[논문 리뷰] Massively Parallel Ruling Set Made Deterministic

Jeff Giliberti, Zahra Parsaeian|arXiv (Cornell University)|2024. 01. 01.

Scheduling and Optimization Algorithms인용 수 2

한 줄 요약

이 논문은 강한 하위선형 메모리 MPC 모델에서 2-루링 세트를 계산하기 위한 최초의 결정적, 하위로그 시간 알고리즘을 제안하며, Õ(√log n) 라운드를 달성한다. 또한 최근의 랜덤화 알고리즘을 유한 독립성으로 데 randomization 해제하여 선형 MPC 환경에서 상수 라운드 결정적 알고리즘을 제시함으로써, 최고의 알려진 랜덤화 복잡도를 달성하면서 최적의 전역 메모리 사용량을 확보한다.

ABSTRACT

We study the deterministic complexity of the $2$-Ruling Set problem in the model of Massively Parallel Computation (MPC) with linear and strongly sublinear local memory. Linear MPC: We present a constant-round deterministic algorithm for the $2$-Ruling Set problem that matches the randomized round complexity recently settled by Cambus, Kuhn, Pai, and Uitto [DISC'23], and improves upon the deterministic $O(\log \log n)$-round algorithm by Pai and Pemmaraju [PODC'22]. Our main ingredient is a simpler analysis of CKPU's algorithm based solely on bounded independence, which makes its efficient derandomization possible. Sublinear MPC: We present a deterministic algorithm that computes a $2$-Ruling Set in $ ilde O(\sqrt{\log n})$ rounds deterministically. Notably, this is the first deterministic ruling set algorithm with sublogarithmic round complexity, improving on the $O(\log Δ+ \log \log^* n)$-round complexity that stems from the deterministic MIS algorithm of Czumaj, Davies, and Parter [TALG'21]. Our result is based on a simple and fast randomness-efficient construction that achieves the same sparsification as that of the randomized $ ilde O(\sqrt{\log n})$-round LOCAL algorithm by Kothapalli and Pemmaraju [FSTTCS'12].

연구 동기 및 목표

• MPC 모델에서 2-루링 세트에 대한 랜덤화 알고리즘과 결정적 알고리즘 간 격차를 해소하기 위해.
• 강한 하위선형 메모리 환경에서 결정적 2-루링 세트 계산의 하위로그 시간 복잡도를 달성하기 위해.
• 최고의 알려진 랜덤화 라운드 복잡도를 따라가며 전역 메모리 사용량이 최적인 선형 메모리 환경에서 결정적 상수 라운드 알고리즘을 제공하기 위해.
• CKPU 알고리즘을 유한 독립성 하에서 분석하여 효율적인 데 randonization 가능성을 확보하기 위해.
• Kothapalli와 Pemmaraju의 랜덤화 LOCAL 알고리즘과 동일한 성능을 달성하는 랜덤성 효율적인 스퍼지피케이션 기법을 구축하기 위해.

제안 방법

• Cambus 등(CKPU)의 O(1)-라운드 랜덤화 2-루링 세트 알고리즘을 유한 독립성으로 데 randonization 해제하여 선형 MPC 환경에서 결정적 상수 라운드 솔루션을 달성하기 위해.
• 고도수 정점들을 반복적으로 샘플링하고 그 이웃들을 제거하는 다단계 스퍼지피케이션 프로세스를 설계하여 그래프의 최대 차수를 시간이 지남에 따라 감소시키기 위해.
• Kothapalli와 Pemmaraju(FSTTCS’12)의 스퍼지피케이션 프레임워크를 결정적이고 랜덤성 효율적인 방식으로 재구성하여 하위로그 시간 복잡도를 달성하기 위해.
• Lemma 4.1의 수정된 버전을 적용하여 V′ 부분집합을 샘플링함으로써 대부분의 고도수 정점들이 V′ 내에 일정 비율의 이웃을 가지도록 보장하여 효과적인 스퍼지피케이션을 확보하기 위해.
• ∆가 작을 경우 2-호프 이웃에 대해 Linial의 색칠 기법을 적용하여 O(1) 라운드 내에 poly(∆) 색칠을 계산함으로써 효율적인 국소 계산을 가능하게 하기 위해.
• 고도수 정점들에게 공간 소비를 전가하고, 잔여 그래프를 처리하기 위해 더 약한 샘플링 보조정리(Lemma 4.6)를 사용하여 전역 공간 사용량을 초과하지 않도록 최적화하기 위해.

실험 결과

연구 질문

• RQ1 선형 MPC 모델에서 결정적 2-루링 세트 알고리즘이 최고의 알려진 랜덤화 알고리즘과 동일한 상수 라운드 복잡도를 달성할 수 있는가?
• RQ2 강한 하위선형 MPC 환경에서 하위로그 시간 복잡도를 갖는 결정적 2-루링 세트 알고리즘을 설계할 수 있는가?
• RQ3 라운드 복잡도를 증가시키지 않고도 유한 독립성을 활용해 랜덤화 MPC 알고리즘을 데 randonization 할 수 있는가?
• RQ4 어떤 스퍼지피케이션 기법이 결정적 보장과 공간 효율성을 유지하면서도 하위로그 시간 복잡도를 달성할 수 있는가?
• RQ5 하위선형 MPC 모델에서 2-루링 세트 계산 시 전역 공간 사용량을 O(n + m) 이내로 유지할 수 있는가?

주요 결과

• 논문은 선형 MPC 모델에서 2-루링 세트에 대해 결정적 O(1)-라운드 알고리즘을 제안하며, 최고의 알려진 랜덤화 라운드 복잡도를 달성한다.
• Cambus 등(CKPU)의 랜덤화 알고리즘과 동일한 최적의 전역 공간 사용량 O(n + m)을 달성한다.
• 하위선형 MPC 환경에서, 결정적 2-루핑 세트 계산에 대해 Õ(√log n)라운드를 달성하였으며, 이는 첫 번째의 하위로그 시간 결정적 결과이다.
• 유한 독립성 기반의 새로운 스퍼지피케이션 기법과 반복적 샘플링을 사용하여, O(√log ∆) 반복 후 잔여 그래프의 최대 차수를 2^O(√log ∆)로 감소시킨다.
• 스퍼지피케이션 이후 잔여 그래프의 차수가 충분히 낮아져 O(√log ∆ + log log* n) 라운드 내에 효율적인 결정적 MIS 계산이 가능하다.
• 고도수 정점들에게 공간 소비를 전가하고, 잔여 그래프를 효율적으로 처리하기 위해 약한 샘플링 보조정리(Lemma 4.6)를 사용함으로써 전역 공간 사용량을 O(n + m) 이내로 유지한다.