[논문 리뷰] Improved bounds and parallel algorithms for the Lovasz Local Lemma.

Bernhard Haeupler, David G. Harris|arXiv (Cornell University)|2015. 09. 21.

Complexity and Algorithms in Graphs참고 문헌 14인용 수 4

한 줄 요약

이 논문은 Lovasz Local Lemma(Lovasz Local Lemma, LLL)에 대한 새로운 병렬 알고리즘을 제안하며, 단 한 번의 최대 독립 집합(MIS) 계산만을 사용하여 $O(\log^2 n)$ 시간에 수행되며, 이는 이전의 더 빠른 알고리즘들과 동일한 효율성을 달성하지만 원래 Moser-Tardos 알고리즘과 동일한 광범위한 조건을 만족한다. 또한, 순차적 및 병렬 재표본 추출 알고리즘에 대해 향상된 런타임 복잡도를 제공하고, 복잡한 가중치 함수에 의존하지 않는 결정적 NC 알고리즘으로 확장한다.

ABSTRACT

The Lovasz Local Lemma (LLL) is a cornerstone principle in the probabilistic method of combinatorics, and a seminal algorithm of Moser & Tardos (2010) provided an efficient randomized algorithm to implement it. This algorithm could be parallelized to give an algorithm that uses polynomially many processors and $O(\log^3 n)$ time, stemming from $O(\log n)$ adaptive computations of a maximal independent set (MIS). Chung et. al. (2014) developed faster local and parallel algorithms, potentially running in time $O(\log^2 n)$, but these algorithms work under significantly more stringent conditions than the LLL. We give a new parallel algorithm, that works under essentially the same conditions as the original algorithm of Moser & Tardos, but uses only a single MIS computation, thus running in $O(\log^2 n)$ time. This conceptually new algorithm also gives a clean combinatorial description of a satisfying assignment which might be of independent interest. Our techniques extend to the deterministic LLL algorithm given by Chandrasekaran et al (2013) leading to an NC-algorithm running in time $O(\log^2 n)$ as well. We also provide improved bounds on the run-times of the sequential and parallel resampling-based algorithms originally developed by Moser & Tardos. These bounds extend to any problem instance in which the tighter Shearer LLL criterion is satisfied. We also improve on the analysis of Kolipaka & Szegedy (2011) to give tighter concentration results. Interestingly, we are able to give bounds which are independent of the (somewhat mysterious) weighting function used in formulations of the asymmetric LLL.

연구 동기 및 목표

• 원래 Moser-Tardos 알고리즘과 동일한 조건에서 작동하는 더 빠른 병렬 LLL 알고리즘을 개발하는 것.
• 이전의 $O(\log n)$번의 MIS 계산을 단 한 번으로 줄여, 시간 복잡도를 $O(\log^2 n)$으로 향상시키는 것.
• Shearer 조건이 만족될 경우, 재표본 추출 기반 순차적 및 병렬 LLL 알고리즘의 더 날카운 런타임 복잡도를 제공하는 것.
• Chandrasekaran 등이 제안한 결정적 LLL 알고리즘을 확장하여, $O(\log^2 n)$ 시간에 수행되는 NC 알고리즘을 도출하는 것.
• 비대칭 LLL 공식화에서 사용되는 복잡한 가중치 함수에 대한 의존도를 제거하여 분석을 단순화하고 일반성을 향상시키는 것.

제안 방법

• 이전 연구 대비 적응형 라운드 수를 크게 줄이는 단 한 번의 MIS 계산만을 수행하는 새로운 병렬 알고리즘을 설계하는 것.
• 만족 가능한 할당의 깔끔한 조합적 특성화를 활용하여 분석을 단순화하고 효율적인 병렬화를 가능하게 하는 것.
• Moser-Tardos 재표본 추출 프레임워크의 기법을 적용하지만, 의존성 해결을 단 한 번의 MIS를 사용하여 병렬 단계를 줄이는 방식으로 재구성하는 것.
• Chandrasekaran 등이 제안한 결정적 LLL 알고리즘의 분석을 확장하여, $O(\log^2 n)$ 시간 복잡도를 가지는 NC 알고리즘을 달성하는 것.
• Kolipaka와 Szegedy의 분석을 정교화하여 농도 경계를 향상시키고, 임의의 가중치 함수에 의존하지 않는 방식으로 더 날카운 尾 확률 추정치를 도출하는 것.
• Shearer LLL 조건을 더 날카운 조건으로 사용하여, 더 넓은 범위의 문제 인스턴스에 적용 가능한 향상된 런타임 복잡도를 유도하는 것.

실험 결과

연구 질문

• RQ1 Moser-Tardos 알고리즘과 동일한 적용 조건을 유지하면서도 단 한 번의 MIS 계산만을 사용하는 병렬 LLL 알고리즘을 설계할 수 있는가?
• RQ2 Shearer 조건이 만족될 경우, 재표본 추출 기반 LLL 알고리즘의 최고로 날카운 런타임 복잡도는 무엇인가?
• RQ3 결정적 LLL 알고리즘은 효율적으로 병렬화되어 다항로그 시간 복잡도를 가지는 NC 알고리즘을 달성할 수 있는가?
• RQ4 비대칭 LLL 가중치 함수에 대한 의존도를 제거함으로써 LLL 알고리즘의 분석은 어떻게 단순화될 수 있는가?
• RQ5 재표본 추출 과정의 정교한 분석을 통해 어떤 정도의 농도 경계 향상이 달성될 수 있는가?

주요 결과

• 제안된 병렬 알고리즘은 단 한 번의 MIS 계산만을 사용하여 $O(\log^2 n)$ 시간에 수행되며, 이는 이전의 $O(\log^3 n)$ 알고리즘에 비해 크게 향상되었다.
• 알고리즘은 원래 Moser-Tardos 알고리즘과 동일한 적용 조건을 유지하므로 광범위한 실용적 적용 가능성을 보장한다.
• Shearer LLL 조건이 만족될 경우, 순차적 및 병렬 재표본 추출 알고리즘에 대해 향상된 런타임 복잡도가 확립되었으며, 이는 더 날카운 조건을 만족하는 모든 인스턴스에 적용 가능하다.
• LLL에 대해 $O(\log^2 n)$ 시간에 수행되는 결정적 NC 알고리즘이 도출되었으며, 이는 Chandrasekaran 등이 제안한 결과를 병렬 환경으로 확장한 것이다.
• 재표본 추출 과정에 대해 Kolipaka와 Szegedy의 분석을 초월하는 더 날카운 농도 경계가 도출되었으며, 이는 복잡한 가중치 함수에 의존하지 않는다.
• 새로운 알고리즘은 만족 가능한 할당의 깔끔한 조합적 기술을 제공하며, 알고리즘적 응용 외적으로도 별도의 관심을 끌 만한 가치가 있다.