[논문 리뷰] Nearly Maximum Flows in Nearly Linear Time

Jonah Sherman|arXiv (Cornell University)|2013. 04. 07.

Complexity and Algorithms in Graphs참고 문헌 7인용 수 6

한 줄 요약

이 논문은 간선의 혼잡도를 인자 α 내에서 근사하는 α-혼잡도근사함수를 사용하여, 무방향 그래프에서 $(1+\varepsilon)$-최적의 단일 공급 최대 유량을 거의 선형 시간에 계산하는 알고리즘을 제시한다. 현재 혼잡도와 과대평가된 잔여 수요 비용을 균형 잡는 잠재함수를 최소화함으로써, 알고리즘은 $\tilde{O}(m\varepsilon^{-2})$ 시간 복잡도를 달성하며, 이는 이 문제에 대해 알려진 바 있는 가장 빠른 알고리즘이다.

ABSTRACT

We introduce a new approach to the maximum flow problem in undirected, capacitated graphs using $α$-\emph{congestion-approximators}: easy-to-compute functions that approximate the congestion required to route single-commodity demands in a graph to within a factor of $α$. Our algorithm maintains an arbitrary flow that may have some residual excess and deficits, while taking steps to minimize a potential function measuring the congestion of the current flow plus an over-estimate of the congestion required to route the residual demand. Since the residual term over-estimates, the descent process gradually moves the contribution to our potential function from the residual term to the congestion term, eventually achieving a flow routing the desired demands with nearly minimal congestion after $ ilde{O}(α\eps^{-2}\log^2 n)$ iterations. Our approach is similar in spirit to that used by Spielman and Teng (STOC 2004) for solving Laplacian systems, and we summarize our approach as trying to do for $\ell_\infty$-flows what they do for $\ell_2$-flows. Together with a nearly linear time construction of a $n^{o(1)}$-congestion-approximator, we obtain $1+\eps$-optimal single-commodity flows undirected graphs in time $m^{1+o(1)}\eps^{-2}$, yielding the fastest known algorithm for that problem. Our requirements of a congestion-approximator are quite low, suggesting even faster and simpler algorithms for certain classes of graphs. For example, an $α$-competitive oblivious routing tree meets our definition, \emph{even without knowing how to route the tree back in the graph}. For graphs of conductance $ϕ$, a trivial $ϕ^{-1}$-congestion-approximator gives an extremely simple algorithm for finding $1+\eps$-optimal-flows in time $ ilde{O}(mϕ^{-1})$.

연구 동기 및 목표

• 무방향 용량 그래프에서 $(1+\varepsilon)$-최적의 단일 공급 최대 유량을 계산하는 더 빠른 알고리즘을 개발하는 것.
• 이전 방법들이 라플라스 해법기반 블랙박스에 의존하는 한계를 극복하기 위해, 혼잡도 최소화의 구조를 직접 활용하는 것.
• $\alpha$-혼잡도근사함수를 도구로 도입하고 활용하여 정확한 라우팅 없이도 잔여 유량 비용을 추정하는 것.
• 잠재함수 경내림과 효율적인 트리 기반의 유량 및 잠재함수 계산을 조합하여 거의 선형 시간 복잡도를 달성하는 것.

제안 방법

• 알고리즘은 잔여 결함이 있는 유량을 유지하며, 현재 혼잡도와 잔여 유량을 라우팅하는 과대평가된 비용을 조합한 잠재함수를 사용한다.
• 이 잠재함수를 반복적으로 최소화함으로써, 과대평가 덕분에 잔여 수정 사항이 결국 처리됨을 보장한다.
• 유량과 잠재함수 값을 효율적으로 계산하기 위해 숲 분해와 코어 정점 트리를 사용하는 재귀적 트리 기반 프레임워크를 활용한다.
• R과 $R^\top$는 트리 구조 위에서의 재귀적 절차를 통해 계산되며, R은 수요를 간선 혼잡도로 매핑하고 $R^\top$는 쌍대 잠재함수를 계산한다.
• 거의 선형 시간에 $n^{o(1)}$-혼잡도근사함수를 구성하는 데 의존함으로써, 근사 최적의 유량 계산이 가능해진다.
• 핵심 기초 연산으로는 $\mathtt{TreeFlow}$, $\mathtt{TreePotential}$, 그리고 계층적 숲-트리 분해에 기반한 재귀적 $\mathtt{ComputeR}$ 및 $\mathtt{ComputeR^\top}$ 절차가 있다.

실험 결과

연구 질문

• RQ1 블랙박스 라플라스 해법기반에 의존하지 않고, 무방향 그래프에서 $(1+\varepsilon)$-최적의 단일 공급 유량을 거의 선형 시간에 계산할 수 있는 알고리즘을 설계할 수 있는가?
• RQ2 계산이 쉬우면서도 혼잡도를 $\alpha$-근사하는 혼잡도근사함수를 사용하여 수학적으로 증명 가능한 수렴성을 갖는 최적화를 이끌 수 있는가?
• RQ3 현재 혼잡도와 과대평가된 잔여 비용을 균형 잡는 잠재함수를 최소화함으로써 유량 최적화를 달성할 수 있는가?
• RQ4 트리 기반의 구조와 재귀적 유량/잠재함수 계산을 활용하여 흐름 문제에서 거의 선형 시간 복잡도를 달성할 수 있는가?

주요 결과

• 알고리즘은 무방향 그래프에서 $(1+\varepsilon)$-최적의 단일 공급 유량을 $\tilde{O}(m\varepsilon^{-2})$ 시간에 계산하며, 이는 이 문제에 대해 알려진 바 있는 가장 빠른 런타임을 달성한다.
• 현재 혼잡도와 과대평가된 잔여 라우팅 비용을 조합한 잠재함수를 사용함으로써, 거의 최적의 유량으로 수렴함을 보장한다.
• 거의 선형 시간에 $n^{o(1)}$-혼잡도근사함수를 구성함으로써 전체 $\tilde{O}(m\varepsilon^{-2})$ 런타임이 가능해진다.
• 도전도 $\phi$를 갖는 그래프의 경우, 간단한 $\phi^{-1}$-혼잡도근사함수를 사용하면 $\tilde{O}(m\phi^{-1})$ 시간에 실행되는 단순한 알고리즘이 도출된다.
• 이 접근법은 임의의 $\alpha$-혼잡도근사함수로 일반화될 수 있으며, 특수한 그래프 클래스에서는 더 빠른 알고리즘 가능성도 시사한다.
• 트리 기반 기초 연산을 통해 $R$과 $R^\top$를 재귀적으로 계산하면 $\tilde{O}(tn)$ 시간에 수행되며, 이는 효율적인 잠재함수 및 유량 업데이트를 가능하게 한다.