[논문 리뷰] Local Computation: Lower and Upper Bounds

Fabian Kühn, Thomas Moscibroda외 1명|arXiv (Cornell University)|2010. 11. 24.

Complexity and Algorithms in Graphs참고 문헌 41인용 수 38

한 줄 요약

이 논문은 분산 시스템에서 국소 계산에 대한 최초의 다항로그(lower bounds)를 확립하며, 최소 정점 커버, 최대 독립 집합, 최대 매칭과 같은 문제들이 효율적으로 근사하기 위해 다항로그 수준의 국소 정보가 필요하다는 것을 증명한다. 또한 커버링 및 팩킹 선형 프로그래밍을 위한 새로운 분산 알고리즘을 제안하여 몇몇 문제들에 대해 하한과 정확히 일치함을 보이며, 네트워크 내 국소 근사 가능성의 기본 한계를 규명한다.

ABSTRACT

The question of what can be computed, and how efficiently, are at the core of computer science. Not surprisingly, in distributed systems and networking research, an equally fundamental question is what can be computed in a \emph{distributed} fashion. More precisely, if nodes of a network must base their decision on information in their local neighborhood only, how well can they compute or approximate a global (optimization) problem? In this paper we give the first poly-logarithmic lower bound on such local computation for (optimization) problems including minimum vertex cover, minimum (connected) dominating set, maximum matching, maximal independent set, and maximal matching. In addition we present a new distributed algorithm for solving general covering and packing linear programs. For some problems this algorithm is tight with the lower bounds, for others it is a distributed approximation scheme. Together, our lower and upper bounds establish the local computability and approximability of a large class of problems, characterizing how much local information is required to solve these tasks.

연구 동기 및 목표

• 분산 네트워크에서 오직 국소 정보만을 사용하여 계산할 수 있는 것의 기본 한계를 규명하는 것.
• 전체 최적화 문제 중에서 본질적으로 다항로그 수준의 국소성을 가지며, 완전히 국소적이지도, 전역적이지도 않은 문제들을 식별하는 것.
• 핵심 조합 최적화 문제를 근사하기 위해 필요한 국소 정보의 양에 대해 날카로운 경계를 설정하는 것.
• 하한과 일치하는 근사 비율을 달성하는 일반 커버링 및 팩킹 선형 프로그래밍을 위한 분산 알고리즘을 개발하는 것.

제안 방법

• 다양한 최적화 문제들이 다항로그 수준의 국소성임을 보이기 위해 국소성 유지 감소를 사용하는 것.
• 하한을 증명하기 위해 특정한 노드 뷰를 가진 고지름 그래프를 구성하는 것.
• 하한과 일치하는 근사 비율을 달성하는 커버링 및 팩킹 선형 프로그래밍을 위한 분산 알고리즘을 설계하는 것.
• 상수 또는 다항로그 근사 비율을 달성하기 위한 k-호프 이웃 정보 요구량을 분석하는 것.
• 고지름 구조를 적용하여 근사 비율에 대해 Ω(n^{1/k²})의 하한을 도출함으로써 기술의 본질적 한계를 보여주는 것.
• 공통 리프트와 그래프 구조를 사용하여 하한 증명을 단순화하고 정확성을 보장하는 것.

실험 결과

연구 질문

• RQ1 분산 환경에서 기본 그래프 최적화 문제를 계산하거나 근사하기 위해 필요한 최소 국소 정보의 양은 얼마인가?
• RQ2 국소 계산에 대한 하한을 정밀하게 조정할 수 있으며, 만약 가능하면 어떤 문제들에 대해 그러한 조정이 가능한가?
• RQ3 최소한의 국소 정보로 최적의 근사 비율을 달성하는 분산 알고리즘이 존재하는가?
• RQ4 다양한 그래프 클래스(예: 고리, 유닛 디스크 그래프, 일반 그래프)의 국소 계산 가능성 특성은 어떻게 비교되는가?
• RQ5 국소성 유지 감소를 기반으로 하여 통합된 국소 계산 복잡도 계층을 수립할 수 있는가?

주요 결과

• 이 논문은 최소 정점 커버, 최대 독립 집합, 최대 매칭과 같은 문제들에 대해 국소 계산에 대한 최초의 다항로그 하한을 확립한다.
• 최소 정점 커버 문제의 경우, 어떤 분산 알고리즘이라도 상수 또는 다항로그 근사 비율을 달성하기 위해 최소 Ω(log Δ / log log Δ)의 홉 이웃 정보가 필요하다.
• 커버링 및 팩킹 선형 프로그래밍을 위한 제안된 분산 알고리즘은 k번의 통신 라운드 내에 O(Δ^{1/k})의 근사 비율을 달성하며, 하한과 상수 인자 수준에서 정확히 일치한다.
• 최소 정점 커버 문제에 대해 상한과 하한이 거의 정확히 일치하며, 지수 부분에서만 O(log log Δ)의 갭이 존재한다.
• n에 대한 함수로 표현할 경우, 상한과 하한 사이의 잔여 갭은 Θ(√(log n / log log n))까지 클 수 있으며, 이는 현재 증명 기법의 한계를 시사한다.
• 결과적으로 일반 그래프는 유닛 디스크 그래프보다 국소적으로 계산하기가 엄격히 더 어렵다는 것이 드러났으며, 유닛 디스크 그래프는 O(log* n) 시간 내에 최대 독립 집합을 계산할 수 있고, 이는 Linial의 하한과 정확히 일치한다.