[논문 리뷰] Graph Sparsification by Effective Resistances

Daniel A. Spielman, Nikhil Srivastava|ArXiv.org|2008. 03. 06.

Complexity and Algorithms in Graphs참고 문헌 17인용 수 7

한 줄 요약

이 논문은 효과적 저항을 샘플링 확률로 사용하여 가중 그래프의 스펙트럴 스퍼피케이션을 거의 선형 시간에 수행하는 알고리즘을 제시한다. 낮은 스트레치 스패닝 트리를 통해 효과적 저항을 근사하고 선형 시스템을 효율적으로 해결함으로써, 모든 이차형식을 $1\pm\epsilon$ 이내로 유지하는 $O(n \log n / \epsilon^2)$ 개의 간선을 가진 스퍼피케이터를 구성한다. 이는 이전 작업에 비해 간선 수와 일반성 면에서 향상된다.

ABSTRACT

We present a nearly-linear time algorithm that produces high-quality sparsifiers of weighted graphs. Given as input a weighted graph $G=(V,E,w)$ and a parameter $ε>0$, we produce a weighted subgraph $H=(V, ilde{E}, ilde{w})$ of $G$ such that $| ilde{E}|=O(n\log n/ε^2)$ and for all vectors $x\in\R^V$ $(1-ε)\sum_{uv\in E}(x(u)-x(v))^2w_{uv}\le \sum_{uv\in ilde{E}}(x(u)-x(v))^2 ilde{w}_{uv} \le (1+ε)\sum_{uv\in E}(x(u)-x(v))^2w_{uv}. (*)$ This improves upon the sparsifiers constructed by Spielman and Teng, which had $O(n\log^c n)$ edges for some large constant $c$, and upon those of Benczúr and Karger, which only satisfied (*) for $x\in\{0,1\}^V$. A key ingredient in our algorithm is a subroutine of independent interest: a nearly-linear time algorithm that builds a data structure from which we can query the approximate effective resistance between any two vertices in a graph in $O(\log n)$ time.

연구 동기 및 목표

• 최적의 간선 수를 가진 고성능 스펙트럴 스퍼피케이터를 생성하는 거의 선형 시간 알고리즘을 개발하기 위해.
• 단지 컷 무게만 유지하는 컷 스퍼피케이터에서 모든 이차형식 $x^T L x$를 유지하는 스펙트럴 스퍼피케이터로 확장하기 위해.
• Spielman와 Teng의 $O(n \log^c n)$ 구성보다 개선된 $O(n \log n / \epsilon^2)$ 개의 간선을 가진 스퍼피케이터를 확보하기 위해.
• 모든 $x \in \mathbb{R}^n$ 에 대해 $ (x(u)-x(v))^2 w_{uv} $ 의 제곱합 차이의 합이 $1\pm\epsilon$ 이내로 유지되도록 스퍼피케이터를 유지하기 위해.
• 샘플링 과정에서 어떤 정점의 인cidnet 간선 무게도 너무 크게 증가하지 않도록 보장하는 추가적인 구조적 보장 조건을 통합하기 위해.

제안 방법

• 효과적 저항 $R_e$ 와 간선 무게 $w_e$ 를 고려하여, 간선의 샘플링 확률을 비례하게 설정한다.
• 거의 선형 시간 알고리즘을 사용하여 낮은 스트레치 스패닝 트리와 스키밍 기반 선형 시스템 해법기를 통해 효과적 저항을 근사한다.
• 쿼리당 $O(\log n / \epsilon^2)$ 시간 내에 $\|\widetilde{Z}(\chi_u - \chi_v)\|^2$ 가 효과적 저항 $R_{uv}$ 를 근사하도록 스키밍 행렬 $\widetilde{Z}$ 를 구성한다.
• 라플라시안 이차형식의 기댓값을 유지하기 위해, 샘플된 간선을 $1/(q p_e)$ 로 재스케일링한다.
• Bennett의 부등식을 적용하여, 어떤 정점의 총 재스케일된 인cidnet 무게가 $2\deg(v)$ 를 초과할 확률을 근사한다.
• 샘플링 확률과 정점의 차수에 기반한 최소 임계값을 조합하여, 높은 확률로 $\sum_{e\ni v} \tilde{w}_e / w_e \leq 2\deg(v)$ 를 확보한다.

실험 결과

연구 질문

• RQ1 효과적 저항을 사용하여 최적의 간선 수를 가진 거의 선형 시간 스펙트럴 스퍼피케이션 알고리즘을 설계할 수 있는가?
• RQ2 효과적 저항의 근사치를 충분히 신속하게 계산할 수 있는가? 이를 통해 샘플링이 거의 선형 시간 내에 가능해지는가?
• RQ3 무게 $w_e R_e$ 에 비례하는 확률로 간선을 샘플링하면, $O(n \log n / \epsilon^2)$ 개의 간선을 가진 스펙트럴 스퍼피케이터를 얻을 수 있는가?
• RQ4 샘플링 과정에서 어떤 정점의 인cidnet 간선 무게도 과도하게 증가하지 않도록 스퍼피케이터를 구성할 수 있는가?
• RQ5 효과적 저항의 상수 요소 근사치를 사용해도 여전히 스펙트럴 성질을 유지할 수 있도록 알고리즘을 강건하게 만들 수 있는가?

주요 결과

• 알고리즘은 $O(n \log n / \epsilon^2)$ 개의 간선을 가진 스펙트럴 스퍼피케이터 $H$ 를 구성하며, 모든 $x \in \mathbb{R}^n$ 에 대해 $ (1-\epsilon)x^T L x \leq x^T \tilde{L} x \leq (1+\epsilon)x^T L x $ 를 확률 최소 $1/2$ 로 만족한다.
• 효과적 저항은 $\widetilde{O}(m \log r / \epsilon^2)$ 시간 내에 구축된 데이터 구조를 사용하여 $O(\log n / \epsilon^2)$ 시간 내에 근사 가능하다.
• 알고리즘은 $\widetilde{O}(m / \epsilon^2)$ 시간 내에 실행되어 거의 선형 복잡도를 달성한다.
• 효율적 저항에 기반한 샘플링 확률를 $\beta / (n \min(\deg(u), \deg(v)))$ 로 하한을 두어, 모든 $v$ 에 대해 확률 최소 $1 - 1/n$ 으로 $\sum_{e\ni v} \tilde{w}_e / w_e \leq 2\deg(v)$ 를 보장한다.
• 이 방법은 Benczúr과 Karger의 컷 스퍼피케이터(단지 컷을 유지)와 Spielman 및 Teng의 스펙트럴 스퍼피케이터(더 많은 간선을 가짐)를 모두 초월한다.
• 구성은 강건하다: 효과적 저항의 상수 요소 근사치를 사용해도 유효한 스펙트럴 스퍼피케이터를 얻을 수 있으며, 이는 정리 6에 의해 입증된다.