[논문 리뷰] Low-Memory Algorithms for Online Edge Coloring

Prantar Ghosh, Manuel Stoeckl|arXiv (Cornell University)|2023. 04. 24.

Complexity and Algorithms in Graphs인용 수 2

한 줄 요약

이 논문은 하위선형 공간에서 O(∆)-색칠을 달성하는 저메모리 온라인 및 W스트리밍 알고리즘을 제안한다. 기존 작업과 비교해 메모리 사용을 크게 줄였으며, 무작위 순열과 동적 색상 풀 관리를 통해 간선 도착 시 Õ(n√∆) 공간, 정점 도착 시 반-스트리밍 공간에서 O(∆)-경쟁률을 달성한다. 또한 메모리와 색상 수 사이의 매끄러운 트레이드오프를 제공한다.

ABSTRACT

For edge coloring, the online and the W-streaming models seem somewhat orthogonal: the former needs edges to be assigned colors immediately after insertion, typically without any space restrictions, while the latter limits memory to sublinear in the input size but allows an edge's color to be announced any time after its insertion. We aim for the best of both worlds by designing small-space online algorithms for edge coloring. We study the problem under both (adversarial) edge arrivals and vertex arrivals. Our results significantly improve upon the memory used by prior online algorithms while achieving an $O(1)$-competitive ratio. In particular, for $n$-node graphs with maximum vertex-degree $Δ$ under edge arrivals, we obtain an online $O(Δ)$-coloring in $ ilde{O}(n\sqrtΔ)$ space. This is also the first W-streaming edge-coloring algorithm using $O(Δ)$ colors (in sublinear memory). All prior works either used linear memory or $ω(Δ)$ colors. We also achieve a smooth color-space tradeoff: for any $t=O(Δ)$, we get an $O(Δt (\log^2 Δ))$-coloring in $ ilde{O}(n\sqrt{Δ/t})$ space, improving upon the state of the art that used $ ilde{O}(nΔ/t)$ space for the same number of colors (the $ ilde{O}(.)$ notation hides polylog$(n)$ factors). The improvements stem from extensive use of random permutations that enable us to avoid previously used colors. Most of our algorithms can be derandomized and extended to multigraphs, where edge coloring is known to be considerably harder than for simple graphs.

연구 동기 및 목표

• 하위선형 메모리로 유지하면서 O(∆)-경쟁률을 확보하는 온라인 간선 색칠 알고리즘을 설계하는 것.
• 제한된 메모리에서 즉각적인 색상 할당을 가능하게 하여 온라인 모델과 W스트리밍 모델 간 격차를 메우는 것.
• 기존 작업에서 선형 메모리가 필요하거나 하위선형 공간에서 ω(∆)개의 색상을 사용하는 문제를 개선하는 것.
• 다중그래프로의 접근을 일반화하고 결정론적 변형을 제공하는 것.
• 간선 도착 및 정점 도착 설정 모두에서 공간-색상 트레이드오프를 매끄럽게 설정하는 것.

제안 방법

• 모든 이전 할당을 저장하지 않고도 이전에 사용된 색상을 효율적으로 샘플링하고 피하는 데 무작위 순열을 활용한다.
• 각 정점에서 동적 색상 풀을 유지하며, 순열을 사용해 점진적으로 확장하여 이용 가능한 색상을 찾는다.
• 오рак불 무작위성을 사용한 '시도 후 기각' 전략을 통해 모든 무작위 선택을 명시적으로 저장하지 않는다.
• 색상을 연기할 수 있지만 메모리가 하위선형인 새로운 W스트리밍 모델을 도입하여 공간 효율적인 처리를 가능하게 한다.
• 구조적 무작위성을 사용해 알고리즘을 결정론화하고, 다중그래프에 대해 정당성 증명을 한다.
• 스위칭 네트워크에서의 경로 제약 분석과 k-순서 독립성의 정교한 분석을 통해 공간 범위를 확보한다.

실험 결과

연구 질문

• RQ1 공격자에 의해 도착하는 간선에 대해 하위선형 메모리로 O(∆)-색칠을 달성할 수 있는가?
• RQ2 O(∆)개의 색상과 하위선형 공간을 사용하는 W스트리밍 간선 색칠 알고리즘을 설계할 수 있는가?
• RQ3 온라인 간선 색칠에서 메모리 사용량과 색상 수 사이의 최적 트레이드오프는 무엇인가?
• RQ4 제안된 기법을 다중그래프로 확장하고 결정론적으로 만들 수 있는가?
• RQ5 선형 이하의 메모리 사용량을 유지하면서도 일정한 경쟁률을 확보할 수 있는가?

주요 결과

• 공격자에 의해 도착하는 간선에 대해 Õ(n√∆) 공간에서 O(∆)-색칠을 달성하며, 이는 이전 온라인 알고리즘보다 더 적은 메모리 사용을 개선한다.
• 하위선형 메모리에서 O(∆)개의 색상을 사용하는 첫 번째 W스트리밍 간선 색칠 알고리즘을 도입하여 핵심 열린 문제를 해결한다.
• 매끄러운 공간-색상 트레이드오프를 확립한다: Õ(n√∆/t) 공간에서 O(∆t)-색칠을 달성하며, 동일한 색상 수에 대해 이전 최고 기술의 Õ(n∆/t) 공간보다 향상된다.
• 정점 도착 모델에서는 공간 사용량을 O(n polylog n)으로 줄여 일반 그래프 및 이분 그래프에서 반-스트리밍 범위를 달성한다.
• 모든 알고리즘은 결정론화 가능하며 다중그래프로 일반화 가능하다. 다중그래프에서는 간선 색칠이 더 복잡하다.
• 무작위 알고리즘이 고확률적으로 Õ(n) 및 Õ(n√∆) 공간을 사용할 것이라 추측하지만, 엄밀한 증명은 아직 열려 있다.