[论文解读] Bellman-Ford Is Optimal for Shortest Hop-Bounded Paths

Karl Bringmann, Alejandro Cassis|arXiv (Cornell University)|Jan 1, 2023

Complexity and Algorithms in Graphs被引用 2

一句话总结

本文提出了一种用于有向图中带负权边的单源最短路径问题的新拉斯维加斯算法，以高概率实现近乎线性的时间复杂度 O((m + n log log n) log²n log(nW))。该方法通过优化贝尔曼-福特与戴克斯特拉阶段，采用更精细的数据结构以及一种受噪声二分查找启发的新负环检测技术，将对数因子的开销相比之前的工作降低了近六倍。

ABSTRACT

In this work we revisit the fundamental Single-Source Shortest Paths (SSSP) problem with possibly negative edge weights. A recent breakthrough result by Bernstein, Nanongkai and Wulff-Nilsen established a near-linear $O(m \log^8(n) \log(W))$-time algorithm for negative-weight SSSP, where $W$ is an upper bound on the magnitude of the smallest negative-weight edge. In this work we improve the running time to $O(m \log^2(n) \log(nW) \log\log n)$, which is an improvement by nearly six log-factors. Some of these log-factors are easy to shave (e.g. replacing the priority queue used in Dijkstra's algorithm), while others are significantly more involved (e.g. to find negative cycles we design an algorithm reminiscent of noisy binary search and analyze it with drift analysis). As side results, we obtain an algorithm to compute the minimum cycle mean in the same running time as well as a new construction for computing Low-Diameter Decompositions in directed graphs.

研究动机与目标

• 为负权单源最短路径（SSSP）算法的对数因子开销差距提供填补。
• 通过减少对数因子的数量，改进 BNW 算法的 O(m log⁸n log W) 运行时间。
• 设计一种组合的、模块化的且简洁的算法，在保持正确性的同时实现更快的运行时间。
• 开发一种基于漂移分析与噪声二分查找类比的新负环检测方法。
• 将该框架扩展至计算最小圈均值，并在有向图中构建低直径分解。

提出的方法

• 通过用更高效的数据结构替代优先队列，优化 BNW 算法以减少对数因子。
• 引入一种新颖的负环检测机制，其模型基于噪声二分查找，并通过漂移分析进行分析。
• 采用两阶段方法：先进行类似戴克斯特拉的松弛操作，然后在动态维护的顶点集 A 上执行类似贝尔曼-福特的更新。
• 利用不变量追踪每个顶点的最短路径距离改进情况，其上限由最短路径中负边的数量（ηG(v)）决定。
• 通过对边枚举与队列操作进行精细分析，将总时间界为 O(∑v (deg(v) + log log n)ηG(v))。
• 利用最短路径中负边数量有限的结构，限制迭代次数并确保算法终止。

实验结果

研究问题

• RQ1 能否显著减少近线性 SSSP 算法在负权图中的对数因子数量？
• RQ2 是否可能设计一种组合算法，将 BNW 算法的 log⁸n 因子改进近六倍？
• RQ3 能否通过受噪声二分查找与漂移分析启发的新方法实现负环检测？
• RQ4 改进后的框架是否允许在相同时间复杂度下计算额外图属性（如最小圈均值）？
• RQ5 该算法能否扩展至在有向图中构建低直径分解？

主要发现

• 所提算法以高概率运行于 O((m + n log log n) log²n log(nW)) 时间，相比 BNW 算法的 O(m log⁸n log W) 提升近六倍对数因子。
• 该算法在核心逻辑上是组合的、模块化的且简洁的，尽管实现了显著的渐近性能提升。
• 通过噪声二分查找类比与漂移分析，开发了一种新的负环检测方法，可在不增加整体时间复杂度的前提下实现高效检测。
• 该框架支持在与最短路径计算相同的时间复杂度下计算最小圈均值。
• 该算法可实现有向图中低直径分解的新构造方法，扩展了其在 SSSP 之外的应用范围。