[논문 리뷰] Nearly Optimal Space Efficient Algorithm for Depth First Search

Jayesh Choudhari, Manoj Gupta외 1명|arXiv (Cornell University)|2018. 10. 16.

Computational Geometry and Mesh Generation참고 문헌 10인용 수 4

한 줄 요약

이 논문은 $O(m + n/\log^{*}n)$ 시간에 $O(n)$ 비트 메모리만을 사용하여 작동하는 랜덤화되고 공간 효율적인 깊이 우선 탐색(DFS) 알고리즘을 제안한다. 이는 엄격한 공간 제약 조건 하에서 거의 최적의 성능을 달성한다. 고계층 데이터 구조와 $O(1)$ 평균 시간 연산을 지원하는 압축된 사전을 활용하여, DFS 트리를 저장하지 않고도 정점 상태와 간선 탐색을 효율적으로 추적함으로써 오랫동안 남아있던 $O(n)$ 비트 DFS 알고리즘의 빠른 수행 문제를 해결한다.

ABSTRACT

We design a space-efficient algorithm for performing depth-first search traversal(DFS) of a graph in $O(m+n\log^* n)$ time using $O(n)$ bits of space. While a normal DFS algorithm results in a DFS-tree (in case the graph is connected), our space bounds do not permit us even to store such a tree. However, our algorithm correctly outputs all edges of the DFS-tree. The previous best algorithm (which used $O(n)$ working space) took $O(m \log n)$ time (Asano, Izumi, Kiyomi, Konagaya, Ono, Otachi, Schweitzer, Tarui, Uehara (ISAAC 2014) and Elmasry, Hagerup, Krammer (STACS 2015)). The main open question left behind in this area was to design faster algorithm for DFS using $O(n)$ bits of space. Our algorithm answers this open question as it has a nearly optimal running time (as the DFS takes $O(m+n)$ time even if there is no space restriction).

연구 동기 및 목표

• 이론적 최적성과 실용적 공간 효율성 사이의 격차를 메우기 위해, near-linear 시간 내에 작동하면서도 오직 $O(n)$ 비트의 공간만을 사용하는 DFS 알고리즘을 설계하는 것.
• Asano 등(2014) 이후 오랫동안 해결되지 않은, $O(n)$ 비트로 $o(m\log n)$ 시간 내에 DFS를 수행할 수 있는지 여부라는 열린 문제를 해결하는 것.
• 공간이 심각하게 제한된 환경, 예를 들어 IoT 기기와 대용량 데이터 시스템에서의 메모리 제약 조건 하에서도 효율적인 DFS 탐색을 가능하게 하는 것.
• 확률적으로 높은 정확도($1 - 1/n^c$)를 보장하는 실용적인 랜덤 알고리즘을 개발하여, 동적 데이터 구조에서의 각 연산에 대해 $O(1)$ 평균 시간을 유지하는 것.

제안 방법

• 정점의 차수 기반으로 고계층적 분할을 수행하여, 고차수 정점과 저차수 정점을 각각 $\mathcal{S}_i$ 및 $\mathcal{T}_i$ 레벨로 그룹화한다.
• 중요 정점에 대해 동적 사전 $\mathcal{H}_i$ 를 유지하며, $O(1)$ 평균 시간에 삽입 및 삭제가 가능한 압축된 데이터 구조를 사용한다.
• 백색, GRAY, BLACK을 이용한 색상 기반 상태 추적 시스템을 사용하여 DFS 탐색을 시뮬레이션하고, 업데이트 후 데이터 구조 일관성을 유지하기 위한 복원 절차를 구현한다.
• 레벨 $\mathcal{S}_i$ 는 필요에 따라만 Restore-Full 또는 Restore-Empty 절차를 통해 복원되며, 각 레벨당 최대 $O((\log^{(i)}n)^2)$ 번의 복원이 허용되며, 이는 복원 비용이 총 시간 복잡도 내에 유지됨을 보장한다.
• 반복 로그 함수 $\log^{(i)}n$ 의 사용을 통해 공간과 시간의 균형을 이루며, 모든 구조물의 총 공간은 $O(n)$ 비트 이내로 제한된다.
• 입력은 읽기 전용이고 작업 공간은 $O(n)$ 비트로 제한되는 레지스터 입력 모델을 활용하여, 입력 그래프를 수정하지 않으면서도 공간 효율성을 확보한다.

실험 결과

연구 질문

• RQ1 엄격한 공간 제약 조건 하에서 $O(n)$ 비트로 $o(m\log n)$ 시간 내에 DFS를 수행할 수 있는가? 이는 공간 제약 조건 하에서 거의 최적의 시간 복잡도를 달성하는가?
• RQ2 공간 제약 조건 하에서 $O(n)$ 비트 메모리로 $O(1)$ 평균 시간 연산을 지원하는 동적 데이터 구조를 어떻게 설계할 수 있는가? 이는 DFS 탐색의 정확성을 유지하는 데 필수적인가?
• RQ3 DFS 트리를 저장하지 않고도 DFS 탐색을 시뮬레이션하기 위해 필요한 최소한의 공간 오버헤드는 얼마인가? 특히 그래프 스트리밍 및 메모리 제약 조건이 심한 환경에서의 적용을 고려할 때.
• RQ4 고계층 정점 그룹화와 반복 로그 수준의 사용이 공간 제약 조건이 심한 DFS 알고리즘에서 총 연산 수와 복원 시간을 줄일 수 있는가?

주요 결과

• 알고리즘은 높은 확률($(1 - 1/n^c)$)로 $O(m + n\log^{*}n)$ 시간에 실행되며, 이는 이론적 하한($O(m+n)$)에 매우 가까운 거의 최적의 성능이다.
• 총 공간 사용량은 $O(n)$ 비트 이내로 제한되며, 모든 보조 데이터 구조(사전 및 레벨 집합 포함)는 총 공간에 대해 비선형적으로 기여한다.
• 어느 구조 $\mathcal{S}_i$ 이든 복원되는 횟수는 $O((\log^{(i)}n)^2)$ 이내로 제한되며, 이는 총 복원 비용이 총 시간 복잡도 내에 유지됨을 보장한다.
• 각 연산에 대해 $O(1)$ 평균 시간을 보장하는 압축된 사전의 사용은 정점 상태 및 그룹 소속 관계를 효율적으로 추적할 수 있게 하며, 이는 공간 제약 조건 하에서도 성능을 유지하는 데 핵심적이다.
• 모든 고계층 구조 $\mathcal{T}_i$ 와 $\mathcal{H}_i$ 의 누적 공간은 점점 작아지며, $O(n)$ 비트 이내로 수렴하여 설계의 공간 효율성을 확인한다.
• Asano 등과 Hagerup의 이전 $O(m\log n)$ 시간 $O(n)$-비트 DFS 알고리즘에 비해 시간 복잡도를 거의 선형($m+n$)으로 감소시켜 향상된 성능을 달성한다.