[논문 리뷰] Palette Sparsification Beyond $(\Delta+1)$ Vertex Coloring

Noga Alon, Sepehr Assadi|arXiv (Cornell University)|2020. 06. 18.

Complexity and Algorithms in Graphs참고 문헌 29인용 수 4

한 줄 요약

이 논문은 고전적인 $(\Delta+1)$ 정점 색칠 프레임워크를 초월해 페alette 스퍼스피케이션을 확장하며, $(1+\varepsilon)\Delta$ 색칠에 대해 각 정점당 $O_\varepsilon(\sqrt{\log n})$개의 색을 샘플링하는 것으로도 고확률로 적절한 색칠이 가능함을 증명한다. 또한 삼각형을 포함하지 않는 그래프와 국소 리스트-색칠 설정에 대해 스퍼스피케이션 정리를 확립하여, 그래프 색칠에 대한 개선된 부분선형 및 스트리밍 알고리즘을 가능하게 한다.

ABSTRACT

A recent palette sparsification theorem of Assadi, Chen, and Khanna [SODA'19] states that in every $n$-vertex graph $G$ with maximum degree $\Delta$, sampling $O(\log{n})$ colors per each vertex independently from $\Delta+1$ colors almost certainly allows for proper coloring of $G$ from the sampled colors. Besides being a combinatorial statement of its own independent interest, this theorem was shown to have various applications to design of algorithms for $(\Delta+1)$ coloring in different models of computation on massive graphs such as streaming or sublinear-time algorithms. In this paper, we further study palette sparsification problems: * We prove that for $(1+\varepsilon) \Delta$ coloring, sampling only $O_{\varepsilon}(\sqrt{\log{n}})$ colors per vertex is sufficient and necessary to obtain a proper coloring from the sampled colors. * A natural family of graphs with chromatic number much smaller than $(\Delta+1)$ are triangle-free graphs which are $O(\frac{\Delta}{\ln{\Delta}})$ colorable. We prove that sampling $O(\Delta^{\gamma} + \sqrt{\log{n}})$ colors per vertex is sufficient and necessary to obtain a proper $O_{\gamma}(\frac{\Delta}{\ln{\Delta}})$ coloring of triangle-free graphs. * We show that sampling $O_{\varepsilon}(\log{n})$ colors per vertex is sufficient for proper coloring of any graph with high probability whenever each vertex is sampling from a list of $(1+\varepsilon) \cdot deg(v)$ arbitrary colors, or even only $deg(v)+1$ colors when the lists are the sets $\{1,\ldots,deg(v)+1\}$. Similar to previous work, our new palette sparsification results naturally lead to a host of new and/or improved algorithms for vertex coloring in different models including streaming and sublinear-time algorithms.

연구 동기 및 목표

• 가용 색의 수가 $\Delta+1$보다 크게 또는 작게 되는 경우에도 고전적인 $(\Delta+1)$ 색칠 설정을 초월해 페alette 스퍼스피케이션 프레임워크를 확장하는 것.
• $(1+\varepsilon)\Delta$ 색칠에 대한 스퍼스피케이션 임계값을 분석하여, 각 정점당 $O_\varepsilon(\sqrt{\log n})$개의 색을 샘플링하는 것으로도 충분함을 보이는 것.
• 삼각형을 포함하지 않는 그래프에 대해 특화된 페alette 스퍼스피케이션 정리를 개발하여, 이들은 $O(\Delta / \ln \Delta)$-색칠 가능하며, 각 정점당 $O(\Delta^\gamma + \sqrt{\log n})$개의 색을 샘플링하는 것으로 충분함을 보이는 것.
• 각 정점이 자신의 차수에 비례하는 크기의 색 리스트를 사용하는 국소 페alette 스퍼스피케이션 결과를 확립하여, $(1+\varepsilon)\cdot \deg(v)$ 리스트 또는 $\deg(v)+1$ 리스트에 대해 각 정점당 $O_\varepsilon(\log n)$개의 색을 샘플링하는 것으로도 고확률로 적절한 색칠이 가능함을 증명하는 것.
• 새로운 스퍼스피케이션 결과를 기반으로 기존 작업보다 공간 및 질의 복잡도 측면에서 향상된 부분선형 및 스트리밍 알고리즘을 도출하는 것.

제안 방법

• 확률적 분석과 농도 경계를 사용하여, $(1+\varepsilon)\Delta$ 페alette에서 각 정점당 $O_\varepsilon(\sqrt{\log n})$개의 색을 샘플링하면 고확률로 적절한 색칠이 가능함을 증명하는 것.
• 기존의 색칠 수에 대한 알려진 경계($O(\Delta / \ln \Delta)$)를 활용하여 삼각형을 포함하지 않는 그래프의 구조를 분석하고, 이 조건 하에서 스퍼스피케이션을 적용하여 $O(\Delta^\gamma + \sqrt{\log n})$개의 색을 샘플링하는 것으로 충분함을 증명하는 것.
• 각 정점 $v$가 약 $\deg(v)$ 크기의 리스트에서 색을 샘플링하는 국소 페alette 스퍼스피케이션 모델을 도입하고, 각 정점당 $O_\varepsilon(\log n)$개의 색을 샘플링하는 것으로도 고확률로 적절한 색칠이 가능함을 증명하는 것.
• 정점을 $k$개의 집합으로 무작위 분할하여 최대 차수와 이웃의 밀도를 감소시키고, 이로 인해 제한된 페alette 크기로 재귀적 색칠이 가능하도록 하는 것.
• Chernoff 경계와 유니온 경계를 활용하여, 무작위 분할 이후에 유도된 부분그래프의 이웃의 수와 차수를 제어하는 것.
• 스퍼스피케이션 결과를 기존의 부분선형 알고리즘 프레임워크와 융합하여 스트리밍 및 질의 모델에서 공간 및 질의 복잡도를 향상시킨 알고리즘적 함의를 도출하는 것.

실험 결과

연구 질문

• RQ1 고확률로 $(1+\varepsilon)\Delta$ 색칠을 보장하기 위해 각 정점당 최소 몇 개의 색을 샘플링해야 하는가?
• RQ2 색칠 수가 $\Delta+1$보다 훨씬 낮은 그래프, 예를 들어 삼각형을 포함하지 않는 그래프에 대해 페alette 스퍼스피케이션을 효과적으로 확장할 수 있는가?
• RQ3 각 정점의 차수에 비례하는 크기의 리스트를 사용하는 국소 리스트-색칠에서, 각 정점당 로그 이하의 샘플링으로도 페alette 스퍼스피케이션 정리가 성립하는가?
• RQ4 새로운 스퍼스피케이션 정리를 활용하여 스트리밍 또는 질의 모델에서 그래프 색칠에 대한 개선된 부분선형 알고리즘을 설계할 수 있는가?
• RQ5 희박한 이웃 또는 삼각형을 포함하지 않는 그래프에서, 샘플링된 색의 수와 색칠 수 사이의 상호 교환 관계는 어떠한가?

주요 결과

• $(1+\varepsilon)\Delta$ 색칠에 대해 각 정점당 $O_\varepsilon(\sqrt{\log n})$개의 색을 샘플링하는 것은 고확률로 적절한 색칠을 달성하기 위해 충분하고 필수적이다.
• 삼각형을 포함하지 않는 그래프는 $O(\Delta / \ln \Delta)$-색칠 가능하며, 이에 대해 각 정점당 $O(\Delta^\gamma + \sqrt{\log n})$개의 색을 샘플링하는 것으로도 고확률로 $O(\Delta^\gamma / \ln \Delta)$-색칠이 가능하고, 이는 충분하고 필수적이다.
• 국소 리스트-색칠 모델에서 각 정점이 $(1+\varepsilon)\cdot \deg(v)$개의 색을 포함하는 리스트에서 샘플링할 경우, 각 정점당 $O_\varepsilon(\log n)$개의 색을 샘플링하는 것으로도 고확률로 적절한 색칠이 가능하다.
• 특수한 경우로 각 정점의 리스트 크기가 정확히 $\deg(v)+1$인 경우, 예를 들어 $\{1, \dots, \deg(v)+1\}$일 경우에도 각 정점당 $O_\varepsilon(\log n)$개의 색을 샘플링하는 것으로도 고확률로 적절한 색칠이 보장된다.
• 새로운 스퍼스피케이션 정리는 $\delta$-희박한 이웃을 가진 그래프에서 $O(\Delta / \ln(1/\delta))$-색칠을 위한 랜덤화된 단일 패assing 스트리밍 알고리즘으로 이어지며, 이 알고리즘은 $\widetilde{O}(n/\delta)$의 공간을 사용한다.
• 동일한 그래프 클래스에 대해 비적응형 질의 알고리즘도 도출되며, 이는 $\widetilde{O}(n^{3/2}/\delta)$개의 질의와 $\widetilde{O}(n^{3/2} \cdot \text{poly}(1/\delta))$의 실행 시간을 갖는다.