[논문 리뷰] Improved Network Decompositions using Small Messages with Applications on MIS, Neighborhood Covers, and Beyond

Mohsen Ghaffari, Julian Portmann|arXiv (Cornell University)|2019. 08. 09.

Complexity and Algorithms in Graphs인용 수 9

한 줄 요약

이 논문은 소규모 메시지(각 라운드당 O(log n)-비트)를 사용하여 CONGEST 모델에서 네트워크 분해를 구성하는 결정적 분산 알고리즘을 제시한다. 이는 라운드 복잡도를 향상시키고, 최대 독립 집합(MIS), 스파너, 이웃 커버와 같은 핵심 문제에 대해 더 빠른 랜덤화 및 결정적 알고리즘을 가능하게 한다. 주요 기여는 대규모 메시지 가정에 대한 의존도를 줄이는 데 중점을 두고, 메타노드 추상화를 활용한 새로운 재귀 클러스터링 접근법을 제안한 것이다. 이는 고확률로 비다항식 라운드 복잡도를 달성한다.

ABSTRACT

Network decompositions, as introduced by Awerbuch, Luby, Goldberg, and Plotkin [FOCS'89], are one of the key algorithmic tools in distributed graph algorithms. We present an improved deterministic distributed algorithm for constructing network decompositions of power graphs using small messages, which improves upon the algorithm of Ghaffari and Kuhn [DISC'18]. In addition, we provide a randomized distributed network decomposition algorithm, based on our deterministic algorithm, with failure probability exponentially small in the input size that works with small messages as well. Compared to the previous algorithm of Elkin and Neiman [PODC'16], our algorithm achieves a better success probability at the expense of its round complexity, while giving a network decomposition of the same quality. As a consequence of the randomized algorithm for network decomposition, we get a faster randomized algorithm for computing a Maximal Independent Set, improving on a result of Ghaffari [SODA'19]. Other implications of our improved deterministic network decomposition algorithm are: a faster deterministic distributed algorithms for constructing spanners and approximations of distributed set cover, improving results of Ghaffari, and Kuhn [DISC'18] and Deurer, Kuhn, and Maus [PODC'19]; and faster a deterministic distributed algorithm for constructing neighborhood covers, resolving an open question of Elkin [SODA'04].

연구 동기 및 목표

• CONGEST 모델에서 소규모 메시지(라운드당 O(log n)-비트)만을 사용하는 네트워크 분해를 위한 결정적 분산 알고리즘을 개발하는 것.
• 기존의 결정적 네트워크 분해 알고리즘보다 동일한 분해 품질을 유지하면서도 라운드 복잡도를 향상시키는 것.
• 최대 독립 집합(MIS), 스파너 구성, 이웃 커버와 같은 기본적인 분산 문제에 대해 더 빠른 랜덤화 및 결정적 알고리즘을 가능하게 하는 것.
• 소규모 메시지로만 작동하는 CONGEST 모델에서 결정적 희박 이웃 커버 구성 문제를 해결하는 것.

제안 방법

• 클러스터를 나타내는 메타노드를 사용한 재귀 클러스터링 기법을 도입하여, 각 수준에서 문제 크기를 줄이는 것.
• 메타노드를 룰링 세트와 국소 클러스터링 규칙에 따라 초클러스터로 그룹화하는 계층적 분해를 사용하는 것.
• 각 클러스터당 다중 병렬 실행을 수행하는 랜덤화 실행 전략을 적용하고, 성공 조건을 확인하기 위해 1비트 메시지를 사용하는 것.
• 수렴 전파와 국소 검증을 활용하여 성공적인 실행을 감지하고 네트워크 전반에서 클러스터 형성에 협력하는 것.
• 네트워크 분해를 활용해 색상 클래스 간 병렬 처리를 수행하고, 동일한 색상의 클러스터 간 인접성을 보장하는 것.
• 색상 클래스 간 파이프라인 방식으로 기존 MIS 알고리즘(Ghaffari [Gha16])과 분해를 결합하여 고확률 성공을 달성하는 것.

실험 결과

연구 질문

• RQ1 이전 작업에 비해 개선된 라운드 복잡도를 갖는 소규모 메시지로 CONGEST 모델에서 결정적 네트워크 분해를 구성할 수 있는가?
• RQ2 소규모 메시지만을 사용하여 실패 확률이 지수적으로 작은 랜덤화 네트워크 분해를 달성할 수 있는가?
• RQ3 개선된 네트워크 분해를 활용해 MIS, 스파너 및 독립 집합 근사 알고리즘과 같은 기존 분산 알고리즘의 성능을 향상시킬 수 있는가?
• RQ4 소규모 메시지로만 작동하는 CONGEST 모델에서 결정적 희박 이웃 커버 구성 문제를 해결할 수 있는가?
• RQ5 재귀적 메타노드 추상화가 분산 그래프 알고리즘에서 더 나은 확장성과 낮은 라운드 복잡도를 가능하게 하는가?

주요 결과

• 논문은 (O(√(log log n)), 2^O(√(log log n))) 분해에 대해 2^O(√(log log n))의 라운드 복잡도를 갖는 결정적 네트워크 분해 알고리즘을 제시하며, 이는 이전 작업보다 향상된 성능을 보인다.
• 랜덤화 변형은 동일한 라운드 복잡도를 유지하면서도 성공 확률 1 - 1/poly(n)을 달성하여, Elkin과 Neiman [PODC’16]의 결과보다 성공 확률 면에서 뛰어나다.
• 최대 독립 집합(MIS)에 대해 더 빠른 랜덤화 알고리즘을 확보하였으며, 라운드 복잡도는 O(log Δ · √(log log n)) + 2^O(√(log log n))로, Ghaffari [SODA’19]의 결과를 향상시켰다.
• CONGEST 모델에서 희박 이웃 커버 구성에 대한 첫 번째 결정적 알고리즘을 제시하여, Elkin [SODA’04]에서 제기한 열린 문제를 해결하였다.
• 스파너 구성 및 독립 집합 근사에 대해 개선된 결정적 알고리즘을 달성하였으며, Ghaffari와 Kuhn [DISC’18] 및 Deurer 등 [PODC’19]의 이전 결과를 따라하거나 초월하였다.
• 색상 클래스 간 효율적인 병렬 처리가 가능하며, 각 클러스터의 MIS 계산은 독립적이고 동시에 수행되어 정확성과 고확률 성공을 보장한다.