[논문 리뷰] Improved Bound for Matching in Random-Order Streams

Aaron Bernstein|arXiv (Cornell University)|2020. 05. 01.

Complexity and Algorithms in Graphs참고 문헌 30인용 수 5

한 줄 요약

이 논문은 O(n log n) 공간을 사용하여 무작위 순서 스트림에서 (2/3 − ε)-근사 최대 카디널리티 매칭을 결정적 단일 패assing 스트리밍 알고리즘으로 계산하는 방법을 제시한다. 이는 이전 연구에 비해 보다 우수한 근사 비율과 낮은 공간 복잡도를 동시에 달성하여 반-스트리밍 모델에서의 기존 방법보다 크게 향상시킨다. 알고리즘은 스트림의 무작위 순서를 활용하여 악성 대안 하한선을 우회하며, 매칭이 무작위 순서 환경에서 증명 가능하게 더 쉬워진다는 것을 입증한다.

ABSTRACT

We study the problem of computing an approximate maximum cardinality matching in the semi-streaming model when edges arrive in a \emph{random} order. In the semi-streaming model, the edges of the input graph G = (V,E) are given as a stream e_1, ..., e_m, and the algorithm is allowed to make a single pass over this stream while using $O(n extrm{polylog}(n))$ space ($m = |E|$ and $n = |V|$). If the order of edges is adversarial, a simple single-pass greedy algorithm yields a $1/2$-approximation in $O(n)$ space; achieving a better approximation in adversarial streams remains an elusive open question. A line of recent work shows that one can improve upon the $1/2$-approximation if the edges of the stream arrive in a random order. The state of the art for this model is two-fold: Assadi et al. [SODA 2019] show how to compute a $2/3(\sim.66)$-approximate matching, but the space requirement is $O(n^{1.5} extrm{polylog}(n))$. Very recently, Farhadi et al. [SODA 2020] presented an algorithm with the desired space usage of $O(n extrm{polylog}(n))$, but a worse approximation ratio of $6/11(\sim.545)$, or $3/5(=.6)$ in bipartite graphs. In this paper, we present an algorithm that computes a $2/3(\sim.66)$-approximate matching using only $O(n \log(n))$ space, improving upon both results above. We also note that for adversarial streams, a lower bound of Kapralov [SODA 2013] shows that any algorithm that achieves a $1-1/e(\sim.63)$-approximation requires $(n^{1+Ω(1/\log\log(n))})$ space. Our result for random-order streams is the first to go beyond the adversarial-order lower bound, thus establishing that computing a maximum matching is provably easier in random-order streams.

연구 동기 및 목표

• 악성 스트림에서 달성 가능한 1/2-근사와 1−1/e ≈ 0.633 하한 사이의 격차를 해소하기 위해 스트리밍 그래프에서 무작위 간선 순서를 활용한다.
• 공간 사용량 O(n log n)으로 일반 및 이분 그래프에 대해 (2/3 − ε)-근사 최대 매칭을 달성하는 단일 패assing 반-스트리밍 알고리즘을 설계한다. 이는 이전의 공간 또는 근사 비율 간의 트레이드오���을 향상시킨다.
• 악성 순서 스트림 대비 무작위 순서 스트림에서 최대 매칭을 계산하는 것이 증명 가능하게 더 쉬운지 입증한다. 이를 통해 악성 순서의 공간 하한선을 초월한다.
• 일반 그래프 및 이분 그래프에 대해 높은 근사 비율과 낮은 공간 복잡도를 단순하고 결정적인 알고리즘으로 통합한다.

제안 방법

• 알고리즘은 단일 패assing에서 무작위 순서로 간선를 처리하며, 잠재적 매칭 간선를 추적하는 동적 부분그래프 H를 유지한다.
• 두 단계 접근법을 사용한다: 제1단계는 크기 α의 에포크에서 부족한 간선(도수 합 < β(1−λ))를 검사하며, 부족한 간선이 발견되지 않으면 조기 종료된다.
• 제2단계는 제1단계에서 부족한 간선을 발견하지 못한 경우에만 활성화되며, 이는 남은 그래프에 낮은 도수 간선이 적다는 것을 보장한다.
• 알고리즘은 β = 1/ε 및 λ = 1/2 기반의 임계값 메커니즘을 사용하며, α = m/(5 log n)를 통해 에포크 크기를 제어하고 농도 한계를 확보한다.
• 합률적 분석을 적용하여 부족한 간선를 놓치는 실패 확률을 제한하며, 최대 n²개의 에포크에 대해 유니온 바운드를 사용하여 Pr[bad event] ≤ n⁻³임을 보인다.
• 핵심 통찰은 한 에포크에서 부족한 간선를 발견하지 못하면, 나머지 스트림에 부족한 간선이 거의 없을 가능성이 높다는 점이며, 이는 고확률 근사에 기여한다.

실험 결과

연구 질문

• RQ1 무작위 순서 스트림에서 O(n log n) 공간을 사용해 단일 패assing으로 (2/3 − ε)-근사 최대 매칭을 계산할 수 있는가?
• RQ2 악성 순서에서의 공간 하한선 n^{1+Ω(1/log log n)}을 초월할 수 있는가? 이는 1−1/e-근사에 대해 무작위 순서 스트림에서 가능할까?
• RQ3 일반 및 이분 그래프에서 근사 비율 2/3을 근접 선형 공간으로 달성할 수 있는가?
• RQ4 무작위 간선 순서가 악성 스트림 대비 높은 근사 매칭을 위한 공간 복잡도를 본질적으로 감소시키는가?
• RQ5 이 기법을 가중치가 있는 그래프로 확장하여 무작위 순서 스트림에서 0.506 이하의 근사 비율을 초월할 수 있는가?

주요 결과

• 알고리즘은 일반 그래프에서 O(n log n) 공간을 사용하여 (2/3 − ε)-근사 최대 카디널리티 매칭을 달성하며, 이는 Assadi 등 [SODA 2019]의 O(n^{1.5} polylog n) 공간보다 향상된 결과이다.
• 이분 그래프의 경우 동일한 알고리즘이 O(n log n) 공간을 사용하여 (2/3 − ε)-근사치를 달성하며, 최고의 알려진 근사 비율을 유지하지만 공간 사용량을 크게 줄였다.
• Farhadi 등 [SODA 2020]이 일반 그래프에서 O(n polylog n) 공간을 사용해 6/11 ≈ 0.545 근사치를 달성한 데 비해, 본 논문은 더 높은 근사 비율을 더 뛰어난 공간 효율성으로 달성한다.
• 결과적으로 악성 순서 스트림 대비 무작위 순서 스트림에서 최대 매칭 계산이 증명 가능하게 더 쉬운 것으로 입증되었으며, 1−1/e-근사에 대해 악성 순서의 공간 하한선 n^{1+Ω(1/log log n)}을 초월한다.
• 실패 확률은 O(n⁻³) 이하로 제한되며, 최대 n²개의 에포크에 대해 유니온 바운드를 사용하여 고확률 정확성을 확보한다.
• 에포크에서 모든 부족한 간선를 놓치는 확률은 최대 (1 − 5 log n / α)^α ≤ n⁻⁵ 이며, 이는 농도 한계를 통해 엄격하게 제어된다.