[논문 리뷰] Efficient and adaptive parameterized algorithms on modular decompositions

Stefan Kratsch, Florian Nelles|arXiv (Cornell University)|2018. 04. 26.

Advanced Graph Theory Research인용 수 8

한 줄 요약

이 논문은 모듈러 너비(modular-width)를 구조적 매개변수로 사용하여 기본적인 그래프 문제들—최대 매칭, 삼각형 수세기, 정점 용량이 있는 유량—에 대해 효율적이고 적응형(parameterized) 알고리즘을 제시한다. 그래프의 모듈러 분해 트리를 활용함으로써, $\mathcal{O}(f(\mathsf{mw})n + m)$ 형태의 실행 시간을 달성하며, $f(\mathsf{mw})$는 천천히 증가한다. 이에 따라 모듈러 너비가 상수일 경우 선형 시간을 달성하고, $\mathsf{mw} = o(n)$일 경우 비매개변수화된 알고리즘보다 뛰어난 성능을 보인다.

ABSTRACT

We study the influence of a graph parameter called modular-width on the time complexity for optimally solving well-known polynomial problems such as Maximum Matching, Triangle Counting, and Maximum $s$-$t$ Vertex-Capacitated Flow. The modular-width of a graph depends on its (unique) modular decomposition tree, and can be computed in linear time $O(n+m)$ for graphs with $n$ vertices and $m$ edges. Modular decompositions are an important tool for graph algorithms, e.g., for linear-time recognition of certain graph classes. Throughout, we obtain efficient parameterized algorithms of running times $O(f(mw)n+m)$, $O(n+f(mw)m)$ , or $O(f(mw)+n+m)$ for graphs of modular-width $mw$. Our algorithm for Maximum Matching, running in time $O(mw^2\\log mw \\cdot n+m)$, is both faster and simpler than the recent $O(mw^4n+m)$ time algorithm of Coudert et al. (SODA 2018). For several other problems, e.g., Triangle Counting and Maximum $b$-Matching, we give adaptive algorithms, meaning that their running times match the best unparameterized algorithms for worst-case modular-width of $mw=\\Theta(n)$ and they outperform them already for $mw=o(n)$, until reaching linear time for $mw=O(1)$.

연구 동기 및 목표

• 모듈러 너비를 매개변수로 사용하여 다항식 시간 내에 해결 가능한 그래프 문제에 대해 효율적인 매개변수화된 알고리즘을 개발하는 것.
• 모듈러 너비가 $\mathsf{mw} = \mathcal{O}(1)$일 경우 선형 시간에 가까워지고, $\mathsf{mw} = \Theta(n)$일 경우 기존 비매개변수화된 알고리즘의 최고 성능에 이를 수 있는 실행 시간을 달성하는 것.
• 모듈러 너비가 부분선형일 경우 비매개변수화된 알고리즘보다 뛰어난 성능을 보이는 적응형 알고리즘을 설계할 수 있음을 보여주는 것.
• 최대 매칭, 삼각형 수세기, 유량 문제와 같은 문제들에 대해, 간선 가중치나 용량이 존재하더라도 모듈러 너비가 여전히 효과적으로 작용함을 입증하는 것.

제안 방법

• 모듈러 분해 트리를 선형 시간 $\mathcal{O}(n + m)$ 내에 계산할 수 있음을 활용하여 그래프를 모듈로 재귀적으로 분해하는 것.
• 모듈에 대한 몫 그래프와 용량 함수를 사용하여 복잡한 문제를 분해 트리 상의 더 작은 부분 문제로 환원하는 것.
• 소수 노드의 몫 그래프에서 알려진 유량 및 컷 알고리즘을 적용하여 전역 최소 컷을 효율적으로 계산하는 것.
• 각 모듈 $M$에 대해 $\hat{\Pi}(G[M])$를 계산하기 위한 재귀 알고리즘 설계를 통해 방향 그래프에서 간선 용량이 있는 전역 최소 컷 문제로 환원하는 것.
• 모듈러 분해 트리의 모든 노드에 걸쳐 정확한 합산을 통해 총 실행 시간을 최적화하며, $\mathsf{mw}$가 소수 노드의 자식 수를 제한함을 활용하는 것.
• 매개변수에 의존하는 함수 $f(\mathsf{mw})$가 천천이 증가하도록 보장하여, 작은 $\mathsf{mw}$일 경우 선형 시간에 가까운 성능을 달성하는 적응형 성능 확보

실험 결과

연구 질문

• RQ1 모듈러 너비를 사용하여 다항식 시간 내에 해결 가능한 그래프 문제에 대해 효율적인 매개변수화된 알고리즘을 설계할 수 있는가?
• RQ2 이러한 알고리즘의 성능은 모듈러 너비의 값이 변화함에 따라 어떻게 적응하는가? 특히 $\mathsf{mw} = o(n)$일 경우 어떻게 되는가?
• RQ3 모듈러 너비가 상수일 경우 선형 시간에 가까운 성능을 달성하면서도, 더 큰 $\mathsf{mw}$에 대해서는 비매개변수화된 알고리즘의 최고 성능에 이를 수 있는가?
• RQ4 왜 간선 가중치나 용량이 있는 문제들은 모듈러 너비의 이점을 얻지 못하는가? 이러한 경우 어떤 구조적 가정이 깨지는가?

주요 결과

• 최대 매칭 알고리즘은 $\mathcal{O}(\mathsf{mw}^2 \log \mathsf{mw} \cdot n + m)$ 시간 내에 실행되며, Coudert 등이 이전에 제시한 $\mathcal{O}(\mathsf{mw}^4 n + m)$의 경계보다 향상된 성능이다.
• 삼각형 수세기 및 최대 $b$-매칭 문제에 대해 알고리즘은 적응형이며, $\mathsf{mw} = \mathcal{O}(1)$일 경우 선형 시간을 달성하고, $\mathsf{mw} = o(n)$일 경우 비매개변수화된 알고리즘을 능가한다.
• 전역 최소 정점 용량 컷 문제는 $\mathcal{O}(\min\{m \cdot \mathsf{mw} \log \mathsf{mw} + n,\ n \cdot \mathsf{mw}^2 \log \mathsf{mw} + m\})$ 시간 내에 해결되며, 다양한 입력 환경에서의 적응형 성능을 보여준다.
• 모듈러 분해 트리는 몫 그래프를 통해 전역 최소 컷을 효율적으로 계산할 수 있게 하며, 총 실행 시간은 $\mathcal{O}(n \cdot \mathsf{mw}^2 \log \mathsf{mw} + m)$ 이내로 제한된다.
• 이 프레임워크는 경로 문제 및 유량 문제를 포함한 다양한 문제들을 지원하며, 실행 시간 형태로 $\mathcal{O}(f(\mathsf{mw})n + m)$, $\mathcal{O}(n + f(\mathsf{mw})m)$, 또는 $\mathcal{O}(f(\mathsf{mw}) + n + m)$ 형태를 취한다.
• 결과적으로 모듈러 너비가 적응형 알고리즘에 매우 강력한 매개변수임을 보여주며, 실행 시간이 선형 시간과 기존 비매개변수화된 알고리즘의 최고 성능 사이를 부드럽게 보간함을 입증한다.