[논문 리뷰] Parameterized Distributed Algorithms

Ran Ben Basat, Ken‐ichi Kawarabayashi외 1명|arXiv (Cornell University)|2018. 07. 13.

Complexity and Algorithms in Graphs참고 문헌 3인용 수 5

한 줄 요약

이 논문은 LOCAL 및 CONGEST 모델에서 최소 정점 커버(MVC), 최대 매칭(MaxM), 최대 독립 집합(MaxIS)와 같은 기본적인 그래프 최적화 문제에 대해 파라미터화된 분산 알고리즘을 소개한다. LOCAL 모델에서 (1+ϵ)-근사에 대해 Ω(ϵ⁻¹) 라운드의 새로운 하한을 확립하고, MVC, MaxM, MaxIS의 (1+ϵ)-근사 복잡도를 (ϵ⁻¹ log n)Θ(1)로 확정하며, MVC와 MaxM를 2보다 엄격히 작은 인자로 근사하는 최초의 결정적 o(n²)-라운드 CONGEST 알고리즘을 제시한다.

ABSTRACT

In this work, we initiate a thorough study of parameterized graph optimization problems in the distributed setting. In a parameterized problem, an algorithm decides whether a solution of size bounded by a \emph{parameter} $k$ exists and if so, it finds one. We study fundamental problems, including Minimum Vertex Cover (MVC), Maximum Independent Set (MaxIS), Maximum Matching (MaxM), and many others, in both the LOCAL and CONGEST distributed computation models. We present lower bounds for the round complexity of solving parameterized problems in both models, together with optimal and near-optimal upper bounds. Our results extend beyond the scope of parameterized problems. We show that any LOCAL $(1+ε)$-approximation algorithm for the above problems must take $Ω(ε^{-1})$ rounds. Joined with the algorithm of [GKM17] and the $Ω(\sqrt{\frac{\log n}{\log\log n}})$ lower bound of [KMW16], this settles the complexity of $(1+ε)$-approximating MVC, MaxM and MaxIS at $(ε^{-1}\log n)^{Θ(1)}$. We also show that our parameterized approach reduces the runtime of exact and approximate CONGEST algorithms for MVC and MaxM if the optimal solution is small, without knowing its size beforehand. Finally, we propose the first deterministic $o(n^2)$ rounds CONGEST algorithms that approximate MVC and MaxM within a factor strictly smaller than $2$.

연구 동기 및 목표

• 분산 환경에서 MVC, MaxM, MaxIS와 같은 문제들에 대한 파라미터화된 그래프 최적화 문제를 연구한다.
• LOCAL 및 CONGEST 모델에서 이러한 문제들의 파라미터화된 판본에 대해 라운드 복잡도의 엄밀한 하한 및 상한을 설정한다.
• 최적 해의 크기 k가 작을 경우, k에 대한 사전 지식 없이도 파라미터화된 알고리즘이 런타임을 크게 줄일 수 있음을 보여준다.
• MVC와 MaxM를 2보다 엄격히 작은 인자로 근사하는 최초의 결정적 o(n²)-라운드 CONGEST 알고리즘을 개발한다.
• 분산 계산에 파라미터화된 복잡도 이론을 적용하여, 파라미터화 범위를 초월해 새로운 하한과 알고리즘적 향상을 드러낸다.

제안 방법

• 각 노드가 파라미터 k를 알고 있으며, 크기가 ≤k(또는 최대화 문제의 경우 ≥k)인 해가 존재하는지 결정해야 하는 파라미터화된 프레임워크를 제안한다.
• MVC에서 MFVS 및 MFES로의 감소를 통해 하한을 전달하여, LOCAL 모델에서 상수 근사에 대해 Ω(D) 라운드가 필요하다는 것을 증명한다.
• 확률적 및 조합적 추론을 통해, MVC, MaxM, MaxIS 및 관련 문제들에 대해 LOCAL 모델에서 (1+ϵ)-근사에 대해 새로운 Ω(ϵ⁻¹) 라운드 하한을 확립한다.
• O(k + (kϵ)²) 라운드 내에 실행되는 k-MVC 및 k-MaxM 알고리즘을 설계하여, 이중 탐색을 통해 k 값에 대한 효율적 탐색을 가능하게 한다.
• 파라미터화된 탐색 전략을 적용: k = 2⁰, 2¹, ... 를 순차적으로 테스트하여 유효한 해를 찾고, 이후 해의 크기에 대해 이중 탐색을 수행하여 (1+ϵ)-또는 (2−ϵ)-근사 해를 확보한다.
• 파라미터화된 알고리즘과 고전적 근사 기법을 융합하여, 최적 해의 크기가 작을 경우 비파라미터화된 문제에 대해 더 빠른 알고리즘을 도출한다.

실험 결과

연구 질문

• RQ1 LOCAL 모델에서 MVC, MaxM, MaxIS에 대한 파라미터화된 (1+ϵ)-근사의 라운드 복잡도는 얼마인가?
• RQ2 최적 해의 크기 k가 작을 경우, k에 대한 사전 지식 없이도 파라미터화된 알고리즘이 정확한 및 근사적 CONGEST 알고리즘의 런타임을 줄일 수 있는가?
• RQ3 MVC와 MaxM를 2보다 엄격히 작은 인자로 근사하는 최초의 결정적 o(n²)-라운드 CONGEST 알고리즘을 설계할 수 있는가?
• RQ4 MFVS 및 MFES와 같은 전역적인 구조를 가진 문제들에 대해, LOCAL 및 CONGEST 모델에서의 파라미터화된 근사에 대한 엄밀한 하한은 무엇인가?
• RQ5 최적 해의 크기가 작을 경우, 파라미터화된 알고리즘은 고전적인 분산 문제의 라운드 복잡도를 어떻게 향상시킬 수 있는가?

주요 결과

• 논문은 MVC, MaxM, MaxIS 및 관련 문제들에 대해 LOCAL 모델에서 어떤 (1+ϵ)-근사 알고리즘에도 Ω(ϵ⁻¹) 라운드의 엄밀한 하한을 확립한다.
• 이 하한과 이전 연구 결과를 결합하여, MVC, MaxM, MaxIS의 (1+ϵ)-근사 복잡도가 (ϵ⁻¹ log n)Θ(1)로 확정된다.
• 논문은 MVC와 MaxM를 2보다 엄격히 작은 인자로 근사하는 최초의 결정적 o(n²)-라운드 CONGEST 알고리즘을 제시한다.
• MVC와 MaxM에 대해, 논문은 O(log ϵ⁻¹ · (OPT + (ϵ·OPT)²)) 라운드 내에서 (2−ϵ)-근사를 달성하며, OPT가 작을 경우 이전의 복잡도 기준을 향상시킨다.
• 논문은 최적 해의 크기가 작을 경우 파라미터화된 알고리즘이 비파라미터화된 문제에 대해 더 빠른 알고리즘을 도출할 수 있음을 보여주며, 2-근사에 대해 O(OPT log OPT) 라운드를 달성한다.
• 결과는 파라미터화된 알고리즘이 k가 작을 경우 성능을 향상시키는 데 그치지 않고, CONGEST 모델에서 고전적 문제에 대해 새로운 빠른 알고리즘을 도출함을 보여준다.