[논문 리뷰] Min-Max Graph Partitioning and Small Set Expansion

Nikhil Bansal, Uriel Feige외 6명|arXiv (Cornell University)|2011. 10. 19.

Advanced Graph Theory Research참고 문헌 27인용 수 22

한 줄 요약

이 논문은 정점들을 $k$개의 근본적으로 동일한 크기의 부분으로 나누어, 어떤 부분에서의 최대 컷 크기를 최소화하는 min-max 그래프 분할 문제에 대해 $O(\sqrt{\log n \log k})$-근사 알고리즘을 제안한다. 이 접근법은 소작업 확장(Small-Set Expansion, SSE) 문제에 대한 새로운 이중기준 근사법을 활용하며, 일반 그래프에 대해 $O(\sqrt{\log n \log(1/\rho)})$의 근사도를 달성하고, 고정된 미니어를 포함하지 않는 그래프에 대해서는 $O(1)$의 근사도를 달성하여 이전의 경계를 크게 향상시킨다.

ABSTRACT

We study graph partitioning problems from a min-max perspective, in which an input graph on n vertices should be partitioned into k parts, and the objective is to minimize the maximum number of edges leaving a single part. The two main versions we consider are where the k parts need to be of equal-size, and where they must separate a set of k given terminals. We consider a common generalization of these two problems, and design for it an $O(\sqrt{\log n\log k})$-approximation algorithm. This improves over an $O(\log^2 n)$ approximation for the second version, and roughly $O(k\log n)$ approximation for the first version that follows from other previous work. We also give an improved O(1)-approximation algorithm for graphs that exclude any fixed minor. Our algorithm uses a new procedure for solving the Small-Set Expansion problem. In this problem, we are given a graph G and the goal is to find a non-empty set $S\subseteq V$ of size $|S| \leq ρn$ with minimum edge-expansion. We give an $O(\sqrt{\log{n}\log{(1/ρ)}})$ bicriteria approximation algorithm for the general case of Small-Set Expansion, and O(1) approximation algorithm for graphs that exclude any fixed minor.

연구 동기 및 목표

• min-max 그래프 분할 문제를 다루며, $k$개의 부분 중 어느 부분에서의 최대 컷 크기를 최소화하는 것을 목표로 한다.
• 등분할 및 터미널 분리 문제를 모두 포함하는 일반화된 문제를 고려하고, 통합된 근사 프레임워크를 제공한다.
• 관련 변종에 대해 기존의 $O(k \log n)$ 및 $O(\log^2 n)$ 근사도를 향상시킨다.
• 소작업 확장(SSE) 문제에 대해 $\rho$ — 소작업의 크기 비율 — 에 대한 의존도를 개선한 이중기준 근사법을 개발한다.
• 특정 고정된 미니어를 포함하지 않는 그래프에 대해 상수 요소 근사도를 달성하며, 이러한 그래프의 구조적 특성을 활용한다.

제안 방법

• 일반 그래프에 대해 $O(\sqrt{\log n \log(1/\rho)})$의 근사도를 갖는 소작업 확장(SSE) 문제에 대한 이중기준 근사 알고리즘을 설계한다.
• 부분 수를 점차 줄여가는 다수의 수준에서 작동하는 재귀적 분할 전략을 사용하며, 각 수준에서 최소합 $k$-분할 알고리즘을 적용한다.
• 각 수준에서, 균형을 유지하고 비용을 제한하면서, 최소합 $k$-분할에 대한 이중기준 근사법을 사용해 부분을 재귀적으로 하위로 나눈다.
• 재귀 과정 중에 균형 잡힌 하위 인스턴스를 유지하기 위해 가짜 정점을 도입한다. 이는 최종 분할이 크기 제약 조건을 준수하도록 보장한다.
• 모든 재귀 수준에서의 컷 비용 총합이 $\alpha \cdot t \cdot \mathsf{OPT}$ 이하로 제한됨을 증명한다. 여기서 $t = \Theta(\log \log k)$ 이고 $\alpha$ 는 최소합 근사도의 요소이다.
• 원래 문제의 최적 해가 하위 인스턴스에서 타당한 해를 유도함을 활용하여, 수준 간에 비용 분해가 가능하다는 점을 이용한다.

실험 결과

연구 질문

• RQ1 기존의 $O(k \sqrt{\log n})$ 경계를 초월하여, min-max $k$-분할 문제에 대해 더 나은 근사 비율을 달성할 수 있는가?
• RQ2 등분할 및 터미널 분리 문제를 모두 다룰 수 있는 통합 프레임워크를 개발할 수 있는가?
• RQ3 특히 $\rho = 1/k$ 인 경우에 대해 $\rho$ 에 대한 의존도를 개선함으로써, 소작업 확장 문제를 더 효과적으로 근사할 수 있는가?
• RQ4 특정 고정된 미니어를 포함하지 않는 그래프에 대해서 근사 품질이 크게 향상되며, 만약 그렇다면 이를 상수 요소 근사도로 만들 수 있는가?
• RQ5 최소합 근사 알고리즘을 재귀적으로 적용하면, 수준 간 비용 분해를 통해 더 나은 min-max 보장을 달성할 수 있는가?

주요 결과

• 논문은 min-max $k$-분할 문제에 대해 $O(\sqrt{\log n \log k})$-근사도를 달성하여, 이전의 $O(k \sqrt{\log n})$ 경계를 크게 향상시켰다.
• 소작업 확장 문제에 대해 $O(\sqrt{\log n \log(1/\rho)})$의 근사도를 갖는 이중기준 근사법을 개발하였으며, 이는 $\rho = 1/k$ 인 경우에도 효과적이다.
• 특정 고정된 미니어를 포함하지 않는 그래프에 대해서는, 소작업 확장 및 min-max 분할 문제 모두에 대해 상수 요소 근사도를 달성한다.
• 재귀적 프레임워크는 컷의 총 비용이 $\alpha \cdot \log \log k \cdot \mathsf{OPT}$ 이하로 제한됨을 보장한다. 여기서 $\alpha$ 는 최소합 근사도의 요소이다.
• 기존 방법의 주요 병목 현상이었던 $k$에 대한 의존도를 선형에서 로그로 감소시켰다.
• 알고리즘은 최종 분할에서 $O(1)$-균형을 유지하여, 각 부분의 크기가 $n/k$의 상수 배 이내임을 보장한다.