[논문 리뷰] Probabilistic Spectral Sparsification In Sublinear Time

Yin Tat Lee|arXiv (Cornell University)|2013. 12. 31.

Complexity and Algorithms in Graphs참고 문헌 15인용 수 4

한 줄 요약

이 논문은 밀도 높은 그래프에서의 컷 기반 최적화 문제를 부분선형 시간 내에 해결하는 데 도전하는 문제를 다루며, 모든 컷 $(S,S^c)$에 대해 $1\pm\varepsilon$ 스펙트럴 스퍼스피피케이션을 제공하는 새로운 형태의 확률적 $(\varepsilon,\delta)$-스펙트럴 스퍼스피케이션을 제안한다. 이 방법은 $O(n\log n/\varepsilon^2)$ 개의 간선을 가지며 $\tilde{O}(n/\varepsilon^2\delta)$ 시간 내에 구현되며, 기존의 $\tilde{O}(m)$ 시간 복잡도를 가지는 전통적 방법보다 훨씬 빠르게 작동한다. 이는 최소 $s$-$t$ 컷, 균형 잡힌 분리, 스퍼스티 테스트 컷 문제에 대해 가장 빠른 알려진 부분선형 시간 알고리즘을 가능하게 한다.

ABSTRACT

In this paper, we introduce a variant of spectral sparsification, called probabilistic $(\varepsilon,δ)$-spectral sparsification. Roughly speaking, it preserves the cut value of any cut $(S,S^{c})$ with an $1\pm\varepsilon$ multiplicative error and a $δ\left|S ight|$ additive error. We show how to produce a probabilistic $(\varepsilon,δ)$-spectral sparsifier with $O(n\log n/\varepsilon^{2})$ edges in time $ ilde{O}(n/\varepsilon^{2}δ)$ time for unweighted undirected graph. This gives fastest known sub-linear time algorithms for different cut problems on unweighted undirected graph such as - An $ ilde{O}(n/OPT+n^{3/2+t})$ time $O(\sqrt{\log n/t})$-approximation algorithm for the sparsest cut problem and the balanced separator problem. - A $n^{1+o(1)}/\varepsilon^{4}$ time approximation minimum s-t cut algorithm with an $\varepsilon n$ additive error.

연구 동기 및 목표

• 밀도가 높은 그래프에서의 컷 기반 최적화 문제를 처리할 수 있는 부분선형 시간 알고리즘을 개발함으로써, 크기가 너무 커서 명시적 처리가 불가능한 상황을 해결하고자 한다.
• 모든 실수 벡터 $u$에 대해 이차형식의 하한과 상한을 만족하는 새로운 형태의 스펙트럴 스퍼스피케이션—확률적 $(\varepsilon,\delta)$-스펙트럴 스퍼스피케이션을 개발하여 컷 값에 대한 스펙트럴 보존을 보장하고, 스펙트럴 보존에 대해 승법 오차 $1\pm\varepsilon$와 덧셈 오차 $\delta\|u\|_2^2$를 동시에 확보하고자 한다.
• 기존 방법이 요구하는 $\tilde{O}(m)$ 시간 복잡도를 초월하여, 스퍼스피케이터를 부분선형 시간 내에 구성할 수 있는 알고리즘을 설계하고자 한다.
• 스퍼스티 테스트 컷, 최소 $s$-$t$ 컷과 같은 기본 그래프 문제에 대해 부분선형 시간 근사치를 얻기 위한 거의 최적의 쿼리 복잡도와 런타임을 달성하고자 한다.

제안 방법

• 모든 실수 벡터 $u$에 대해 이차형식의 하한과 상한을 만족하는 확률적 스펙트럴 스퍼스피케이터를 제안하며, 이는 컷 값 보존에 대해 $1\pm\varepsilon$ 승법 오차와 $\delta\|u\|_2^2$ 덧셈 오차를 보장한다.
• 행렬 농도 분포를 사용하지 않고 그래프의 구조와 집중 경계를 활용하여 $\tilde{O}(m)$ 시간을 피함으로써 부분선형 시간 내에 스퍼스피케이터를 구성할 수 있도록 한다.
• 효율적 저항을 직접 계산하지 않고도 그래프의 구조에서 유도된 간선 확률 기반의 샘플링 전략을 사용한다.
• 오직 부분선형 수준의 간선만을 탐색하는 랜덤라이즈드 쿼리 모델을 적용하며, 이항 분포 집중 경계를 사용하여 컷 추정치의 오차를 제한한다.
• 일반 그래프 쿼리 모델을 활용하여, 알고리즘이 입력 그래프의 차수, 이웃, 간선 쿼리를 수행할 수 있도록 한다.
• 야오의 원리와 적대적 그래프 구성 기법을 사용하여 쿼리 복잡도의 하한을 증명하며, 알고리즘이 거의 최적임을 보여준다.

실험 결과

연구 질문

• RQ1 밀도가 높은 비가중치 그래프에 대해 스펙트럴 스퍼스피케이션을 부분선형 시간 보장을 갖도록 조정할 수 있는가?
• RQ2 부분선형 시간 내에 흩어진 랜덤 그래프를 사용하여 컷 보존에 대해 $1\pm\varepsilon$ 승법 오차와 $\delta|S|$ 덧셈 오차를 동시에 달성할 수 있는가?
• RQ3 효율적 저항을 계산하지 않거나 $\tilde{O}(m)$ 시간을 초과하지 않고도 이러한 스퍼스피케이터를 구성할 수 있는가?
• RQ4 일반 그래프 쿼리 모델에서 확률적 $(\varepsilon,\delta)$-스펙트럴 스퍼스피케이터를 구성할 때 최적의 쿼리 복잡도는 무엇인가?
• RQ5 기존의 부분선형 시간 알고리즘과 비교해 볼 때, 이 방법은 컷 문제의 런타임과 근사 품질 측면에서 어떻게 성능을 내는가?

주요 결과

• 알고리즘은 $O(n\log n/\varepsilon^2)$ 개의 간선을 가지며 $\tilde{O}(n/\varepsilon^2\delta)$ 시간 내에 확률적 $(\varepsilon,\delta)$-스펙트럴 스퍼스피케이터를 구성하며, 이는 이전 방법보다 크게 향상되었다.
• 스퍼스티 테스트 컷 및 균형 잡힌 분리 문제에 대해 $\tilde{O}(n/OPT + n^{3/2+t})$ 시간 내에 $O(\sqrt{\log n/t})$-근사치를 달성한다.
• 최소 $s$-$t$ 컷 문제에 대해 $\varepsilon n$ 덧셈 오차를 허용하는 경우 $n^{1+o(1)}/\varepsilon^4$-시간 근사 알고리즘을 제공한다.
• 쿼리 복잡도 $\Omega(n/\varepsilon^2 + n/\delta)$ 가 정확히 타이트함을 증명하여, 알고리즘이 거의 최적임을 보여준다.
• 행렬 농도 분포에 의존하는 것 대신, $\delta \sum d(x)u^2(x)$ 오차를 유발하는 대신 더 엄격한 $\delta\|u\|_2^2$ 경계를 달성한다.
• 컷 스퍼스피케이션 및 스퍼스티 테스트 컷 문제에 대해 하한이 확립되어 있으며, 일반 그래프 쿼리 모델 내에서 알고리즘의 효율성이 거의 최적임을 확인한다.