[논문 리뷰] The Sparse Awakens: Streaming Algorithms for Matching Size Estimation in Sparse Graphs

Graham Cormode, Hossein Jowhari외 2명|arXiv (Cornell University)|2016. 08. 10.

Optimization and Search Problems참고 문헌 27인용 수 10

한 줄 요약

이 논문은 산술성(의수)이 유계인 희박한 그래프에서 최대 매칭 크기를 추정하기 위한 향상된 스트리밍 알고리즘을 제안한다. 새로운 특성화 기법을 도입하여 간선 순서와 차수 분포를 활용함으로써 삽입 전용 스트림에서는 O(c log² n) 공간을, 동적 스트림에서는 ˜O(c¹⁰ᐟ³n²ᐟ³) 공간을 달성하며, 이는 이전 작업에 비해 크게 향상되었고 O(c)-근사 보장을 유지한다.

ABSTRACT

Estimating the size of the maximum matching is a canonical problem in graph algorithms, and one that has attracted extensive study over a range of different computational models. We present improved streaming algorithms for approximating the size of maximum matching with sparse (bounded arboricity) graphs. * Insert-Only Streams: We present a one-pass algorithm that takes O(c log^2 n) space and approximates the size of the maximum matching in graphs with arboricity c within a factor of O(c). This improves significantly on the state-of-the-art O~(cn^{2/3})-space streaming algorithms. * Dynamic Streams: Given a dynamic graph stream (i.e., inserts and deletes) of edges of an underlying c-bounded arboricity graph, we present a one-pass algorithm that uses space O~(c^{10/3}n^{2/3}) and returns an O(c)-estimator for the size of the maximum matching. This algorithm improves the state-of-the-art O~(cn^{4/5})-space algorithms, where the O~(.) notation hides logarithmic in $n$ dependencies. In contrast to the previous works, our results take more advantage of the streaming access to the input and characterize the matching size based on the ordering of the edges in the stream in addition to the degree distributions and structural properties of the sparse graphs.

연구 동기 및 목표

• 산술성이 유계인 그래프에서 최대 매칭 크기를 추정하기 위한 공간 효율적인 스트리밍 알고리즘을 설계하는 것.
• 기존 방법이 악성 순서 스트림에서 Ω(n²ᐟ³) 공간이 필요로 하는 한계를 극복하는 것.
• 간선 삽입 및 삭제가 가능한 동적 스트림에서 삭제 수가 유계일 경우 결과를 확장하는 것.
• 더 나은 공간 복잡도를 확보하기 위해 간선 순서와 차수 구조를 활용하는 특성화 기법을 개발하는 것.
• 삽입 전용 스트림에서 다항로그 공간 복잡도를 달성하면서도 상수 요소 근사 보장을 유지하는 것.

제안 방법

• 유도된 부분그래프에서 고차수 정점과 비이소레이티드 저차수 정점의 조합을 이용한 최대 매칭 크기의 새로운 특성화를 제안한다.
• 정점의 랜덤 샘플링을 수행하고 이웃 수를 유지하여 비이소레이티드 저차수 정점의 수를 추정한다.
• 부분선형 공간에서 간선 수를 근사하기 위해 적응형 임계값을 사용하는 다단계 샘플링 전략을 도입한다.
• 오차 긍정률을 제어하기 위해 확률적 경계를 활용하여 매칭 크기에 기여할 가능성이 높은 간선을 식별하기 위해 α-좋은 테스트를 활용한다.
• 다양한 샘플링 비율을 갖는 병렬 스트리밍 프레임워크를 설계하여 다항로그 공간 내에서 고확률 근사치를 달성한다.
• 업데이트 시 차수 카운터를 유지하면서 삭제 수를 제한함으로써 알고리즘을 동적 스트림에 적응시킨다.

실험 결과

연구 질문

• RQ1 악성 순서 스트림에서 산술성이 유계인 그래프의 스트리밍 매칭 크기 추정에 대해 O(n²ᐟ³) 이하의 공간 복잡도를 달성할 수 있는가?
• RQ2 간선 삭제가 있는 동적 스트리밍 알고리즘에서 O(c)-근사 보장 하에 부분선형 공간 복잡도를 달성할 수 있는가?
• RQ3 간선 순서와 차수 구조를 어떻게 활용하여 더 공간 효율적인 스트리밍 알고리즘을 설계할 수 있는가?
• RQ4 삽입 전용 스트림에서 다항로그 공간 복잡도를 달성하면서도 상수 요소 근사 보장을 유지할 수 있는가?
• RQ5 어떤 새로운 그래프 특성화 기법이 스트리밍 환경에서 더 탴 공간 복잡도를 가능하게 하는가?

주요 결과

• 삽입 전용 스트림에서 O(c log² n) 공간 복잡도를 확보하고 O(c)-근사 보장을 제공함으로써 이전의 ˜O(cn²ᐟ³) 기준에 비해 향상되었다.
• O(cn)개의 간선 삭제가 가능한 동적 스트림에서는 ˜O(c¹⁰ᐟ³n²ᐟ³) 공간 복잡도를 사용하며 O(c)-근사 보장을 제공한다.
• 고차수 정점과 비이소레이티드 저차수 정점의 조합을 이용한 제안된 특성화 기법이 간선 직접 샘플링을 피함으로써 공간 감소를 가능하게 한다.
• 적응형 임계값을 사용하는 다단계 샘플링 알고리즘이 삽입 전용 스트림에서 다항로그 공간 내에서 (1+ε)-근사치를 달성한다.
• O(c/ε² log(1/ε) log cn log n) 공간을 사용하여 오차 확률이 1−δ 이하로 유지되며 높은 정확도를 확보한다.
• 이론적 분석을 통해 오류 확률이 유계임을 확인하였고, 주어진 가정 하에 공간 복잡도가 최적임을 입증하였다.