[논문 리뷰] Balancing Minimum Spanning and Shortest Path Trees

Samir Khuller, Balaji Raghavachari외 1명|arXiv (Cornell University)|2002. 05. 18.

Complexity and Algorithms in Graphs인용 수 9

한 줄 요약

이 논문은 주어진 정점에서 시작하는 최소 스패닝 트리(MST)와 최단경로 트리(SPT)를 동시에 근사하는 스패닝 트리를 선형 시간에 구성하는 알고리즘을 제시한다. 이 방법은 트리의 총 가중치가 MST 가중치의 최대 $1 + \sqrt{2}/\gamma$ 배이고, 루트에서 임의의 정점까지의 거리가 SPT 거리의 최대 $1 + \sqrt{2}\gamma$ 배가 되도록 하는 트레이드오프를 달성하며, 이 트레이드오프는 최적이다.

ABSTRACT

This paper give a simple linear-time algorithm that, given a weighted digraph, finds a spanning tree that simultaneously approximates a shortest-path tree and a minimum spanning tree. The algorithm provides a continuous trade-off: given the two trees and epsilon > 0, the algorithm returns a spanning tree in which the distance between any vertex and the root of the shortest-path tree is at most 1+epsilon times the shortest-path distance, and yet the total weight of the tree is at most 1+2/epsilon times the weight of a minimum spanning tree. This is the best tradeoff possible. The paper also describes a fast parallel implementation.

연구 동기 및 목표

• 최소 총 가중치를 갖는 MST와 루트 정점에서의 최단 경로 거리의 두 가지를 동시에 근사하는 단일 스패닝 트리를 구성하는 기본 문제를 다루는 것.
• 총 가중치를 최소화하고 최단경로 거리를 유지하는 두 가지 상충되는 목표 사이의 연속적인 트레이드오프를 제공하는 것.
• 해당 트리의 존재성을 증명하고, 트레이드오프가 최적임을 보이며, 근사 인자에 대한 날카운계 한계를 확립하는 것.
• 이러한 균형 잡힌 트리를 계산하기 위한 효율적인 순차적 및 병렬 알고리즘을 개발하는 것.
• 일반적으로 이러한 트리를 찾는 것이 NP-완전임을 보여주되, 특정 조건 하에서는 선형 시간에 해결 가능함을 밝혀내는 것.

제안 방법

• Awerbuch 등이 제안한 얕은-빛나는 트리 구축 방법의 수정 버전을 사용하여, MST와 SPT 성질을 균형 있게 유지하도록 조정한다.
• SPT와 후보 트리 간의 거리 위반에 대한 단조성 성질을 기반으로 한 이분 탐색 유사 절차를 활용한다.
• 핵심 통찰은 루트에서 정점 $ u_j $ 까지의 SPT 거리가 후보 트리의 거리의 $ \alpha $ 배를 초과하는지 여부를 나타내는 함수 $ m(i,j) $ 를 정의하는 것이다. 이는 루트에서부터의 경로 탐색을 통해 수행된다.
• 병렬 구현은 CREW PRAM에서 $ n $ 개의 프로세서를 사용하여 $ O(\log n) $ 시간 내에 함수 $ J(i) = \min\{j : m(i,j)\} $ 를 접두어 최댓값과 이분 탐색을 통해 계산한다.
• 최종 트리는 MST와 SPT의 간선을 조합하여 구성되며, 총 가중치 및 거리 제약 조건을 모두 만족시킨다.
• 알고리즘은 결과 트리가 $ (\alpha, \beta) $-LAST임을 보장하며, $ \beta = 1 + \frac{2}{\alpha - 1} $ 이며, 이는 가능한 최고의 트레이드오프를 달성한다.

실험 결과

연구 질문

• RQ1 단일 스패닝 트리가 동시에 최소 스패닝 트리와 최단경로 트리를 근사할 수 있는가?
• RQ2 총 가중치 근사 인자와 경로 거리 근사 인자 사이의 최적 트레이드오프는 무엇인가?
• RQ3 이러한 트리를 순차적 및 병렬 환경에서 효율적으로 계산할 수 있는가?
• RQ4 주어진 트레이드오프에 대해 그러한 트리가 존재하지 않는 그래프가 존재하는가? 존재 여부를 판단하는 것은 얼마나 어려운가?
• RQ5 유럽형 그래프나 완화된 거리 제약 조건 하에서 트레이드오프를 향상시킬 수 있는가?

주요 결과

• $ \alpha > 1 $ 이고 $ \beta \geq 1 + \frac{2}{\alpha - 1} $ 인 $ (\alpha, \beta) $-LAST 는 항상 존재하며, 이 트레이드오프는 최적이다.
• MST와 SPT 가 입력으로 주어지면, 알고리즘은 순차적으로 $ O(m + n) $ 시간 내에 그러한 트리를 구성한다.
• CREW PRAM에서 $ n $ 개의 프로세서를 사용하면 알고리즘이 $ O \left( \log n \right) $ 시간 내에 실행되어 최적의 병렬 성능을 달성한다.
• $ \beta < 1 + \frac{2}{\alpha - 1} $ 인 경우, 그러한 트리가 존재하지 않는 평면 그래프가 존재하며, 이는 트레이드오프의 날카운계 한계를 증명한다.
• $ (\alpha, \beta) $-LAST 가 존재하는지 여부를 판단하는 문제는 심지어 고정된 $ \alpha > 1 $ 에 대해서도 NP-완전하다.
• 임의의 최단경로 트리가 주어지면, 최소 가중치 최단경로 트리를 선형 시간 내에 찾을 수 있으며, 이는 방향 그래프에서도 성립한다.