[論文レビュー] "Tri, Tri again": Finding Triangles and Small Subgraphs in a Distributed Setting

Danny Dolev, Christoph Lenzen+1 more|arXiv (Cornell University)|Jan 31, 2012

Complexity and Algorithms in Graphs参考文献 11被引用数 6

ひとこと要約

本稿では、各メッセージのサイズがO(log n)ビットに制限される完全に接続されたネットワークにおいて、特に三角形を含む小さな部分グラフを検出する効率的な分散アルゴリズムを提示する。確率的アルゴリズムを導入し、三角形の検出にO(n^{1/3}/(t^{2/3}+1))の期待ラウンド数を達成する。tは三角形の数を表す。これは帯域幅が限られた高密度グラフにおいて、ナイーブなアプローチよりも顕著に改善された結果である。

ABSTRACT

Let G = (V,E) be an n-vertex graph and M_d a d-vertex graph, for some constant d. Is M_d a subgraph of G? We consider this problem in a model where all n processes are connected to all other processes, and each message contains up to O(log n) bits. A simple deterministic algorithm that requires O(n^((d-2)/d) / log n) communication rounds is presented. For the special case that M_d is a triangle, we present a probabilistic algorithm that requires an expected O(ceil(n^(1/3) / (t^(2/3) + 1))) rounds of communication, where t is the number of triangles in the graph, and O(min{n^(1/3) log^(2/3) n / (t^(2/3) + 1), n^(1/3)}) with high probability. We also present deterministic algorithms specially suited for sparse graphs. In any graph of maximum degree Delta, we can test for arbitrary subgraphs of diameter D in O(ceil(Delta^(D+1) / n)) rounds. For triangles, we devise an algorithm featuring a round complexity of O(A^2 / n + log_(2+n/A^2) n), where A denotes the arboricity of G.

研究の動機と目的

• メッセージサイズがO(log n)ビットに制限される分散環境において、特に三角形を含む小さな部分グラフを検出する課題に対処すること。
• 全グラフトポロジを学習する必要があるナイーブなアプローチがO(n/log n)ラウンドを要することを克服すること。
• 通信負荷とサブリニアラウンド複雑性の両立を図り、高密度かつ完全に接続されたネットワークで効率的なアルゴリズムを設計すること。
• グラフの分岐数や最大次数といった性質に応じて最適化された、確率的および決定的ソリューションを提供すること。
• 提案されたアルゴリズムのラウンド複雑性に理論的境界を確立し、解析のタイトネスを証明すること。

提案手法

• ノードが隣接ノードをランダムにサンプリングすることで、完全なトポロジ知識なしに三角形を検出する確率的サンプリングベースのアルゴリズム、TriSampleを提案する。
• 二段階のアプローチを採用：まず、三角形が存在する場合に速やかに検出するためのサンプリングフェーズを実施し、次に三角形が検出されない場合には決定的フォールバック（TriPartition）を実行する。
• チェルノフ型の不等式とユニオンバウンドを用いて、高い確率で正しく動作することを保証するための集中度の境界と確率的解析を適用する。
• 潜在的な三角形をカバーするためのサンプリング深さを制御する閾値パラメータs_mを導入し、ラウンド複雑性の新しい分析法を構築する。
• サンプリング成功確率の逆数を用いてラウンド数の境界を導出し、期待される三角形検出サンプル数を活用する。
• 分岐数(A)や最大次数(Δ)といったグラフ理論的性質を活用し、スパarsなグラフや有界次数のグラフに特化した決定的アルゴリズムを設計する。

実験結果

リサーチクエスチョン

• RQ1 完全に接続された分散ネットワークにおいて、メッセージサイズがO(log n)ビットに制限される条件下で、O(n/log n)ラウンドより効率的に小さな部分グラフ（例：三角形）を検出できるか？
• RQ2 三角形の数tが既知または有界である場合、三角形検出の最適ラウンド複雑性は何か？
• RQ3 クリークベースの通信モデルにおいて、ノード間の通信負荷をバランスさせ、ボトルネックを回避できるか？
• RQ4 確率的サンプリングは、高い確率での正しさを保ちながらサブリニアラウンド複雑性を達成できるか？
• RQ5 このモデルにおける三角形検出のラウンド複雑性のタイトな漸近的境界は何か？また、それらは達成可能か？

主な発見

• 確率的アルゴリズムTriSampleは、グラフ内の三角形の数をtとすると、期待ラウンド複雑度がO(n^{1/3}/(t^{2/3}+1))で三角形を検出可能である。
• 高確率で、アルゴリズムはO(min{n^{1/3} log^{2/3}n / (t^{2/3}+1), n^{1/3}})ラウンド以内に終了する。これは決定的ベースラインを上回る性能向上を示している。
• 任意の分岐数Aのグラフに対して、決定的アルゴリズムはO(A²/n + log_{2+n/A²} n)ラウンドで三角形を検出可能であり、これはスパースグラフにおいて効率的である。
• 最大次数Δのグラフにおいては、直径Dの任意の部分グラフをO(Δ^{D+1}/n)ラウンドで検出可能であり、次数に応じたスケーラビリティが示されている。
• ラウンド複雑度の境界O(n^{1/3} t^{-2/3} log^{2/3}(1/ε) + log(1/ε))は、非交差または共有する三角形を持つ下界構成によって、漸近的にタイトであることが示された。
• 確率1−εで、t₀ ≥ 1個以上の三角形を含むグラフと三角形を含まないグラフを区別できる。そのラウンド数はO(t₀^{-2/3} n^{1/3} log^{2/3}(1/ε) + log(1/ε))である。