[논문 리뷰] Fully Dynamic Effective Resistances

David Durfee, Yu Gao외 2명|arXiv (Cornell University)|2018. 04. 11.

Complexity and Algorithms in Graphs참고 문헌 28인용 수 5

한 줄 요약

이 논문은 무방향, 무가중치 다중그래프에서 $(1\pm\epsilon)$-근사 모든 쌍 효과적 저항을 유지하기 위한 최초의 완전 동적 데이터 구조를 제시한다. 이는 $\tilde{O}(m^{4/5}\epsilon^{-4})$의 기대 평균 갱신 및 쿼리 시간을 갖는다. 이는 무작위 보행과 정점 샘플링을 통해 동적으로 슈어 보완을 유지함으로써 달성되며, 정점 스무핑라이저의 局소 표현을 통해 선형 이하의 갱신을 가능하게 한다.

ABSTRACT

In this paper we consider the \emph{fully-dynamic} All-Pairs Effective Resistance problem, where the goal is to maintain effective resistances on a graph $G$ among any pair of query vertices under an intermixed sequence of edge insertions and deletions in $G$. The effective resistance between a pair of vertices is a physics-motivated quantity that encapsulates both the congestion and the dilation of a flow. It is directly related to random walks, and it has been instrumental in the recent works for designing fast algorithms for combinatorial optimization problems, graph sparsification, and network science. We give a data-structure that maintains $(1+ε)$-approximations to all-pair effective resistances of a fully-dynamic unweighted, undirected multi-graph $G$ with $ ilde{O}(m^{4/5}ε^{-4})$ expected amortized update and query time, against an oblivious adversary. Key to our result is the maintenance of a dynamic \emph{Schur complement}~(also known as vertex resistance sparsifier) onto a set of terminal vertices of our choice. This maintenance is obtained (1) by interpreting the Schur complement as a sum of random walks and (2) by randomly picking the vertex subset into which the sparsifier is constructed. We can then show that each update in the graph affects a small number of such walks, which in turn leads to our sub-linear update time. We believe that this local representation of vertex sparsifiers may be of independent interest.

연구 동기 및 목표

• 일반 무방향 그래프에서 간선 삽입 및 삭제가 발생할 때도 근사 효과적 저항을 유지하는 완전 동적 데이터 구조를 설계하는 것.
• 이전에는 소수 자유 그래프에서만 알려져 있었지만, 완전 동적 환경에서 모든 쌍 효과적 저항에 대해 선형 이하의 갱신 및 쿼리 시간을 달성하는 것.
• 효율적인 갱신을 지원하고 스펙트럼 근사치를 유지하는 동적 정점 스무핑라이저(슈어 보완)를 개발하는 것.
• 터미널 집합 크기와 샘플링 파라미터를 최적화하여 희박한 그래프에서 각 연산에 대해 진정으로 선형 이하의 시간을 달성하는 것.

제안 방법

• 크기 $\Theta(\beta n)$인 무작위로 샘플된 터미널 집합 위에 동적 슈어 보완(정점 저항 스무핑라이저)을 유지한다.
• 각 간선당 $\rho = O(\log n \cdot \epsilon^{-2})$개의 무작위 보행으로 슈어 보완을 표현하며, 보행은 $O(n^{3/7} \log^3 n)$ 단계에서 잘린다.
• 이중 레벨 데이터 구조를 사용: 먼저 동적 슈어 보완 $H$를 유지하고, 그 다음 $H$의 스펙트럼 스무핑라이저 $\tilde{H}$를 유지한다.
• 무작위 보행의 잘림과 재가중치 조정을 적용: 각 보행은 터미널 끝점 간에 가중치 $1/(\rho \ell)$를 갖는 간선 기여한다. 여기서 $\ell$은 보행 길이다.
• 터미널의 무작위 샘플링 덕분에 각 간선 갱신이 영향을 주는 보행 수가 작다는 사실을 활용하여, 효율적인 평균 갱신을 가능하게 한다.
• Barnes와 Feige의 예상 커버 타임에 대한 경계를 활용하여 기대 부하와 오차를 통제한다.

실험 결과

연구 질문

• RQ1 일반 그래프에서 완전 동적 환경에서 효과적 저항을 선형 이하의 갱신 시간으로 유지할 수 있는가?
• RQ2 무작위 보행 표현을 사용하여 동적 슈어 보완을 효율적으로 유지할 수 있는가?
• RQ3 터미널 정점의 무작위 샘플링이 국소 갱신을 유도하여 선형 이하의 평균 갱신 시간을 보장하는가?
• RQ4 터미널 집합 크기와 갱신 비용 간의 트레이드오프를 최적화하여 희박한 그래프에서 $\tilde{O}(n^{6/7}\epsilon^{-4})$의 시간을 달성할 수 있는가?
• RQ5 완전 동적 환경에서 모든 쌍 효과적 저항에 대해 $(1\pm\epsilon)$-근사치를 높은 확률로 달성할 수 있는가?

주요 결과

• 제안된 데이터 구조는 갱신 또는 쿼리당 $\tilde{O}(m^{4/5}\epsilon^{-4})$의 기대 평균 시간 내에 $(1\pm\epsilon)$-근사 모든 쌍 효과적 저항을 유지한다.
• 터미널 쌍의 수가 적은 단순 그래프의 경우 갱신 및 쿼리 시간을 $\tilde{O}(n^{6/7}\epsilon^{-4})$로 줄일 수 있어 진정으로 선형 이하의 성능를 달성한다.
• 동적 슈어 보완은 간선당 $\rho = O(\log n \cdot \epsilon^{-2})$개의 무작위 보행으로 유지되며, 보행은 $O(n^{3/7} \log^3 n)$ 단계에서 잘린다.
• 각 간선 갱신은 슈어 보완에 대해 기대값으로 $O(\beta^{-6} \log^9 n \epsilon^{-2})$개의 변화만 유발하므로, 효율적인 평균 갱신이 가능하다.
• 확률적으로 높은 정확도를 보장하기 위해 $\beta = n^{-1/7}$를 사용하여 터미널 집합 크기와 갱신 비용 간의 트레이드오프를 최소화한다.
• 이 프레임워크는 무작위 보행을 통한 정점 스무핑라이저의 새로운 국소 표현을 제공하며, 효과적 저항 계산 이외의 응용에서도 독립적인 관심을 가질 수 있다.