[논문 리뷰] Finding Weighted Graphs by Combinatorial Search

Jeong Han Kim|arXiv (Cornell University)|2012. 01. 18.

Data Management and Algorithms참고 문헌 31인용 수 4

한 줄 요약

이 논문은 고정된 양수 상수 사이에 경계가 설정된 경로 가중치를 가진 은닉된 가중치 그래프에서 모든 간선과 그 가중치를 추가 쿼리를 사용하여 식별하는 다항 시간 랜덤화 알고리즘을 제시한다. 알고리즘은 $ O\left(\frac{m\log n}{\log m}\right) $ 의 최적 쿼리 복잡도를 상수 요소 이내로 달성하며, 경계가 있는 무게를 가진 위조 동전 문제로의 새로운 감소와 랜덤 워크 및 적응형 쿼리 전략을 활용한다.

ABSTRACT

We consider the problem of finding edges of a hidden weighted graph using a certain type of queries. Let $G$ be a weighted graph with $n$ vertices. In the most general setting, the $n$ vertices are known and no other information about $G$ is given. The problem is finding all edges of $G$ and their weights using additive queries, where, for an additive query, one chooses a set of vertices and asks the sum of the weights of edges with both ends in the set. This model has been extensively used in bioinformatics including genom sequencing. Extending recent results of Bshouty and Mazzawi, and Choi and Kim, we present a polynomial time randomized algorithm to find the hidden weighted graph $G$ when the number of edges in $G$ is known to be at most $m\geq 2$ and the weight $w(e)$ of each edge $e$ satisfies $\ga \leq |w(e)|\leq \gb$ for fixed constants $\ga, \gb>0$. The query complexity of the algorithm is $O(\frac{m \log n}{\log m})$, which is optimal up to a constant factor.

연구 동기 및 목표

• 추가 쿼리를 사용하여 은닉된 가중치 그래프를 재구성하기 위한 실용적이고 다항 시간 알고리즘을 개발하기 위해.
• 최대 $ m $ 개의 간선과 고정된 양수 상수 $ \alpha $ 와 $ \beta $ 사이에 경계가 설정된 간선 가중치를 가진 그래프의 최적 쿼리 복잡도를 달성하기 위해.
• 랜덤화, 적응형 쿼리, 조합적 탐색 기법을 융합하여 이전의 비다항 시간 또는 비최적 알고리즘을 확장하기 위해.
• 은닉된 그래프 찾기 문제와 경계가 있는 무게를 가진 위조 동전 문제 사이의 연결 고리를 설정하여, 랜덤화된 동전 측정을 통해 효율적인 해결책을 제공하기 위해.
• 생물정보학 분야의 응용, 예를 들어 샷건 DNA 시퀀싱과 진화 계산에서의 푸리에 계수 복구에 실용적인 해결책을 제공하기 위해.

제안 방법

• 각 간선이 $[\alpha, \beta]$ 내의 무게를 가진 위조 동전에 해당하는 가중치가 있는 위조 동전 문제로 그래프 찾기 문제를 감소시킨다.
• 랜덤 워크를 사용하여 고도의 정점들을 높은 확률로 유지하는 희소 부분그래프 $ G_1 $ 를 구성한다.
• 랜덤화된 이진 탐색을 적용하여 $ G_1 $ 내의 간선을 식별하고, 부분그래프 $ G_2 $ 를 형성하며, 쿼리 복잡도는 $ O(m^{1 - \delta/2} \log n) $ 이다.
• $ G_2 $ 내에서 고도의 정점에 대해 이웃 정점의 가중치를 알 수 없는 동전의 무게로 간주하고, 정리 1.3의 알고리즘을 파rameter $ (m^{\delta}d_{G_2}(x), n, \alpha, \beta, 0, 1/\delta) $ 와 함께 적용한다.
• 적응형 랜덤 쿼리를 사용하여 높은 확률로 간선 가중치를 복구하며, 총 쿼리 수가 $ O\left(\frac{m\log(\beta/\alpha)\log n}{\log m}\right) $ 이내로 유지되도록 보장한다.
• 두 번의 알고리즘 B 적용(각각 $ X $ 와 $ Y $ 가 뒤바뀐 상태)을 통해 최소 $ m^{2\delta} $ 의 차수를 가진 모든 정점을 복구한 후, 나머지 그래프에 대해 알고리즘 A 를 적용한다.

실험 결과

연구 질문

• RQ1 다항 시간 랜덤화 알고리즘이 $ m $ 개의 간선과 경계가 설정된 간선 가중치를 가진 은닉된 가중치 그래프를 찾는 데 최적의 쿼리 복잡도를 달성할 수 있는가?
• RQ2 그래프 찾기 문제를 경계가 있는 무게를 가진 조합적 동전 측정 문제로 감소시켜 최적의 쿼리 복잡도를 달성할 수 있는가?
• RQ3 간선 가중치가 0과 무한대에서 멀리 떨어져 있을 때, 은닉된 가중치 그래프를 재구성하기 위해 필요한 최소 쿼리 복잡도는 얼마인가?
• RQ4 이전의 비적응형 또는 비다항 시간 알고리즘이 실패하는 상황에서, 랜덤화와 적응형 쿼리가 실용적인 알고리즘을 설계하는 데 사용될 수 있는가?
• RQ5 추가 쿼리의 맥락에서, 희소 샘플링과 랜덤 워크를 활용하여 고도의 정점의 구조를 효율적으로 복구할 수 있는가?

주요 결과

• 제안된 알고리즘은 $ O\left(\frac{m\log(\beta/\alpha)\log n}{\log m}\right) $ 의 쿼리 복잡도를 달성하며, 이는 상수 요소 이내로 최적이다.
• 확률 $ 1 - O(m^{-0.02}) $ 에서 알고리즘은 제시된 쿼리 한도 내에서 은닉된 그래프의 모든 간선을 성공적으로 복구한다.
• 알고리즘은 각 간선가 무게 $[\alpha, \beta]$ 에 속하는 동전으로 간주되는 경계가 있는 무게를 가진 위조 동전 문제로의 감소를 사용한다.
• 랜덤 워크를 사용하여 고도의 정점들을 높은 확률로 유지하는 부분그래프 $ G_1 $ 를 구성함으로써, 무거운 정점의 효율적 복구를 가능하게 한다.
• 적응형 쿼리와 랜덤화된 이진 탐색을 조합하여 희소 부분그래프 내의 간선을 식별하고, 그 다음으로 가중치가 있는 동전 측정 절차를 적용한다.
• 알고리즘은 다항 시간이며 실용적이며, 이전의 비적응형 또는 비다항 시간 알고리즘의 한계를 극복한다.