるという仮定のもと、この結果はほぼタイトである。これは、より著しく速いアルゴリズムが存在しないことを示唆する。
• 解析により、収縮中の平均次数とグラフの縮小率が成功確率に重要な役割を果たしており、これらは微分方程式モデルによってきめ細かく制御されている。