[논문 리뷰] Efficient polynomial-time approximation scheme for the genus of dense graphs

Yifan Jing, Bojan Mohar|arXiv (Cornell University)|2020. 11. 16.

Advanced Graph Theory Research참고 문헌 37인용 수 3

한 줄 요약

이 논문은 밀도가 높은 그래프—즉, 어떤 α > 0에 대해 간선 밀도가 적어도 α|V|²인 그래프—의 종수를 근사하기 위한 효율적인 다항시간 근사법(EPTAS)과 효율적인 다항시간 랜덤화 근사법(EPRAS)을 제시한다. 알고리즘은 준확률적 그래프 분해, 선형계획법을 통한 간선에 대해 분리된 삼각형 및 사각형 패킹, 그리고 초그래프에서의 랜덤 그린 매칭을 활용하여, f(ε)n² 시간 내에 최소 종수의 (1+ε)-근사치를 도출한다. EPRAS 변종에서는 임베딩 구조도 함께 생성한다.

ABSTRACT

The main results of this paper provide an Efficient Polynomial-Time Approximation Scheme (EPTAS) for approximating the genus (and non-orientable genus) of dense graphs. By dense we mean that $|E(G)|\ge α|V(G)|^2$ for some fixed $α>0$. While a constant factor approximation is trivial for this class of graphs, approximations with factor arbitrarily close to 1 need a sophisticated algorithm and complicated mathematical justification. More precisely, we provide an algorithm that for a given (dense) graph $G$ of order $n$ and given $\varepsilon>0$, returns an integer $g$ such that $G$ has an embedding into a surface of genus $g$, and this is $\varepsilon$-close to a minimum genus embedding in the sense that the minimum genus $\mathsf{g}(G)$ of $G$ satisfies: $\mathsf{g}(G)\le g\le (1+\varepsilon)\mathsf{g}(G)$. The running time of the algorithm is $O(f(\varepsilon)\,n^2)$, where $f(\cdot)$ is an explicit function. Next, we extend this algorithm to also output an embedding (rotation system) whose genus is $g$. This second algorithm is an Efficient Polynomial-time Randomized Approximation Scheme (EPRAS) and runs in time $O(f_1(\varepsilon)\,n^2)$.

연구 동기 및 목표

• 밀도가 높은 그래프의 종수에 대해 ε에 대한 효율적인 의존도를 가지는 다항시간 근사법을 개발하는 것—즉, |E(G)| ≥ α|V(G)|²를 만족하는 고정된 α > 0에 대해.
• 최소 종수에 대해 (1+ε) 근사 비율을 달성하여 기하학적 상수 요인 근사보다 향상된 결과를 얻는 것.
• 종수를 근사하는 것 외에도 그래프의 종수 최소화 회전 체계(임베딩)를 출력하는 알고리즘을 구축하는 것.
• 위상적 그래프 이론 응용을 위한 준확률적 그래프 이론과 정규성 렘마 기반의 수학적으로 엄밀한 프레임워크를 제공하는 것.

제안 방법

• 입력 그래프를 준확률적 간선 분포를 가진 유한 개의 부분집합으로 나누기 위해 알고리즘적 버전의 Szemerédi 정규성 렘마를 적용한다.
• 간선 조밀도를 통제하는 삼분할 및 이분할 부분그래프(T_ijk 및 B_ij)로 그래프를 분해하여, 높은 확률로 준확률성을 확보한다.
• 랜덤 분할을 통해 이러한 부분그래프의 간선 집합을 t₁ 및 t₂ 부분으로 나누어, 다수의 준확률적 방향 그래프 및 관련된 3- 및 4-균일 초그래프를 생성한다.
• 3-균일 및 4-균일 초그래프에서 랜덤 그린 알고리즘을 사용하여, 간선에 대해 분리된 삼각형 및 사각형에 대응하는 τ-근접 완전 매칭을 찾는다.
• 매칭된 사이클에서 회전 체계 Π를 구성하여, 화살표 간의 분리성과 블로섬 처리를 위한 정리 단계를 통해 유효한 임베딩을 확보한다.
• 선형계획법을 활용해 ν(G)를 계산하여, 최대 간선 분리 삼각형 수의 ε-근사치를 도출한다. 이 값은 f₂(ε)로 제한되며, Corollary 1.7를 통해 종수 근사에 기여한다.

Figure 1. A $3$ -blossom and a $4$ -blossom of length $6$ . The cycle $C_{1}$ is shown by bold edges.

실험 결과

연구 질문

• RQ1 밀도가 높은 그래프의 종수에 대해 ε에 대한 효율적인 의존도를 가지는 다항시간 내에 (1+ε)-근사치를 계산할 수 있는가?
• RQ2 준확률적 그래프 분해를 어떻게 활용하여 유한 종수 표면에서 근사 최적의 임베딩을 구성할 수 있는가?
• RQ3 간선에 대해 분리된 삼각형 및 사각형 패킹이 밀도 높은 그래프의 종수 근사에 어떤 역할을 하는가?
• RQ4 랜덤 알고리즘이 근사 종수와 함께 유효한 회전 체계(임베딩)를 근사 제곱 시간 내에 출력할 수 있는가?
• RQ5 준확률성, 초그래프 매칭, 종수와 같은 위상적 그래프 불변량 간의 이론적 연결 고리는 무엇인가?

주요 결과

• 논문은 실행 시간 O(f(ε)n²)의 EPTAS를 달성하여, 진짜 종수 g(G)에 대해 g ≤ (1+ε)g(G)를 만족하는 종수 추정치 g를 반환한다.
• EPRAS 변종은 종수를 (1+ε) 요인 내에서 근사할 뿐 아니라, 추정치 g를 실현하는 회전 체계를 출력한다.
• 종수 추정에 핵심적인 역할을 하는 ν(G)의 최대 간선 분리 삼각형 수를 근사하기 위해 크기가 f₂(ε)인 선형계획법을 활용한다.
• 높은 확률로 생성된 초그래프 중 적어도 (1−r(ε)−τ)는 τ-근접 완전 매칭을 가지며, 이는 강력한 사이클 패킹을 가능하게 한다.
• 구성 과정은 방향 그래프와 그 역방향에서 선택된 사이클의 화살표 간 분리성을 보장하며, 블로섬 처리 후 유효한 회전 체계를 형성할 수 있도록 한다.
• 최종 종수 추정치는 (1+ε)g(G) ≥ g(G,Π)를 만족하여, 임베딩 종수에 대한 (1+ε)-근사 보장을 입증한다.