[論文レビュー] Optimal Parametric Search for Path and Tree Partitioning

Greg N. Frederickson, Samson Zhou|arXiv (Cornell University)|Nov 2, 2017

Data Management and Algorithms参考文献 13被引用数 6

ひとこと要約

本稿では、最適化されたパrametric検索フレームワークを用いて、パスおよび木におけるmax-minおよびmin-max kパーティショニングの線形時間アルゴリズムを提示する。合成重み付けとデュアルセレクション戦略（パス長に対して加重、候補削減に対して非加重）を採用することで、各反復における妥当性テスト時間の定数倍の削減を保証し、通常のlog nペナルティを回避することで、最適なO(n)時間の性能を達成する。

ABSTRACT

We present linear-time algorithms for partitioning a path or a tree with weights on the vertices by removing $k$ edges to maximize the minimum-weight component. We also use the same framework to partition a path with weight on the vertices, removing $k$ edges to minimize the maximum-weight component. The algorithms use the parametric search paradigm, testing candidate values until an optimum is found while simultaneously reducing the running time needed for each test. For path-partitioning, the algorithm employs a synthetic weighting scheme that results in a constant fraction reduction in running time after each test. For tree-partitioning, our dual-pronged strategy makes progress no matter what the specific structure of our tree is.

研究の動機と目的

• パスおよび木におけるmax-minおよびmin-max kパーティショニングの、漸近的に最適なアルゴリズムの開発。
• パラメトリック検索における標準的なO(log n)オーバーヘッドを、対数要因を伴う繰り返しの妥当性テストを避けることで排除すること。
• 各反復における妥当性テスト時間の継続的削減を保証する進捗追跡メカニズムの設計。
• これらの問題における最適パラメトリック検索を実現するために並列アルゴリズムパラダイムに依存しないことの証明。
• 従来の手法の複雑さを回避する、洗練され解析可能なフレームワークの提供。

提案手法

• ソート済み行列またはパス長に基づく合成重みに基づいて、暗黙の候補値をエンコードするパラメトリック検索を用いる。
• パスの代表を対象に加重選択を適用し、短いパスを優先することで、将来の妥当性テストを高速化する。
• 非加重選択を用いて候補集合のサイズを削減し、選択時間の線形性を保証する。
• 二重戦略（長距離パスの圧縮と葉に接続されたパスの pruning）を導入し、同時にテスト時間を削減する。
• 頂点数や候補数ではなく、妥当性テストに費やされた時間を進捗指標として使用する。
• 指数的減少を示すテスト時間の再帰的ラウンドを用い、log nラウンドにおける和を取ることで、総実行時間がO(n)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 パラメトリック検索におけるパスおよび木のパーティショニングを、時間計算量にlog n要因を含まずに、真に最適化することは可能か？
• RQ2 木のパーティショニングにおいて、各反復で妥当性テスト時間の継続的削減を実現するための進捗指標は何か？
• RQ3 候補値の合成重み付けは、パラメトリック検索における収束をどのように加速するか？
• RQ4 並列アルゴリズム的パラダイムに依存せずに線形時間性能を達成することは可能か？
• RQ5 パスの圧縮と葉のプルーニングの二重戦略は、線形時間性能を確保するのに十分な進捗をもたらすか？

主な発見

• アルゴリズムは、max-minおよびmin-maxパスkパーティショニングの両方においてO(n)時間で実行され、最適な性能を達成する。
• 木kパーティショニングにおいて、加重選択と非加重選択を組み合わせることで、各ラウンドごとに妥当性テスト時間を定数倍削減し、O(n)時間の性能を達成する。
• 妥当性テスト時間は各反復で最低でも1/16以上削減され、幾何級数的減少を示すため、最大でO(log n)ラウンドに収束する。
• 各ラウンドにおける妥当性テストの総数はO(r⁴)であり、すべてのラウンドにわたる和はO(n)であるため、全体として線形時間となる。
• 合成重み付けと適応的候補削減を用いることで、パラメトリック検索で一般的に見られるO(log n)ペナルティを回避する。
• 解析により、妥当性テスト時間は、頂点数や候補数が変化しても、進捗の有効かつ適切な指標であることが証明される。