[논문 리뷰] Faster Approximation Schemes for Fractional Multicommodity Flow Problems via Dynamic Graph Algorithms

Aleksander Mądry|arXiv (Cornell University)|2010. 03. 30.

Complexity and Algorithms in Graphs참고 문헌 20인용 수 5

한 줄 요약

이 논문은 동적 그래프 알고리즘과 Garg-Könemann 및 Fleischer 프레임워크를 통합하여 분수 다중물류 흐름 문제에 대한 더 빠른 (1−ε)-근사화 방법을 제시한다. 집계 길이 함수와 계층적 데이터 구조를 통해 효율적인 업데이트를 수행하는 근사 거리 오라클을 유지함으로써, 다항로그 요소를 제외한 Ω(mn) 흐름 분해 장벽에 맞는 거의 최적의 실행 시간을 달성한다.

ABSTRACT

We combine the work of Garg and Konemann, and Fleischer with ideas from dynamic graph algorithms to obtain faster (1-eps)-approximation schemes for various versions of the multicommodity flow problem. In particular, if eps is moderately small and the size of every number used in the input instance is polynomially bounded, the running times of our algorithms match - up to poly-logarithmic factors and some provably optimal terms - the Omega(mn) flow-decomposition barrier for single-commodity flow.

연구 동기 및 목표

• 다중물류 흐름 근사화에서 Ω(mn) 흐름 분해 장벽을 극복하기 위해 동적 그래프 데이터 구조를 활용하는 것.
• 기존의 분수 다중물류 흐름 문제에 대한 (1−ε)-근사화 방법의 실행 시간을 향상시키는 것.
• 정확성과 효율성을 유지하면서 1/ε 및 k, M 등의 다른 매개변수에 대한 의존도를 줄이는 것.
• 길이 변화에 대해 효율적인 업데이트와 질의를 지원하는 동적 근사 거리 오라클을 설계하는 것.
• 계층적 반올림과 길이 업데이트의 분할 분석을 조합하여 거의 최적의 성능을 달성하는 것.

제안 방법

• 길이 변화에 대한 동적 업데이트를 지원하는 (δ, Mmax, Mmin, bP)-ADSP 데이터 구조를 도입하여 근사 거리와 경로를 유지한다.
• 각 Rb 수준에서 기하 척도를 사용하는 둥근 길이 함수를 유지하는 다중 수준 Rb를 통한 간선 길이의 계층적 반올림을 사용한다.
• 누적 길이 증가를 추적하고 데이터 구조에 대한 업데이트를 연기하는 집계 길이 함수 ˆl를 활용한다.
• 길이 임계값을 기반으로 Rb 구조 내 간선의 비활성화 및 재활성화를 수행하여 간선당 업데이트 수를 제한한다.
• ˆl(e)가 크게 증가할 때만 변경 사항을 전달함으로써 Increase(e, ω) 요청을 배치로 처리하여 총 업데이트 비용을 줄인다.
• 분할 분석을 사용하여 모든 업데이트에 대한 총 시간을 유한하게 제한하여 eO(mn log Mmax/Mmin / δ)의 총 유지 시간을 달성한다.

실험 결과

연구 질문

• RQ1 동적 그래프 알고리즘이 분수 다중물류 흐름 문제의 근사화 방법을 가속화하는 데 사용될 수 있는가?
• RQ2 다중물류 흐름 문제에서 근사 정확도 ε와 실행 시간 사이의 최적의 트레이드오프는 무엇인가?
• RQ3 효율적인 길이 업데이트를 지원하는 동적 데이터 구조를 통해 비용이 많이 드는 최단경로 계산 횟수를 줄일 수 있는가?
• RQ4 정확도 (1−ε)를 유지하면서 Ω(mn) 흐름 분해 장벽에 맞는 거의 최적의 실행 시간을 달성할 수 있는가?
• RQ5 길이 업데이트를 어떻게 집계하고 연기하여 기반 데이터 구조의 총 연산 수를 줄일 수 있는가?

주요 결과

• 제안된 (δ, Mmax, Mmin, bP)-ADSP 데이터 구조는 총 유지 시간이 eO(mn log Mmax/Mmin / δ)인 근사 거리, 경로, 단일 소스 거리 질의를 지원한다.
• 알고리즘은 최대 다중물류 흐름 문제에 대해 eO(m²ε⁻²) 시간 내에 (1−ε)-근사화를 달성하며, 다항로그 요소를 제외한 최고의 알려진 경계와 일치한다.
• 가중치가 있는 다중물류 흐름 문제의 경우 실행 시간은 eO(m²ε⁻² min{log M, k})이며, 일부 영역에서 이전 방법보다 향상된다.
• 집계 길이 함수 ˆl를 통한 길이 업데이트 배치 처리를 통해 최단경로 계산 횟수를 줄였다.
• 데이터 구조에 대한 총 Increase(·,·) 요청 수는 eO(m log Mmax/Mmin / δ) 이하로 제한되어 있어 효율적인 분할 업데이트를 가능하게 한다.
• 계층적 반올림과 동적 데이터 구조를 조합함으로써 이론적 하한선인 Ω(mn)에 다항로그 요소를 제외한 거의 최적의 성능을 달성한다.