[논문 리뷰] Estimating Weighted Matchings in $o(n)$ Space

Elena Grigorescu, Morteza Monemizadeh외 1명|arXiv (Cornell University)|2016. 04. 25.

Complexity and Algorithms in Graphs참고 문헌 24인용 수 3

한 줄 요약

이 논문은 스트리밍 그래프에서 최대 가중 매칭(MWM) 문제를 최대 카디널리티 매칭(MCM) 문제로의 새로운 감소를 제안하며, 오직 o(n) 공간을 사용하여 MWM의 2(1+ε)-근사율을 달성한다. 이 방법은 간선을 무게로 분할하고, 가중 부분스트림에 대해 스트리밍 MCM 추정기를 적용한 후 추정치를 조합하여 평면 그래프에 대해 (48+ε)-근사율을 달성한다.

ABSTRACT

We consider the problem of estimating the weight of a maximum weighted matching of a weighted graph $G(V,E)$ whose edges are revealed in a streaming fashion. We develop a reduction from the maximum weighted matching problem to the maximum cardinality matching problem that only doubles the approximation factor of a streaming algorithm developed for the maximum cardinality matching problem. Our results hold for the insertion-only and the dynamic (i.e, insertion and deletion) edge-arrival streaming models. The previous best-known reduction is due to Bury and Schwiegelshohn (ESA 2015) who develop an algorithm whose approximation guarantee scales by a polynomial factor. As an application, we obtain improved estimators for weighted planar graphs and, more generally, for weighted bounded-arboricity graphs, by feeding into our reduction the recent estimators due to Esfandiari et al. (SODA 2015) and to Chitnis et al. (SODA 2016). In particular, we obtain a $(48+ε)$-approximation estimator for the weight of a maximum weighted matching in planar graphs.

연구 동기 및 목표

• 하위선형 공간, 특히 o(n) 공간에서 스트리밍 그래프에서 최대 가중 매칭(MWM)을 추정하는 데 도전한다.
• 이전의 감소 방법들이 근사율을 다항적으로 증가시키는 데서 비롯되는 제한을 극복한다. 이는 실용적이고 이론적으로도 최적화되지 않은 결과를 낳는다.
• 기존의 MCM 추정기를 MWM 추정에 활용할 수 있도록, 근사율 요소를 2(1+ε) 이내로 유지하는 일반적인 감소 프레임워크를 개발한다.
• 공격자에 의해 결정되는 간선 순서를 가진 삽입 전용 및 동적(간선 삽입 및 삭제) 스트리밍 모델 모두에서 프레임워크를 확장한다.
• 기존의 MCM 추정기를 결합함으로써 평면 및 유계-산림성 그래프와 같은 구조적 그래프 클래스에 대해 향상된 근사 보장을 달성한다.

제안 방법

• 가중치가 (1+ε)의 거듭제곱에 기반한 로그 크기의 무게 클래스로 그래프의 간선을 분할하여, 간선 무게가 [(1+ε)^i, (1+ε)^{i+1})에 속하는 부분스트림 S_i를 생성한다.
• 각 부분스트림 S_i에 대해, 무게가 없는 S_i의 형태에서 최대 카디널리티 매칭(MCM)을 추정하기 위한 스트리밍 알고리즘을 적용한다.
• 각 부분스트림에서의 추정 매칭 크기 Δ_i를 사용하여, 총 무게의 추정치로 A_0 = Σ_i Δ_i (1+ε)^i 를 구성한다.
• 집중 및 확률적 경계를 활용하여, 각 부분스트림에서의 추정 매칭 크기 Δ_i가 참값의 MCM 크기와 λ 요소 이내에 있을 확률이 높다는 것을 보장한다.
• 각 부분스트림의 추정치로부터 유도된 상한 및 하한을 사용하여 최대 매칭에 속한 간선의 총 무게를 근사함으로써, 총 추정치 A_0가 참값의 MWM 무게에 대해 2λ(1+ε)-근사임을 증명한다.
• 모든 O(log n) 부분스트림에 대해 유니온 바운드를 적용하여 고확률 정확성을 유지한다. 이는 각 부분스트림에 대해 S(n, δ/(c log n))의 공간이 필요하며, 총 공간은 O(S(n, δ/(c log n)) log n)가 된다.

실험 결과

연구 질문

• RQ1 o(n) 공간 이내에서 스트리밍 그래프에서 최대 가중 매칭을 추정하면서도 일정한 근사율 요소를 유지할 수 있는가?
• RQ2 MWM 문제를 MCM 문제로 감소시킬 때 근사율 요소가 다항적으로 증가하는 대신, 상수 요소의 증가만으로 가능할 수 있는가?
• RQ3 공격자에 의해 결정되는 간선 순서를 가진 삽입 전용 및 동적 스트리밍 모델 모두에서 감소가 얼마나 강건하게 유지될 수 있는가?
• RQ4 이 감소 프레임워크를 통해 평면 또는 유계-산림성과 같은 구조적 그래프 클래스에 대해 어떤 근사 보장을 달성할 수 있는가?
• RQ5 기존의 o(n)-공간 MCM 추정기를 이 감소와 효과적으로 조합하여 특정 그래프 가족에 대해 향상된 MWM 추정기를 도출할 수 있는가?

주요 결과

• 제안된 감소는 최대 가중 매칭 문제에 대해 2(1+ε)-근사율 요소를 달성하며, 이는 이전 연구에서 다항적 근사율 증가보다 크게 향상된 결과이다.
• 이 방법은 공격자에 의해 결정되는 간선 순서를 가진 삽입 전용 및 동적 스트리밍 모델 모두를 지원하여 적용 범위를 넓힌다.
• 가중 평면 그래프의 경우, 이 프레임워크는 SODA 2015 및 SODA 2016에서의 기존 MCM 추정기를 결합함으로써 (48+ε)-근사율 추정기를 도출한다.
• 공간 복잡도는 O(S(n, δ/(c log n)) log n)이며, 여기서 S(n, δ)는 기반 MCM 추정기가 요구하는 공간이다. 이는 기존의 o(n)-공간 MCM 알고리즘을 효율적으로 활용할 수 있게 한다.
• 분석을 통해 MCM 추정기가 정확도 요소 λ 이내일 경우, 추정치 A_0가 참값의 MWM 무게에 대해 2λ(1+ε)-근사임이 고확률로 입증된다.
• 감소는 일반적이며, 임의의 단조 그래프 성질에 적용 가능하므로, 이러한 그래프의 가중 버전에 대해 전용 MCM 추정기를 재사용할 수 있으며, 효율성이나 근사율 품질에 손실이 없다.