[논문 리뷰] An algorithmic framework for colouring locally sparse graphs

Ewan Davies, Ross J. Kang외 2명|arXiv (Cornell University)|2020. 04. 15.

Limits and Structures in Graph Theory참고 문헌 39인용 수 6

한 줄 요약

이 논문은 하드코어 모델을 통해 독립집합의 국소적 확률적 성질을 활용하여 국소적으로 희박한 그래프의 색칠을 효율적으로 수행할 수 있는 새로운 알고리즘 프레임워크를 제안한다. 고정된 $k \geq 3$ 및 $\varepsilon > 0$ 에 대해, 각 정점이 최대 $t \leq \Delta^{2\varepsilon/(1+2\varepsilon)}/(\log\Delta)^2$ 개의 $k$-사이클에 속하는 그래프에 대해, 색수의 경계를 $\varepsilon$-개선하는 랜덤화된 다항시간 알고리즘을 제공하며, $\lfloor(1+\varepsilon)\Delta/\log(\Delta/\sqrt{t})\rfloor$ 개의 색을 사용하여 색칠을 수행한다. 이는 랜덤 그래프의 알고리즘 장벽과 일치한다.

ABSTRACT

We develop an algorithmic framework for graph colouring that reduces the problem to verifying a local probabilistic property of the independent sets. With this we give, for any fixed $k\ge 3$ and $\varepsilon>0$, a randomised polynomial-time algorithm for colouring graphs of maximum degree $Δ$ in which each vertex is contained in at most $t$ copies of a cycle of length $k$, where $1/2\le t\le Δ^\frac{2\varepsilon}{1+2\varepsilon}/(\logΔ)^2$, with $\lfloor(1+\varepsilon)Δ/\log(Δ/\sqrt t) floor$ colours. This generalises and improves upon several notable results including those of Kim (1995) and Alon, Krivelevich and Sudakov (1999), and more recent ones of Molloy (2019) and Achlioptas, Iliopoulos and Sinclair (2019). This bound on the chromatic number is tight up to an asymptotic factor $2$ and it coincides with a famous algorithmic barrier to colouring random graphs.

연구 동기 및 목표

• 전역 색칠 문제를 독립집합의 국소적 확률적 성질을 검증하는 것으로 환원하는 일반적인 알고리즘 프레임워크를 개발하는 것.
• 특히 각 정점당 $k$-사이클 수가 적은 그래프의 색수 경계를 기존 결과보다 향상시키는 것.
• 랜덤 그래프의 알려진 알고리즘 장벽과 일치하는 색수 경계를 달성하는 것, 최대 2배의 요소까지 허용한다.
• 엔트로피 압축과 같은 현대적 스토케스틱 로컬 서치 기법들을 통합하여 희박한 그래프의 효율적 색칠을 위한 통합 프레임워크를 구축하는 것.

제안 방법

• 그래프에 하드코어 모델을 적용하여, 독립집합을 카르누아 측도와 파라미터 $\lambda$를 가진 깁스 측도로 모델링함으로써 국소적 확률적 성질을 분석한다.
• 전역 색칠 문제를 하드코어 모델이 국소적 독립성 조건을 만족하는지 검증하는 문제로 환원하며, 이를 바탕으로 스트로크스틱 로컬 서치 알고리즘을 이끌어낸다.
• 동적 프로그래밍을 이용해 구성요소 서브그래프의 최장 경로를 기반으로, 유도된 서브그래프에 대한 분할 함수 $Z_H(\lambda)$를 계산하며, 잔여 정점 집합에서 $P_k$-free 성질을 활용한다.
• 그래프의 각 구성요소 $F_i$에 대해 최장 경로 $P_i$를 계산한 후, $\hat{L}(P_i)$ 내의 독립집합 $J_i$를 순회하면서 조건부 확률을 계산하고 분할 함수를 재귀적으로 갱신한다.
• 하드코어 모델에서의 샘플링은 먼저 사전 계산된 확률을 사용해 $\mathbf{I} \cap \hat{L}(P_i)$ 를 샘플링한 후, 조건부 모델 하에 잔여 그래프에서 재귀적으로 샘플링함으로써 수행된다.
• 실행 시간은 $y^{3k^2}(1+q)^{k^3/2}(ck)^{k^3}$ 이하로 제한되며, 여기서 $y$는 정점 수, $q$는 최대 리스트 크기이므로 고정된 $k$에 대해 다항식 시간이 보장된다.

실험 결과

연구 질문

• RQ1 국소적 독립집합의 성질을 분석함으로써 국소적으로 희박한 그래프를 색칠할 수 있는 통합 알고리즘 프레임워크를 개발할 수 있는가?
• RQ2 확률적 및 국소적 분석을 통해 $k$-사이클 밀도가 제한된 그래프의 색수를 얼마나 향상시킬 수 있는가?
• RQ3 이 프레임워크는 희박하고 국소적으로 구조화된 그래프의 맥락에서 랜덤 그래프의 알려진 알고리즘 장벽을 달성하는가?
• RQ4 엔트로피 압축과 스트로크스틱 로컬 서치 기법을 효율적 그래프 색칠을 위한 프레임워크에 체계적으로 통합할 수 있는가?

주요 결과

• 고정된 $k \geq 3$ 와 $\varepsilon > 0$ 에 대해, 알고리즘은 $t$가 각 정점당 최대 $k$-사이클 수일 때, $\lfloor(1+\varepsilon)\Delta/\log(\Delta/\sqrt{t})\rfloor$ 개의 색을 사용하는 색칠을 랜덤화된 다항시간 내에 수행한다.
• 이 경계는 랜덤 그래프의 渐近 알고리즘 장벽과 최대 2배의 요소까지 일치하며, Kim(1995), Alon 등(1999), Molloy(2019), Achlioptas 등(2019)의 이전 결과를 향상시킨다.
• 이 프레임워크는 삼각형을 포함하지 않는 그래프에 대해 Johansson의 $O(\Delta/\log\Delta)$ 경계를 일반화하고, 제어된 $k$-사이클 밀도를 가진 그래프로 확장한다.
• 고정된 $k$에 대해 정점 수에 대해 다항식 시간이 보장되며, 실행 시간 경계는 $y^{3k^2}(1+q)^{k^3/2}(ck)^{k^3}$ 이다. 여기서 $y$는 정점 수, $q$는 최대 리스트 크기이다.
• 이 방법은 국소적으로 희박한 그래프에서 하드코어 모델에서의 효율적 샘플링을 가능하게 하며, 이는 색칠의 알고리즘적 구성에 필수적이다.