[논문 리뷰] Isolating Cuts, (Bi-)Submodularity, and Faster Algorithms for Connectivity

Chandra Chekuri, Kent Quanrud|arXiv (Cornell University)|2021. 01. 01.

Complexity and Algorithms in Graphs참고 문헌 42인용 수 1

한 줄 요약

이 논문은 간접 연결성에서 대칭 이분할부하함수로의 고립 컷 기법을 일반화하여, 초그래프, 원소 연결성, 정점 연결성에서의 글로벌 및 서브셋 연결성 문제에 대해 더 빠른 랜덤화 알고리즘을 가능하게 한다. 이분할부하함수 교차 프레임워크와 효율적인 최소 컷 계산을 활용함으로써, 초그래프 고립 컷에 대해 Õ(√(pn)(m+n)^1.5)의 개선된 시간 복잡도를 달성하고, 대칭 부분모듈러스 함수에 대해서도 더 빠른 결과를 얻는다.

ABSTRACT

Li and Panigrahi [Jason Li and Debmalya Panigrahi, 2020], in recent work, obtained the first deterministic algorithm for the global minimum cut of a weighted undirected graph that runs in time o(mn). They introduced an elegant and powerful technique to find isolating cuts for a terminal set in a graph via a small number of s-t minimum cut computations. In this paper we generalize their isolating cut approach to the abstract setting of symmetric bisubmodular functions (which also capture symmetric submodular functions). Our generalization to bisubmodularity is motivated by applications to element connectivity and vertex connectivity. Utilizing the general framework and other ideas we obtain significantly faster randomized algorithms for computing global (and subset) connectivity in a number of settings including hypergraphs, element connectivity and vertex connectivity in graphs, and for symmetric submodular functions.

연구 동기 및 목표

• 간접 연결성에서 대칭 이분할부하함수로의 고립 컷 기법을 확장함으로써 원소 및 정점 연결성을 포함한 연결성 문제를 다루는 것.
• 초그래프 및 대칭 부분모듈러스 함수에서 글로벌 및 서브셋 연결성 문제에 대해 더 빠른 랜덤화 알고리즘을 가능하게 하는 일반적 프레임워크를 개발하는 것.
• 기존 접근 방식의 한계를 극복하기 위해, 정점 및 원소 연결성과 같이 표준 부분모듈러스가 직접 적용되지 않는 비간접 컷 함수에 고립 컷 방법을 적용하는 것.
• 고립 컷 프레임워크와 효율적인 최소 컷 서브루틴을 조합하여 연결성 문제의 시간 복잡도를 향상시키는 것.

제안 방법

• 고립 컷 접근 방식을 대칭 이분할부하함수로 일반화하여, 간접 컷을 초월해 원소 및 정점 연결성을 모델링하는 데 활용한다.
• 각 터미널 r에 대해 정점을 분리하는 집합 Ur을 계산하기 위해 이분할부하함수 교차 프레임워크를 사용하며, 최소 (r, R\{r})-커트가 Ur 내에서 유도되도록 한다.
• 각 고립 컷 문제를 V\Ur 가 하나의 싱크 t로 압축된 계약된 그래프에서 최소 (s,t)-커트 문제로 환원한다.
• 서브문제를 해결하기 위해 두 가지 전략을 활용한다: 소규모 서브그래프에는 간선 용량 흐름을, 더 큰 경우에는 차단 흐름을 사용하며, 적응형 파rameter 선택을 한다.
• 랜덤 샘플링과 재귀적 분해를 적용하여 필요한 최소 컷 계산 횟수를 O(log |R|)로 줄인다.
• 기존 간선 용량 최소 컷(EC)에 대한 알려진 복잡도를 활용하여 시간 복잡도를 유도하며, EC(m,n) ≤ Õ(m^{1+αβ})를 만족하는 모든 α, β에 대해 Õ(m^1+αβ)의 복잡도를 유도하고, 트레이드오프를 균형 잡기 위해 파rameter 최적화를 수행한다.

실험 결과

연구 질문

• RQ1 고립 컷 기법은 간접 컷을 초월해 대칭 이분할부하함수를 다룰 수 있는가?
• RQ2 일반화된 프레임워크를 사용해 초그래프에서 고립 컷을 계산할 때의 시간 복잡도는 무엇인가?
• RQ3 표준 부분모듈러스가 직접 적용되지 않는 원소 및 정점 연결성에 대해 고립 컷 접근 방식은 어떻게 적응시킬 수 있는가?
• RQ4 이 프레임워크에서 발생하는 서브문제에서 다양한 최소 컷 계산 전략 간 최적의 트레이드오프는 무엇인가?
• RQ5 이 프레임워크를 사용해 대칭 부분모듈러스 함수에서 글로벌 연결성을 더 빠르게 계산할 수 있는가?

주요 결과

• 논문은 간선 수 m, 정점 수 n, 총 크기 p인 초그래프에서 최소 고립 컷을 계산하는 데 대해 랜덤화 시간 복잡도 Õ(√(pn)(m+n)^1.5)를 달성한다.
• 무게 없는 초그래프의 경우, 이 프레임워크를 통해 시간 복잡도가 Õ(p^{4/3})로 향상된다.
• 모든 α, β에 대해 EC(m,n) ≤ Õ(m^{1+αβ})를 만족할 때, 프레임워크는 Õ(p(m+n)^{3α/(2(1+α))} β^{1/(1+α)})의 시간 복잡도를 제공하며, 다양한 최소 컷 알고리즘으로 일반화된다.
• 재귀적 분해 전략을 통해 필요한 (s,t)-최소 컷 계산 횟수를 O(|R|)에서 O(log |R|)로 줄인다.
• 이 방법은 대칭 부분모듈러스 함수로 일반화되며, 원소 및 정점 연결성을 이분할부하함수로 모델링함으로써 더 빠른 알고리즘을 가능하게 한다.
• V\Ur 를 하나의 싱크로 압축함으로써 효율적인 계산을 지원하며, 서브문제의 총 크기가 항상 O(p) 및 O(n) 이내로 유지됨을 보장한다.