[論文レビュー] Deterministic Weighted Expander Decomposition in Almost-linear Time

Jason Li, Thatchaphol Saranurak|arXiv (Cornell University)|Jun 3, 2021

Complexity and Algorithms in Graphs参考文献 11被引用数 4

ひとこと要約

本稿では、頂点需要を伴う重み付き拡張グラフにおける、最初の決定的ほぼ線形時間アルゴリズムを提示する。従来の無重みグラフに関する研究を拡張し、スぺクトルスパース化およびBalCutPrune技術を重み付きエッジとカスタム頂点需要に対応するように一般化することで、$(\epsilon, \psi)$-拡張グラフ分解を、$\psi = \Omega(\epsilon / \log^{O(r^4)}m \cdot \log U)$ の精度で、$m \cdot (mU)^{O(1/r)} \log(mU)$ 時間で達成する。これは、既存の最良の確率的アルゴリズムの性能を再現するが、完全な決定論的性質を有する。

ABSTRACT

In this note, we study the expander decomposition problem in a more general setting where the input graph has positively weighted edges and nonnegative demands on its vertices. We show how to extend the techniques of Chuzhoy et al. (FOCS 2020) to this wider setting, obtaining a deterministic algorithm for the problem in almost-linear time.

研究の動機と目的

• 重み付きグラフに任意の頂点需要を伴う設定において、決定的ほぼ線形時間アルゴリズムとしての拡張グラフ分解を拡張すること。これは、従来の決定的ほぼ線形時間アルゴリズムでは取り扱われていなかった設定である。
• CGL+20の手法におけるスぺクトルスパース化およびBalCutPrune技術を、エッジ重みと頂点需要の両方を扱えるように一般化すること。
• 重み付きグラフにおける$(\epsilon, \psi)$-拡張グラフ分解に対して、ほぼ線形時間複雑度を達成する決定的アルゴリズムを実現すること。
• この一般化された設定において、確率的アルゴリズムと決定的アルゴリズムのギャップを埋めること。ここでは、そもそも確率的ほぼ線形時間解法の存在さえも、以前には示されていなかった。

提案手法

• 頂点需要とエッジ重みを再定義することで、BalCutPruneフレームワークを重み付きグラフに拡張する。
• 拡張性をカスタム頂点需要下で捉えるために、需要重み付きスパarsity測度 $\Psi_G^\mathbf{d}(S) = \frac{w(E_G(S, V\setminus S))}{\min\{\mathbf{d}(S), \mathbf{d}(V\setminus S)\}}$ を導入する。
• $\mathtt{SpectralSparsify}$ と呼ばれる決定的スぺクトルスパースファイアアルゴリズムを用い、$O(n \log n \log U)$ エッジの近似を、$m^{1+O(1/r)} \cdot (\log m)^{O(r^2)} \log U$ 時間で構築する。
• 活性クラスタと非活性クラスタを維持する再帰的クラスタリング戦略を適用し、低スパarsity成分を pruning するが、同時にカットにおける総エッジ重みが $\epsilon \cdot \mathbf{d}(V)$ に制限されることを保証する。
• 近似要因と実行時間のトレードオフを制御するパrameter $r$ を導入し、近似要因を $\alpha = (\log m)^{O(r^4)}$ と定義する。
• 活性クラスタに対して反復的に拡張グラフ分解サブルーチンを適用し、需要バランスとスパarsityに基づいてクラスタを統合または分割する。各ステップで需要が定数倍減少するため、$O(\log(mU))$ 回の反復が発生する。

実験結果

リサーチクエスチョン

• RQ1 決定的ほぼ線形時間アルゴリズムとしての拡張グラフ分解を、任意の頂点需要を伴う重み付きグラフに拡張することは可能か？
• RQ2 この一般化された設定において、確率的アルゴリズムと同等の近似保証を達成しつつ、完全な決定論的性質を有することができるか？
• RQ3 スぺクトルスパース化およびBalCutPruneを、エッジ重みと頂点需要の両方を保持するようにどのように適合させることができるか？
• RQ4 この一般化された設定において、近似品質と実行時間のトレードオフは何か？ そして、ほぼ線形時間に最適化できるか？
• RQ5 任意の頂点需要分布に対してアルゴリズムが頑健であると同時に、総カット重みが有界に保たれるようにできるか？

主な発見

• アルゴリズムは、任意の固定された $r$ に対して、$m \cdot (mU)^{O(1/r)} \log(mU)$ 時間で $(\epsilon, \psi)$-拡張グラフ分解を計算する。これは、ほぼ線形時間の複雑度を達成する。
• 拡張パラメータは $\psi = \Omega\left(\epsilon / \left(\log^{O(r^4)}m \cdot \log U\right)\right)$ を満たし、既存の最良の確率的アルゴリズムの性能と一致する。
• すべてのカットに跨るエッジの総重みは $\epsilon \cdot \mathbf{d}(V)$ に有界であり、分解が $(\epsilon, \psi)$-有効であることを保証する。
• アルゴリズムは完全に決定論的であり、この一般化された設定において、そもそも確率的ほぼ線形時間解法の存在が示されていなかったという文献のギャップを解消する。
• 本手法は、決定的スぺクトルスパースファイアの新規な応用と再帰的クラスタ精錬に依存しており、各ステップで需要が指数関数的に減少するため、$O(\log(mU))$ 回の反復が発生する。
• 本手法は、従来の無重み拡張グラフ分解に関する先行研究を、最も一般化された既知の設定へと拡張する：任意の頂点需要を伴う重み付きグラフ。