[논문 리뷰] Dominance Product and High-Dimensional Closest Pair under L_infty

Gold, Omer, Sharir, Micha|arXiv (Cornell University)|2017. 01. 01.

Parallel Computing and Optimization Techniques참고 문헌 33인용 수 124

한 줄 요약

이 논문은 코퍼스미스-윈거거드 텐서의 네 제곱을 사용하여 직사각형 행렬 곱셈의 지수를 향상시키기 위해 비대칭 텐서 거듭제곱 분석 프레임워크를 도입한다. 비대칭 분해와 삼중형 형식의 공동 추출을 최적화함으로써 저자들은 행렬 곱셈의 쌍대 지수에 대한 새로운 하한 α > 0.31389를 확보하였으며, 이는 이전의 하한 α > 0.30298을 향상시킨 것으로, L∞ 노름 기반의 전쌍 최단경로 문제와 같은 문제에 더 빠른 알고리즘을 가능하게 한다.

ABSTRACT

Given a set $S$ of $n$ points in \mathbb{R}^d, the Closest Pair problem is to find a pair of distinct points in S at minimum distance. When d is constant, there are efficient algorithms that solve this problem, and fast approximate solutions for general d. However, obtaining an exact solution in very high dimensions seems to be much less understood. We consider the high-dimensional L_\infty Closest Pair problem, where d=n^r for some r > 0, and the underlying metric is L_\infty. We improve and simplify previous results for L_\infty Closest Pair, showing that it can be solved by a deterministic strongly-polynomial algorithm that runs in O(DP(n,d)\log n) time, and by a randomized algorithm that runs in O(DP(n,d)) expected time, where DP(n,d) is the time bound for computing the dominance product for n points in \mathbb{R}^d. That is a matrix D, such that D[i,j] = \bigl| \{k \mid p_i[k] \leq p_j[k]\} \bigr|; this is the number of coordinates at which p_j dominates p_i. For integer coordinates from some interval [-M, M], we obtain an algorithm that runs in ilde{O}\left(\min\{Mn^{\omega(1,r,1)},\, DP(n,d)\} ight) time, where \omega(1,r,1) is the exponent of multiplying an n imes n^r matrix by an n^r imes n matrix. We also give slightly better bounds for DP(n,d), by using more recent rectangular matrix multiplication bounds. Computing the dominance product itself is an important task, since it is applied in many algorithms as a major black-box ingredient, such as algorithms for APBP (all pairs bottleneck paths), and variants of APSP (all pairs shortest paths).

연구 동기 및 목표

• 정사각형 행렬 곱셈을 초월하여 보다 일반적인 직사각형 행렬 곱셈의 고차 텐서 거듭제곱 분석을 확장하는 것.
• 행렬 차원 간의 비균일한 상호교환을 반영하는 비대칭 텐서 거듭제곱 분해를 체계적으로 설계하는 것.
• 행렬 곱셈의 지수 ω(k) = 2인 경우에 대해 정의된 쌍대 지수 α의 알려진 하한을 향상시키는 것, 여기서 α는 sup k인 것으로 정의된다.
• 직사각형 행렬 곱셈이 핵심 병목 현상이 되는 기본 문제들, 예를 들어 유한 무게를 가진 방향 그래프에서의 전쌍 최단경로 문제에 대해 더 빠른 알고리즘을 도출하는 것.

제안 방법

• 코퍼스미스-윈거거드 텐서의 네 제곱에 대해 특수화된 비대칭 처리를 允허하는 일반화된 텐서 추출 방법을 도입한다.
• 텐서 성분이 다양한 종류의 삼중형 형식으로 분포하는 데 영향을 주는 매개변수 a(uvw)와 auvw(ijk)의 집합을 정의하고 최적화한다.
• T211, T112, T121 세 가지 다른 텐서 유형의 공동 추출을 위해 별도의 매개변수 b와 ˜b를 도입하여 각각의 비대칭성을 제어함으로써 추출된 형식의 수를 균형 잡는다.
• 스코냐게의 점근적 합 불등식을 적용하여, 추출된 형식의 수의 증가율과 결과 행렬 곱의 노름을 바탕으로 행렬 곱셈 지수 ω(k)를 근사한다.
• 정수 q와 유리수 매개변수 b, ˜b에 대해 불등식 MQ^{ω(log R / log Q)} ≤ (q + 2)^4를 최적화하여 ω(k)에 대한 상한을 최소화한다.
• Maple를 사용하여 광범위한 수치 최적화를 수행하고, 다양한 k 값에 대해 ω(k)의 최종 하한을 유도한다.

실험 결과

연구 질문

• RQ1 고차 텐서 거듭제곱의 분석은 정사각형 행렬 곱셈을 초월하여 직사각형 행렬 곱셈에도 확장될 수 있는가?
• RQ2 비대칭 분해 전략 중에서 추출된 삼중형 형식의 수를 최대화하고 결과 행렬 곱의 노름을 최소화하는 것은 무엇인가?
• RQ3 T211, T112, T121와 같은 여러 텐서 유형의 공동 추출을 통합된 프레임워크 내에서 어떻게 정의하고 최적화할 수 있는가?
• RQ4 이 새로운 방법을 사용하여 코퍼스미스-윈거거드 텐서의 네 제곱으로부터 도출할 수 있는 ω(k)에 대한 가장 날카로운 상한은 무엇인가?
• RQ5 이 방법은 이전의 하한 α > 0.30298을 초월하여 쌍대 지수 α에 있어 유의미한 향상을 이끌 수 있는가?

주요 결과

• 논문은 행렬 곱셈의 쌍대 지수에 대한 새로운 하한 α > 0.31389를 확보하였으며, 이는 이전의 하한 α > 0.30298을 향상시킨 것이다.
• 이번 연구에서 코퍼스미스-윈거거드 텐서의 네 제곱이 직사각형 행렬 곱셈에 대해 처음으로 사용되어, k ≠ 1인 모든 k에 대해 개선된 지수 ω(k)를 도출하였다.
• k = 0.31389에서 이 방법은 ω(k) ≤ 2.000064를 제공하여, n × n^k 및 n^k × n 행렬의 곱셈 비용을 크게 감소시켰다.
• 이 프레임워크는 ω(k)에 대한 더 날카로운 하한을 다양한 k 값에 대해 도출할 수 있게 하였으며, 특히 ω(k)가 2에 가까운 저k 영역에서 가장 두드러진 성과를 보였다.
• 저자들은 Maple를 사용한 완전한 수치 최적화 파이프라인을 제공하였으며, 소스 코드는 공개되어 있어 재현 가능하고 매개변수 공간의 추가 탐색이 가능하다.
• 결과는 비대칭 텐서 거듭제곱 분석이 특히 직사각형 영역에서 매트릭스 곱셈 복잡도의 한계를 넘어서는 데 필수적이라는 것을 확인한다.