[논문 리뷰] Converting online algorithms to local computation algorithms

Yishay Mansour, Aviad Rubinstein외 2명|arXiv (Cornell University)|2012. 05. 07.

Complexity and Algorithms in Graphs참고 문헌 15인용 수 8

한 줄 요약

이 논문은 입력의 랜덤 순열을 사용해 온라인 알고리즘을 시뮬레이션하고, 쿼리 의존성 관계를 쿼리 트리로 분석함으로써 온라인 알고리즘을 국소 계산 알고리즘(LCAs)으로 변환하는 일반적인 방법을 제시한다. 주요 기여는 쿼리 트리 크기 분석을 크게 향상시켜, 최대 매칭의 경우 시간 및 공간 복잡도를 O(log³n)으로, 초그래프 2-색칠 및 k-CNF의 경우 O(log⁴n)으로 줄였으며, 쿼리 트리의 지수에 최대 차수에 대한 지수 의존성을 제거했다.

ABSTRACT

We propose a general method for converting online algorithms to local computation algorithms by selecting a random permutation of the input, and simulating running the online algorithm. We bound the number of steps of the algorithm using a query tree, which models the dependencies between queries. We improve previous analyses of query trees on graphs of bounded degree, and extend the analysis to the cases where the degrees are distributed binomially, and to a special case of bipartite graphs. Using this method, we give a local computation algorithm for maximal matching in graphs of bounded degree, which runs in time and space O(log^3 n). We also show how to convert a large family of load balancing algorithms (related to balls and bins problems) to local computation algorithms. This gives several local load balancing algorithms which achieve the same approximation ratios as the online algorithms, but run in O(log n) time and space. Finally, we modify existing local computation algorithms for hypergraph 2-coloring and k-CNF and use our improved analysis to obtain better time and space bounds, of O(log^4 n), removing the dependency on the maximal degree of the graph from the exponent.

연구 동기 및 목표

• 온라인 알고리즘을 증명 가능하고 효율적인 국소 계산 알고리즘(LCAs)으로 변환하는 일반적인 프레임워크를 개발하는 것.
• 의존성 그래프에서 쿼리 트리 크기 분석을 개선하여 기존 LCAs의 시간 및 공간 복잡도를 낮추는 것.
• 쿼리 트리 복잡도의 지수에 최대 차수에 대한 지수 의존성을 제거하여 이전 결과를 향상시키는 것.
• 로드 밸런싱 문제, 최대 매칭, 초그래프 2-색칠, k-CNF에 대해 다항 로그 복잡도를 갖는 LCAs의 적용 범위를 확장하는 것.
• 다양한 온라인 알고리즘의 광범위한 클래스를 효율적인 LCAs로 변환할 수 있는 일반적이고 재사용 가능한 방법을 제공하는 것.

제안 방법

• 입력 요소의 랜덤 순열을 사용해 온라인 알고리즘 실행을 시뮬레이션함으로써 일관되고 랜덤화된 쿼리 순서를 보장하는 것.
• 각 노드가 쿼리를 나타내고, 간선이 이전 쿼리 응답에 대한 의존성을 나타내는 쿼리 트리 구조를 사용해 쿼리 간 의존성을 모델링하는 것.
• 확률적 분석을 통해 쿼리 트리 크기를 유한하거나 이항 분포를 가진 차수 분포 하에서 w.h.p.(고도로 확률 높은 확률)로 O(log n) 이내로 유 bounds하는 것.
• 쿼리 트리 분석을 적용해 LCAs의 시간 및 공간 복잡도를 유도함으로써 다항 로그 시간 및 메모리 사용을 보장하는 것.
• 초그래프 2-색칠 및 k-CNF를 위한 기존 LCA 알고리즘을 개선된 쿼리 트리 분석을 통합하여 복잡도를 감소시키는 것.
• O(log n)-번 독립적인 랜덤 순서를 사용해 랜덤성을 효율적으로 시뮬레이션하며, 국소 계산에 O(log³n) 공간만을 요구하는 것.

실험 결과

연구 질문

• RQ1 온라인 알고리즘을 다항 로그 복잡도를 갖는 국소 계산 알고리즘(LCAs)으로 체계적으로 변환할 수 있는가?
• RQ2 의존성 그래프에서 쿼리 트리 크기를 더 엄밀히 유 bounds할 수 있는가? 특히 유한하거나 이항 분포를 가진 차수 분포에서 복잡도를 감소시킬 수 있는가?
• RQ3 쿼리 트리 복잡도 지수에 최대 차수에 대한 지수 의존성을 제거할 수 있는가?
• RQ4 개선된 쿼리 트리 분석을 적용해 초그래프 2-색칠 및 k-CNF 문제에 대해 더 나은 복잡도 유 bounds를 도출할 수 있는가?
• RQ5 로드 밸런싱 알고리즘은 동일한 근사 비율을 유지하면서 O(log n) 시간 및 공간 복잡도로 LCA로 변환할 수 있는가?

주요 결과

• 쿼리 트리 크기는 고도로 확률 높은 확률(w.h.p.)로 O(log n) 이내로 유 bounds되며, 이는 이전의 O(log^{d+1} n) 유 bounds보다 크게 향상된 것이다. 여기서 d는 최대 차수이다.
• 유한 차수 그래프에서 최대 매칭의 경우, 유도된 LCA는 O(log³n) 시간 및 공간 복잡도로 실행되며, 이는 이전의 복잡도를 향상시킨다.
• 개선된 쿼리 트리 분석을 통해 초그래프 2-색칠 및 k-CNF에 대한 LCA를 O(log⁴n) 시간 및 공간 복잡도로 설계할 수 있었으며, 지수에 최대 차수에 대한 의존성을 제거했다.
• 공간과 시간 복잡도가 O(log n)인 로드 밸런싱 알고리즘(예: 볼과 바구니 문제)은 원래 온라인 알고리즘과 동일한 근사 비율을 유지하면서 LCA로 변환될 수 있다.
• 이 방법은 O(log n)-번 독립적인 랜덤 순서를 지원하여, O(log³n) 공간만으로도 효율적인 랜덤성 시뮬레이션을 가능하게 하며, 볼과 바구니 문제에 대해 (O(log³n), O(log³n), 1/n)-LCAs를 도출한다.
• 이 프레임워크는 일반적이며, 용량 제약 조건이 있는 로드 밸런싱 및 그룹 기반 배치 선택 알고리즘을 포함한 다양한 온라인 알고리즘에 적용 가능하다.