[논문 리뷰] Kernelization via Sampling with Applications to Dynamic Graph Streams

Rajesh Chitnis, Graham Cormode외 5명|Warwick Research Archive Portal (University of Warwick)|2015. 05. 07.

Complexity and Algorithms in Graphs참고 문헌 46인용 수 13

한 줄 요약

이 논문은 동적 그래프 스트림과 분산 시스템을 위한 새로운 부분그래프 샘플링 원리를 도입하며, 샘플링을 통한 최적의 커널화를 가능하게 하여 매arameterized 그래프 문제를 효율적으로 해결한다. 최대 매칭, 정점 커버, 히팅 세트 문제에 대해 최적의 공간 복잡도를 달성하며, 업데이트 시간은 하위선형이며, 로그 인자까지의 엄밀한 공간 복잡도 보장을 확보한다.

ABSTRACT

In this paper we present a simple but powerful subgraph sampling primitive that is applicable in a variety of computational models including dynamic graph streams (where the input graph is defined by a sequence of edge/hyperedge insertions and deletions) and distributed systems such as MapReduce. In the case of dynamic graph streams, we use this primitive to prove the following results: -- Matching: First, there exists an $ ilde{O}(k^2)$ space algorithm that returns an exact maximum matching on the assumption the cardinality is at most $k$. The best previous algorithm used $ ilde{O}(kn)$ space where $n$ is the number of vertices in the graph and we prove our result is optimal up to logarithmic factors. Our algorithm has $ ilde{O}(1)$ update time. Second, there exists an $ ilde{O}(n^2/α^3)$ space algorithm that returns an $α$-approximation for matchings of arbitrary size. (Assadi et al. (2015) showed that this was optimal and independently and concurrently established the same upper bound.) We generalize both results for weighted matching. Third, there exists an $ ilde{O}(n^{4/5})$ space algorithm that returns a constant approximation in graphs with bounded arboricity. -- Vertex Cover and Hitting Set: There exists an $ ilde{O}(k^d)$ space algorithm that solves the minimum hitting set problem where $d$ is the cardinality of the input sets and $k$ is an upper bound on the size of the minimum hitting set. We prove this is optimal up to logarithmic factors. Our algorithm has $ ilde{O}(1)$ update time. The case $d=2$ corresponds to minimum vertex cover. Finally, we consider a larger family of parameterized problems (including $b$-matching, disjoint paths, vertex coloring among others) for which our subgraph sampling primitive yields fast, small-space dynamic graph stream algorithms. We then show lower bounds for natural problems outside this family.

연구 동기 및 목표

• 동적 그래프 스트림과 MapReduce와 같은 분산 시스템에 적용 가능한 일반적인 목적의 부분그래프 샘플링 기법을 개발하기 위해.
• 엣지가 삽입되고 삭제될 수 있는 동적 스트림 모델에서 매개변수화된 그래프 문제에 대한 비트리비얼 알고리즘이 부족한 문제를 해결하기 위해.
• 최대 매칭, 정점 커버, 히팅 세트와 같은 기본 문제들에 대해, 로그 인자까지의 최적 공간 복잡도를 달성하기 위해.
• 가중치 매칭과 유계 분산성 그래프로의 접근을 확장하여, 하위선형 공간에서 상수 근사값을 제공하기 위해.
• 제안된 프레임워크 외부의 문제들에 대해 엄밀한 하한을 설정하여 스트리밍 알고리즘의 한계를 입증하기 위해.

제안 방법

• 작은 해(예: 크기가 ≤ k인 매칭)의 존재를 샘플된 부분그래프에서 유지하는 비균일한 부분그래프 샘플링 원리를 제안한다.
• 샘플링 원리를 사용하여 원본 그래프를 더 작은, 대표성 있는 부분그래프로 축소하여 해 성질을 유지한다.
• 샘플링 기법을 적용하여, 해 크기가 k 이하일 경우 정확한 최대 매칭을 위한 Õ(k²) 공간 스트리밍 알고리즘을 설계한다.
• α-근사 매칭을 임의 크기의 그래프에서 구현하기 위해 방법을 확장하며, Õ(n²/α³) 공간을 사용하여 기존 알려진 하한과 일치한다.
• 가중치 매칭과 유계 분산성 그래프로 일반화하여, 상수 근사값을 위한 Õ(n⁴/⁵) 공간을 달성한다.
• 통신 복잡도 문제(예: Disjointness)로부터의 감소를 통해 공간 복잡도의 최적성 증명을 수행하며, p-패ass 알고리즘에 대해 Ω(n/p) 공간 하한을 확립한다.

실험 결과

연구 질문

• RQ1 최적의 공간과 업데이트 시간을 확보하면서, 동적 그래프 스트림에서 커널화를 가능하게 하는 부분그래프 샘플링 원리를 설계할 수 있는가?
• RQ2 동적 그래프 스트림에서 정확하거나 근사적인 최대 매칭을 계산하기 위해 필요한 최소 공간은 얼마인가?
• RQ3 이러한 샘플링 접근법을 정점 커버, 히팅 세트, b-매칭과 같은 다른 매개변수화된 문제로 확장할 수 있는가?
• RQ4 이러한 샘플링 프레임워크로 해결할 수 없는 문제들에 대해 엄밀한 하한이 존재하는가?
• RQ5 통신 복잡도를 통해 확립된 이론적 한계와 비교할 때, 동적 스트리밍 알고리즘의 공간 복잡도는 어떻게 되는가?

주요 결과

• 해 크기가 k 이하일 경우 정확한 최대 매칭을 계산하는 Õ(k²) 공간 알고리즘이 존재하며, 이는 로그 인자까지 최적임을 입증한다.
• 임의 크기의 그래프에서 α-근사 매칭을 계산하는 Õ(n²/α³) 공간 알고리즘이 존재하며, 이는 기존 알려진 하한과 일치하며 이전의 삽입 전용 알고리즘보다 향상된다.
• 유계 분산성 그래프의 경우, Õ(n⁴/⁵) 공간 알고리즘이 최대 매칭에 대해 상수 근사값을 제공하며, 일반 그래프 외의 적용 가능성을 입증한다.
• 집합 크기가 d이고 해 크기가 k 이하인 최소 히팅 세트 문제를 해결하는 Õ(kᵈ) 공간 알고리즘이 존재하며, 이는 로그 인자까지 최적임을 입증한다.
• 이 방법은 가중치 매칭 및 b-매칭, 정점 색칠과 같은 다른 문제들로 일반화되어 소공간 동적 스트림 알고리즘을 가능하게 한다.
• 통신 복잡도 감소를 통한 하한 증명을 통해, 체로드 그래프 식별, 코그래프 정점 제거, 이분법적 색깔 주변성 문제 등에 대해 p-패스 랜덤화 스트리밍 알고리즘의 공간 복잡도가 Ω(n/p)임을 입증하며, 이 프레임워크의 최적성과 엄밀함을 입증한다.