[論文レビュー] Sharp Bounds for Bandwidth of Clique Products

Tanya Berger‐Wolf, Mitchell A. Harris|ArXiv.org|May 28, 2003

Interconnection Networks and Systems参考文献 11被引用数 6

ひとこと要約

本稿では、任意サイズのクリークのカルテシアン積によって形成されるハミンググラフの帯域幅を最小化するためのタイトな下界と最適アルゴリズムを提示する。多次元行列への数の配置として問題をモデル化することで、クリークサイズに比例するハイパーキューブの帯域幅スケーリングにより、非均等なクリークサイズに対してもほぼ最適な性能を達成する。

ABSTRACT

The bandwidth of a graph is the labeling of vertices with minimum maximum edge difference. For many graph families this is NP-complete. A classic result computes the bandwidth for the hypercube. We generalize this result to give sharp lower bounds for products of cliques. This problem turns out to be equivalent to one in communication over multiple channels in which channels can fail and the information sent over those channels is lost. The goal is to create an encoding that minimizes the difference between the received and the original information while having as little redundancy as possible. Berger-Wolf and Reingold [2] have considered the problem for the equal size cliques (or equal capacity channels). This paper presents a tight lower bound and an algorithm for constructing the labeling for the product of any number of arbitrary size cliques.

研究の動機と目的

• 任意サイズのクリークのカルテシアン積によって形成されるハミンググラフの帯域幅に対するタイトな下界を確立すること。
• 理論的下界に近い帯域幅を達成する効率的なラベル付けアルゴリズムを設計すること。
• 等サイズのクリークに関する先行研究を、より複雑な非等サイズクリークのケースに一般化すること。
• パケット損失の可能性があるマルチチャネル通信システムにおける情報損失の最小化という実用的問題に取り組むこと。

提案手法

• 著者たちは、帯域幅最小化問題を、任意の直線（1次元部分行列）に沿う最大差を最小化するように数を多次元行列に配置する問題としてモデル化する。
• 下界は、d次元ハイパーキューブ（K₂^d）の帯域幅と各クリークサイズの半分の床関数の積を取ることで導出される。
• アルゴリズムは、辞書式順序に基づいて行列の直交点を再帰的に埋め込み、クリークサイズが奇数の場合には中央部分行列を特別処理する。
• 上界は、直交点および中央部分行列における直線のスプレッドを分析することで導出され、クリークサイズが偶数の場合にほぼ最適性を示す。
• 再帰的分割と剰余算術に基づくラベル付けを用いることで、すべての直線にわたって低い帯域幅を維持する。
• 本手法は、クリークサイズに応じて適合するサイズ認識の再帰的構成を導入することで、等サイズクリークに関する先行結果を一般化する。

実験結果

リサーチクエスチョン

• RQ1 任意サイズのクリークのカルテシアン積によって形成されるハミンググラフの帯域幅に対する、最もタイトな下界は何か？
• RQ2 理論的下界に近い帯域幅を達成する効率的なラベル付けアルゴリズムを構築できるか？
• RQ3 クリークのサイズと数に対して、クリーク積の帯域幅はどのようにスケーリングされるか？
• RQ4 奇数サイズのクリークの場合、下界と達成可能な上界の差は何か？
• RQ5 提案されたアルゴリズムは、クリークサイズが異なる場合を含め、すべての構成においてほぼ最適性を維持するか？

主な発見

• K_{n₁} × ⋯ × K_{n_d} の帯域幅の下界は、B(K₂^d) × ∏_{t=1}^d ⌊n_t/2⌋ であり、ここで B(K₂^d) はd次元ハイパーキューブの帯域幅を表す。
• 上界は、n₁ が偶数のとき B(K₂^d) × ∏_{t=1}^d ⌈n_t/2⌉ + n₁/2 - 1 であり、n₁ が奇数のときはやや複雑になる。
• 偶数サイズのクリークでは、下界と上界の差が n₁/2 - 1 以下であり、全体のスケールに比べて無視できる。
• すべてのクリークが同じ奇数サイズ n である場合、上界は約 ∑_{r=1}^d n^r / (2√(r−1)) であり、下界は ≈ n^d / (2√(d−1)) に近い。
• 無限に多くの場合において上界と下界がほぼ一致しており、上界がおそらくタイトであると考えられる。
• 提案されたアルゴリズムは、理論的下界からのわずかな加法的ギャップ内で帯域幅を達成し、すべての構成においてほぼ最適である。