[논문 리뷰] Dynamic Graph Algorithms and Graph Sparsification: New Techniques and Connections

Gramoz Goranci|arXiv (Cornell University)|2019. 09. 13.

Complexity and Algorithms in Graphs참고 문헌 199인용 수 5

한 줄 요약

이 논문은 대규모 그래프에 대한 새로운 동적 알고리즘과 희소화 기법을 소개하며, 라플라시안 시스템, 효과적 저항, 저스트레치 스패닝 트리에 대해 부분선형 업데이트 시간을 달성한다. 전역 최소 컷, 근사 전쌍 최대 유량, 희소성 컷에 대한 첫 번째 동적 알고리즘을 제안하고, 동적 그래프 알고리즘과 그래프 희소화 사이의 깊은 연결 고리를 드러내는 새로운 개념인 국소 희소화자(Local Sparsifiers)를 도입한다.

ABSTRACT

Graphs naturally appear in several real-world contexts including social networks, the web network, and telecommunication networks. While the analysis and the understanding of graph structures have been a central area of study in algorithm design, the rapid increase of data sets over the last decades has posed new challenges for designing efficient algorithms that process large-scale graphs. These challenges arise from two usual assumptions in classical algorithm design, namely that graphs are static and that they fit into a single machine. However, in many application domains, graphs are subject to frequent changes over time, and their massive size makes them infeasible to be stored in the memory of a single machine. Driven by the need to devise new tools for overcoming such challenges, this thesis focuses on two areas of modern algorithm design that directly deal with processing massive graphs, namely dynamic graph algorithms and graph sparsification. We develop new algorithmic techniques from both dynamic and sparsification perspective for a multitude of graph-based optimization problems which lie at the core of Spectral Graph Theory, Graph Partitioning, and Metric Embeddings. Our algorithms are faster than any previous one and design smaller sparsifiers with better (approximation) quality. More importantly, this work introduces novel reduction techniques that show unexpected connections between seemingly different areas such as dynamic graph algorithms and graph sparsification.

연구 동기 및 목표

• 단일 머신 메모리가 초과하는 거대하고 동적으로 변화하는 그래프를 처리하는 과제를 해결한다.
• 스펙트럴 그래프 이론, 그래프 분할, 메트릭 임bedding 분야의 핵심 그래프 문제에 대해 효율적인 동적 알고리즘을 개발한다.
• 최단 경로, 도달 가능성, 효과적 저항과 같은 핵심 그래프 성질을 고도로 유지하면서 크기가 작고 품질이 높은 새로운 희소화 기법을 설계한다.
• 새로운 감소 기법을 통해 동적 그래프 알고리즘과 그래프 희소화 사이의 놀라운 이론적 연결 고리를 확립한다.
• 정점 희소화자에서 희소화자 크기와 근사 품질 간의 트레이드오프에 대한 날카로운 상한과 하한을 제공한다.

제안 방법

• 국소 희소화자(Local Sparsifiers)를 도입하여 지역 그래프 구조를 유지하고 효율적인 동적 유지가 가능한, 정점 희소화자의 강력한 변종을 제공한다.
• 가중 무방향 그래프에서 라플라시안 시스템의 근사해를 부분선형 업데이트 및 질의 시간으로 유지하는 동적 알고리즘을 개발한다.
• 동적 기법을 확장하여 무방향, 가중 그래프에서 정점 스펙트럴 희소화자와 전쌍 효과적 저항을 부분선형 업데이트 시간으로 유지한다.
• 무방향 무가중 그래프에서 저스트레치 스패닝 트리를 부분다항식 스트레치와 부분선형 업데이트 시간으로 유지하는 동적 알고리즘을 설계한다.
• Okamura-Seymour 그래프에 대해 평면성 유지 컷 및 거리 희소화자를 구성하기 위해 Why-Delta 변환의 적응을 사용한다.
• 표준 복잡도 가정 하에 정확한 효과적 저항 유지가 부분선형 시간 내에서 불가능하다는 조건부 하한을 증명한다.

실험 결과

연구 질문

• RQ1 무방향, 가중 그래프에서 라플라시안 시스템의 근사해를 부분선형 업데이트 및 질의 시간으로 유지할 수 있는가?
• RQ2 최단 경로와 도달성을 유지하는 정점 희소화자에서 희소화자 크기와 근사 품질 간의 트레이드오프는 무엇인가?
• RQ3 저스트레치 스패닝 트리와 저지름 클러스터링을 부분선형 업데이트 시간으로 유지하는 동적 알고리즘을 설계할 수 있는가?
• RQ4 전역 최소 컷과 전쌍 최대 유량과 같은 기본 그래프 문제에 대해 동적 알고리즘의 한계는 무엇인가?
• RQ5 새로운 감소 기법과 구조적 통찰을 통해 동적 그래프 알고리즘과 그래프 희소화를 어떻게 통합할 수 있는가?

주요 결과

• 논문은 무방향, 가중 그래프에서 라플라시안 시스템의 근사해를 부분선형 업데이트 및 질의 시간으로 유지하는 첫 번째 동적 알고리즘을 제시한다.
• 논문은 무방향, 가중 그래프에서 정점 스펙트럴 희소화자와 전쌍 효과적 저항을 부분선형 업데이트 시간으로 유지하는 첫 번째 동적 유지 기법을 달성한다.
• 저자들은 정확한 효과적 저항 유지가 표준 복잡도 가정 하에 부분선형 시간 내에서 불가능하다는 조건부 하한을 증명한다.
• 무방향, 무가중 그래프에서 부분다항식 스트레치와 부분선형 업데이트 시간을 갖는 저스트레치 스패닝 트리를 유지하는 새로운 동적 알고리즘을 개발한다.
• 논문은 무방향, 무가중 그래프에서 전역 최소 컷, 근사 전쌍 최대 유량, 희소성 컷을 점진적으로 유지하는 현재까지 알려진 최고의 알고리즘을 제공한다.
• 저자들은 정점 희소화자의 강력한 변종인 국소 희소화자를 도입하고, 이러한 희소화자에 대해 크기와 근사 품질 간의 트레이드오프에 대한 날카로운 상한과 하한을 유도한다.