[논문 리뷰] Deterministic MST Sparsification in the Congested Clique

Janne H. Korhonen|arXiv (Cornell University)|2016. 05. 06.

Complexity and Algorithms in Graphs참고 문헌 5인용 수 6

한 줄 요약

이 논문은 임의의 상수 $ \varepsilon > 0 $ 에 대해 최소 스패닝 포레스트(MST)를 유지하면서 그래프를 $ n^{1+\varepsilon} $ 개의 간선으로 줄이는 결정론적, 일정 라운드 알고리즘을 제안한다. 핵심 기여는 점진적으로 흐린도를 증폭시키는 스파arsed 기법으로, 이는 흐린도가 낮은 그래프에서의 효율적인 MST 계산을 가능하게 하며, 랜덤화된 감소 기법에 의존하지 않는 새로운 결정론적 $ O(\log\log n) $-라운드 MST 알고리즘을 부산물로 제공한다.

ABSTRACT

We give a simple deterministic constant-round algorithm in the congested clique model for reducing the number of edges in a graph to $n^{1+\varepsilon}$ while preserving the minimum spanning forest, where $\varepsilon > 0$ is any constant. This implies that in the congested clique model, it is sufficient to improve MST and other connectivity algorithms on graphs with slightly superlinear number of edges to obtain a general improvement. As a byproduct, we also obtain a simple alternative proof showing that MST can be computed deterministically in $O(\log \log n)$ rounds.

연구 동기 및 목표

• 혼잡한 클리크 모델에서 최소 스패닝 포레스트(MSF)를 유지하면서 그래프의 간선 수를 $ n^{1+\varepsilon} $ 수준으로 줄이는 결정론적, 일정 라운드 스파arsed 기법을 개발하는 것.
• 혼잡한 클리크에서 연결성 문제의 가장 어려운 케이스가 약간 초선형 간선 수($ n^{1+\varepsilon} $)를 가진 그래프임을 보여주는 것. 선형 크기의 그래프들은 일정 라운드 내에 학습 가능하기 때문이다.
• 랜덤화된 감소 기법에 의존하지 않는 새로운 단순한 결정론적 $ O(\log\log n) $-라운드 MST 알고리즘을 스파arsed 기법을 통해 제공하는 것.
• 이전의 빠른 MST 알고리즘에서 사용된 랜덤화된 스파arsed 기법에 대한 구조적 대안을 제공하는 것.

제안 방법

• 알고리즘은 재귀적 분할을 사용한다: 초기에 단일 노드로 이루어진 분할에서 시작하여, 노드들을 더 큰 클러스터로 묶어 새로운 분할을 형성하며, 이때 흐린도 파라미터는 $ \varepsilon/2 $ 가 된다.
• 각 쌍 $ (T_i, T_j) $ 에 대해, 레이블 $ (i,j) $ 를 가진 노드가 Lenzen의 라우팅 프로토콜을 사용해 그들 사이의 모든 간선을 수집하며, 이로 인해 $ |E^{\mathcal{T}}_{ij}| \leq 2n $ 를 확보한다.
• 각 레이블이 부여된 노드는 $ T_i \cup T_j $ 에 의해 유도되는 부분 그래프의 MST를 계산한다. 이 부분 그래프의 크기는 충분히 작아서(최대 $ 2n^{1-\varepsilon/2} $) 국소적으로 계산할 수 있다.
• 모든 쌍에 대해 계산된 이러한 MST들의 합집합이 엣지 집합 $ E' $ 를 형성하며, 이는 원래의 MSF를 유지한다.
• 이 과정을 $ k $ 번 반복함으로써 $ \varepsilon = 1/2^k $ 를 달성하며, 결과적으로 $ |E'| = O(n^{1+1/2^k}) $ 가 된다.
• 이 방법은 간선이 어떤 컷을 가로질러 최소 무게 간선이면 MST에 포함된다는 사실에 기반하며, 컷 기반 특성화를 통해 정확성을 보장한다.

실험 결과

연구 질문

• RQ1 혼잡한 클리크 모델에서 결정론적 스파arsed 기법이 일정 라운드 내에 그래프의 간선 수를 $ n^{1+\varepsilon} $ 수준으로 줄일 수 있고, MST를 유지할 수 있는가?
• RQ2 랜덤성을 사용하지 않고 일정 라운드 내에 흐린도를 $ \varepsilon $ 에서 $ \varepsilon/2 $ 로 재귀적으로 증폭시킬 수 있는가?
• RQ3 이 스파arsed 기법이 혼잡한 클리크에서 새로운 결정론적 $ O(\log\log n) $-라운드 MST 알고리즘을 도출할 수 있는가?
• RQ4 $ n^{1+\varepsilon} $ 개의 간선을 가진 그래프가 혼잡한 클리크에서 연결성 문제의 가장 어려운 케이스로 간주될 수 있는가?

주요 결과

• 논문은 $ O(k) $ 라운드 내에 결정론적 스파arsed를 달성하며, 간선 수를 $ O(n^{1+1/2^k}) $ 수준으로 줄이고 MST를 유지한다.
• 이 알고리즘을 $ k = \log\log n $ 에 적용하면 혼잡한 클리크에서 새로운 결정론적 $ O(\log\log n) $-라운드 MST 알고리즘이 도출된다.
• MST 간선의 컷 기반 특성화 덕분에 결과 엣지 집합 $ E' $ 는 원래의 최소 스패닝 포레스트를 포함함을 보장한다.
• 재귀적 분할과 크기가 $ O(n^{1-\varepsilon/2}) $ 인 부분 그래프의 국소 계산을 통해 스파arsed 과정 동안 $ \varepsilon $-스파arsity가 유지된다.
• Lenzen의 라우팅 프로토콜을 사용해 간선 집합을 일정 라운드 내에 분산함으로써, 노드 간의 효율적인 협업이 가능해진다.
• 결과적으로, $ n^{1+\varepsilon} $ 개의 간선을 가진 그래프에서 MST를 효율적으로 해결할 수 있다면 일반적인 경우의 MST 문제도 해결할 수 있음을 암시한다. 스파arsed 능력 덕분이다.