[논문 리뷰] Graph Sparsification by Edge-Connectivity and Random Spanning Trees

Wai Shing Fung, Nicholas J. A. Harvey|arXiv (Cornell University)|2010. 05. 03.

Complexity and Algorithms in Graphs참고 문헌 30인용 수 7

한 줄 요약

이 논문은 모든 컷 값이 (1±ε) 요인 내에서 유지되는 그래프 스퍼피어를 구성하기 위한 두 가지 새로운 방법을 제안한다: (1) 간선 연결성에 반비례하는 간선 샘플링, 및 (2) 간선 가중치를 갖는 ρ개의 무작위 스패닝 트리의 합집합. 양방식 모두 O(n log²n / ε²)개의 간선을 갖는 스퍼피어를 도출하며, 연결성 기반 샘플링에 관한 열린 문제를 해결하고, 컷 스퍼피어화에 대한 무작위 스패닝 트리의 응용을 확장한다.

ABSTRACT

We present new approaches to constructing graph sparsifiers --- weighted subgraphs for which every cut has the same value as the original graph, up to a factor of $(1 \pm ε)$. Our first approach independently samples each edge $uv$ with probability inversely proportional to the edge-connectivity between $u$ and $v$. The fact that this approach produces a sparsifier resolves a question posed by Benczúr and Karger (2002). Concurrent work of Hariharan and Panigrahi also resolves this question. Our second approach constructs a sparsifier by forming the union of several uniformly random spanning trees. Both of our approaches produce sparsifiers with $O(n \log^2(n)/ε^2)$ edges. Our proofs are based on extensions of Karger's contraction algorithm, which may be of independent interest.

연구 동기 및 목표

• Benczúr과 Karger(2002)가 제기한, 연결성 기반 샘플링이 컷 스퍼피어를 생성하는지 여부에 대한 열린 문제를 해결하기 위해.
• 무게가 부여된 무작위 스패닝 트리의 합집합이 무게 없는 부분그래프보다 더 나은 컷 스퍼피어를 생성할 수 있는지 조사하기 위해.
• 특히 스패닝 트리 샘플링을 활용하여 o(n log n)개의 간선을 갖는 스퍼피어를 구성하는 데 대한 대안적 접근법을 탐색하기 위해.

제안 방법

• 각 간선을 그 간선 연결성(k_e)에 반비례하는 확률로 샘플링하여, 높은 확률로 컷 근사가 보장되도록 한다.
• 각 간선의 효과적 전도도에 따라 가중치가 부여된 ρ개의 균일하게 무작위로 선택된 스패닝 트리의 합집합을 취함으로써 스퍼피어를 구성한다.
• 부정적 연관성 기반의 농도 경계(정리 4.2 및 추론 4.3)를 사용하여 무작위 스패닝 트리에서의 간선 수 편차를 분석한다.
• Karger의 압축 알고리즘 확장 응용을 통해 정당성과 간선 수 경계를 증명한다.
• 고정확도 (1±ε) 컷 근사 보장을 위해 ρ = d log²n (d = O(1/ε²))로 설정한다.
• 효과적 전도도와 간선 연결성을 샘플링 파rameter로 활용하며, 무작위 스패닝 트리 및 전도도에 관한 기존 결과를 활용한다.

실험 결과

연구 질문

• RQ1 간선 강도 대신 간선 연결성 기반 샘플링이 (1±ε) 컷 스퍼피어를 생성하는가?
• RQ2 가중치가 부여된 무작위 스패닝 트리의 합집합이 (1±ε) 컷 스퍼피어로 기능할 수 있는가?
• RQ3 무작위 스패닝 트리 샘플링을 통해 o(n log n)개의 간선을 갖는 스퍼피어를 구성하는 것이 가능한가?
• RQ4 (1±ε) 컷 근사에 도달하기 위해 필요한 최소 무작위 스패닝 트리 수는 얼마인가?
• RQ5 연결성 기반 샘플링의 성능은 효과적 전도도 기반 샘플링과 비교해 어떻게 되는가?

주요 결과

• 간선 연결성 기반 샘플링을 사용한 제안된 방법은 높은 확률로 (1±ε) 컷 스퍼피어를 생성하며, Benczúr과 Karger(2002)가 제기한 열린 문제를 해결한다.
• 효과적 전도도에 따라 가중치가 부여된 ρ = O(log²n / ε²)개의 균일하게 무작위로 선택된 스패닝 트리의 합집합은 높은 확률로 (1±ε) 컷 스퍼피어를 생성한다.
• 무작위 스패닝 트리 방법으로 구성된 스퍼피어는 O(n log²n / ε²)개의 간선을 갖으며, 스펙트럴 및 컷 스퍼피어의 최고 알려진 경계와 일치한다.
• 하한선 분석을 통해 상수 확률 근사에 대해 Ω(log n / log k)개의 트리가 필요하다는 것이 밝혀졌으며, 이는 더 적은 수의 트리가 중요한 컷을 포착하지 못할 수 있음을 시사한다.
• 분석을 통해 전도도 기반 가중치 부여를 통한 무작위 스패닝 트리 샘플링이 효과적 전도도 샘플링만큼 컷 값을 효과적으로 유지함을 입증하며, 이 방법의 타당성을 검증한다.