[논문 리뷰] Improved Deterministic Distributed Matching via Rounding

Manuela Fischer|arXiv (Cornell University)|2017. 01. 01.

Complexity and Algorithms in Graphs인용 수 23

한 줄 요약

이 논문은 분포형 네트워크에서 매칭 문제를 위한 더 빠르고 효율적인 알고리즘을 가능하게 하는 선형 프로그램을 위한 새로운 결정적 분산 반올림 방법을 제시한다. 이는 최대 매칭 문제에 대해 첫 번째 O(log²∆·log n)-라운드 결정적 최대 매칭 알고리즘을 달성하고, 국소 계산 알고리즘(LCAs)의 질의 복잡도를 지수적으로 향상시키며, 분포형 환경에서 (2+ε)-근사 알고리즘을 더 빠르게 제공한다.

ABSTRACT

We present improved deterministic distributed algorithms for a number of well-studied matching problems, which are simpler, faster, more accurate, and/or more general than their known counterparts. The common denominator of these results is a deterministic distributed rounding method for certain linear programs, which is the first such rounding method, to our knowledge. A sampling of our end results is as follows. - An O(log^2 Delta log n)-round deterministic distributed algorithm for computing a maximal matching, in n-node graphs with maximum degree Delta. This is the first improvement in about 20 years over the celebrated O(log^4 n)-round algorithm of Hanckowiak, Karonski, and Panconesi [SODA'98, PODC'99]. - A deterministic distributed algorithm for computing a (2+epsilon)-approximation of maximum matching in O(log^2 Delta log(1/epsilon) + log^* n) rounds. This is exponentially faster than the classic O(Delta + log^* n)-round 2-approximation of Panconesi and Rizzi [DIST'01]. With some modifications, the algorithm can also find an epsilon-maximal matching which leaves only an epsilon-fraction of the edges on unmatched nodes. - An O(log^2 Delta log(1/epsilon) + log^* n)-round deterministic distributed algorithm for computing a (2+epsilon)-approximation of a maximum weighted matching, and also for the more general problem of maximum weighted b-matching. These improve over the O(log^4 n log_(1+epsilon) W)-round (6+epsilon)-approximation algorithm of Panconesi and Sozio [DIST'10], where W denotes the maximum normalized weight. - A deterministic local computation algorithm for a (2+epsilon)-approximation of maximum matching with 2^O(log^2 Delta) log^* n queries. This improves almost exponentially over the previous deterministic constant approximations which have query-complexity of 2^Omega(Delta log Delta) log^* n.

연구 동기 및 목표

• 특정 선형 프로그램의 분수 해를 위한 결정적 분산 반올림 방법을 개발하기 위해.
• 최대 매칭 및 관련 문제를 위한 결정적 분산 알고리즘의 라운드 복잡도를 향상시키기 위해.
• 분포형 환경에서 최대 매칭 및 가중치가 있는 b-매칭 문제에 대해 (2+ε)-근사 알고리즘을 더 빠르게 계산하기 위해.
• 최대 매칭을 위한 결정적 LCAs의 질의 복잡도를 낮추기 위해.
• 기본 그래프 문제에 대한 랜덤화된 알고리즘과 결정적 알고리즘 간의 격차를 메우기 위해.

제안 방법

• 매칭 문제에 관련된 선형 프로그램에서 분수 매칭을 위한 새로운 결정적 분산 반올림 기법을 도입한다.
• 반복적 반올림을 적용: 반복적으로 근사적인 b-매칭을 계산하고, 매칭된 간선 및 용량이 0인 정점을 제거한다.
• 그래프의 2-분해를 이용해 차수를 감소시키고 O(1) 라운드 내에 효율적인 국소 계산을 가능하게 한다.
• 일반 그래프와 b-매칭을 다루기 위해 노드 분할을 통한 이분 그래프로의 환원을 활용한다.
• 각 반복에서 보조 가중치 그래프에 대한 상수 근사 알고리즘을 활용하여 (2+ε)-근사 해를 구축한다.
• 표준 시뮬레이션 기법을 통해 LCAs에 이 방법을 적응시켜 질의 복잡도를 향상시킨다.

실험 결과

연구 질문

• RQ1 매칭 문제에 관련된 선형 프로그램의 분수 해를 위한 결정적 분산 반올림 방법을 개발할 수 있는가?
• RQ2 LOCAL 모델에서 결정적 최대 매칭의 최선의 가능한 라운드 복잡도는 무엇인가?
• RQ3 (2+ε)-근사 알고리즘을 통해 최대 매칭을 O(∆+log*n) 라운드보다 현저히 빠르게 계산할 수 있는가?
• RQ4 최대 매칭을 위한 결정적 LCAs의 질의 복잡도를 어떻게 낮출 수 있는가?
• RQ5 동일한 반올림 프레임워크를 가중치가 있는 매칭 및 b-매칭 문제로 확장할 수 있는가?

주요 결과

• 논문은 선형 프로그램의 특정 클래스에 대해 결정적 분산 반올림 방법을 처음으로 제시하여 새로운 알고리즘적 진전을 이룬다.
• 최대 매칭에 대해 O(log²∆·log n)-라운드 결정적 알고리즘을 달성하여 20년 전의 O(log⁴n) 한계를 향상시켰다.
• 최대 매칭의 (2+ε)-근사 알고리즘은 O(log²∆·log(1/ε)+log*n) 라운드 내에 수행되며, 이는 이전의 O(∆+log*n) 방법보다 지수적으로 빠르다.
• 최대 가중치가 있는 b-매칭의 경우 알고리즘은 O(log²∆·log(1/ε)+log*n) 라운드 내에 수행되며, 이는 이전의 O(log⁴n·log¹⁺εW) 한계를 향상시켰다.
• 최대 매칭을 위한 LCA는 질의 복잡도가 2^O(log²∆)·log*n로, 이는 이전의 2^Ω(∆·log∆)·log*n 한계보다 지수적으로 향상되었다.
• 이 방법은 ε-최대 매칭을 통한 간선 지배 집합에 대한 (2+ε)-근사 해를 제공하며, 간선 커버리지에 소수의 추가 오차가 발생한다.