[논문 리뷰] Approximating the Cubicity of Trees

Jasine Babu, Manu Basavaraju외 3명|arXiv (Cornell University)|2014. 02. 25.

Advanced Graph Theory Research참고 문헌 2인용 수 3

한 줄 요약

이 논문은 나무의 cubicity를 계산하기 위한 최초의 상수 요인 근사 알고리즘을 제시한다. 이 알고리즘은 랜덤화 및 결정론적 다항시간 모두에서 작동하며, 나무의 재귀적 분해와 초입방향으로의 무작위 가중치 벡터 할당을 사용하여 최적 차원의 상수 배수 이내의 초입방향 표현을 달성한다. 랜덤화 알고리즘은 기대 다항시간 내에 작동하고, 결정론적 버전은 표현을 구성하지 않더라도 cubicity를 근사한다.

ABSTRACT

Cubicity of a graph $G$ is the smallest dimension $d$, for which $G$ is a unit disc graph in ${\mathbb{R}}^d$, under the $l^\infty$ metric, i.e. $G$ can be represented as an intersection graph of $d$-dimensional (axis-parallel) unit hypercubes. We call such an intersection representation a $d$-dimensional cube representation of $G$. Computing cubicity is known to be inapproximable in polynomial time, within an $O(n^{1-ε})$ factor for any $ε>0$, unless NP=ZPP. In this paper, we present a randomized algorithm that runs in polynomial time and computes cube representations of trees, of dimension within a constant factor of the optimum. It is also shown that the cubicity of trees can be approximated within a constant factor in deterministic polynomial time, if the cube representation is not required to be computed. As far as we know, this is the first constant factor approximation algorithm for computing the cubicity of trees. It is not yet clear whether computing the cubicity of trees is NP-hard or not.

연구 동기 및 목표

• 나무의 cubicity를 다항시간 내에 근사하는 알고리즘을 개발하는 것. 이는 단위 초입방향 교차 표현의 최소 차원을 측정하는 매개변수이다.
• 최적 차원의 상수 배수 이내로 나무의 초입방향 표현을 계산하는 랜덤화 알고리즘을 제공하는 것.
• 표현을 명시적으로 계산하지 않더라도 결정론적 다항시간 내에 나무의 cubicity를 상수 요인 이내로 근사할 수 있음을 보여주는 것.
• 내재 차원성 근사 기법을 cubicity로 확장하는 것. 이는 두 매개변수가 본질적으로 다르기 때문에 도전적이다.

제안 방법

• 알고리즘은 깊이와 거리 임계값 기반의 계층적 분해를 사용하여 나무를 더 작은 부분수나무로 재귀적으로 분해한다.
• 각 부분수나무에 대해, 비인접한 정점들이 적어도 한 차원에서 분리되도록 보장하는 랜덤화된 절차를 사용해 간선에 가중치 벡터를 할당한다.
• 랜덤화된 가중치 할당은 투영된 좌표의 $ l^\infty $-노름 차이에 기반한 확률 경계를 사용하여, 비인접 쌍이 교차 그래프에서 연결되지 않도록 보장한다.
• 모든 비인접 정점 쌍을 분리하는 데 실패할 확률를 제어하기 위해 거리 범위에 대한 유니온 바운드를 적용한다.
• 사용된 차원 수는 $ 4(\lceil 22.77 \times \rho(T) \rceil + 2) $로 설정되며, 여기서 $ \rho(T) $는 나무의 반지름으로, 최적 cubicity의 상수 배수 이내의 근사 보장을 한다.
• 결정론적 버전의 알고리즘은 동일한 구조적 분해와 계산 가능한 경계에 기반하여 표현을 구성하지 않고 cubicity를 근사한다.

실험 결과

연구 질문

• RQ1 나무의 cubicity는 다항시간 내에 상수 요인 이내로 근사될 수 있는가?
• RQ2 최적 차원의 상수 배수 이내로 나무의 초입방향 표현을 계산하는 랜덤화 알고리즘이 존재하는가?
• RQ3 표현을 명시적으로 계산하지 않더라도 결정론적 다항시간 내에 나무의 cubicity를 상수 요인 이내로 근사할 수 있는가?
• RQ4 내재 차원성 근사 기법은 cubicity에도 적용될 수 있는가? 비록 두 매개변수가 본질적으로 다를 수는 있지만.

주요 결과

• 랜덤화 알고리즘은 기대 다항시간 내에 나무의 초입방향 표현을 계산하며, 차원 수는 최대 $ 4(\lceil 22.77 \times \rho(T) \rceil + 2) $로, 최적 cubicity의 상수 배수 이내이다.
• 랜덤화된 가중치 할당의 실패 확률는 0.33 이하로 제한되며, 이는 비인접 정점 쌍이 적어도 한 차원에서 분리될 확률가 최소 0.67임을 보장한다.
• 가중치 할당 단계의 반복 횟수의 기대값은 $ 1/0.67 $ 이하이므로, 알고리즘은 기대적으로 상수 개의 반복을 수행한다.
• 결정론적 버전의 알고리즘은 실제 초입방향 표현을 구성하지 않더라도 다항시간 내에 나무의 cubicity를 상수 요인 이내로 근사한다.
• 알고리즘의 핵심 기법은 내재 차원성에서 빌려온 것으로, 두 매개변수가 일반적으로 비교 불가능하더라도 문제에 특화된 수정을 통해 cubicity에 적응시켰다.
• 논문은 나무의 cubicity를 계산하는 것이 NP-난이도로 알려져 있지 않음을 증명하며, 제안된 알고리즘이 이 문제에 대한 최초의 상수 요인 근사 알고리즘이라고 밝힌다.