[论文解读] Finding Weighted Graphs by Combinatorial Search

Jeong Han Kim|arXiv (Cornell University)|Jan 18, 2012

Data Management and Algorithms参考文献 31被引用 4

一句话总结

该论文提出了一种多项式时间的随机化算法，用于通过加法查询识别隐藏加权图中的所有边及其权重，其中边权被限定在固定正常数之间。该算法在常数因子范围内实现了最优查询复杂度 $ Oigl(\frac{m\log n}{\log m}\bigr) $，通过将问题新颖地约化为具有有界权重的伪币问题，并结合随机游走与自适应查询策略。

ABSTRACT

We consider the problem of finding edges of a hidden weighted graph using a certain type of queries. Let $G$ be a weighted graph with $n$ vertices. In the most general setting, the $n$ vertices are known and no other information about $G$ is given. The problem is finding all edges of $G$ and their weights using additive queries, where, for an additive query, one chooses a set of vertices and asks the sum of the weights of edges with both ends in the set. This model has been extensively used in bioinformatics including genom sequencing. Extending recent results of Bshouty and Mazzawi, and Choi and Kim, we present a polynomial time randomized algorithm to find the hidden weighted graph $G$ when the number of edges in $G$ is known to be at most $m\geq 2$ and the weight $w(e)$ of each edge $e$ satisfies $\ga \leq |w(e)|\leq \gb$ for fixed constants $\ga, \gb>0$. The query complexity of the algorithm is $O(\frac{m \log n}{\log m})$, which is optimal up to a constant factor.

研究动机与目标

• 开发一种实用的、多项式时间的算法，通过加法查询重构隐藏加权图。
• 为边数最多为 $ m $ 且边权被限定在固定正数 $ \alpha $ 与 $ \beta $ 之间的图实现最优查询复杂度。
• 通过结合随机化、自适应查询与组合搜索技术，扩展先前非多项式或非最优的算法。
• 建立图查找与具有有界权重的伪币问题之间的联系，从而通过随机化称重方法高效求解。
• 为生物信息学中的应用提供实用解决方案，例如鸟枪法DNA测序和进化计算中的傅里叶系数恢复。

提出的方法

• 将图查找问题约化为加权伪币问题，其中每条边对应一个权重在 $[\alpha, \beta]$ 范围内的伪币。
• 使用随机游走构建一个稀疏子图 $ G_1 $，以高概率保留高阶顶点。
• 对 $ G_1 $ 中的边应用随机化二分查找，形成子图 $ G_2 $，其查询复杂度为 $ O(m^{1 - \delta/2} \log n) $。
• 对于 $ G_2 $ 中的高阶顶点，将邻居权重视为未知的硬币权重，并应用引理1.3中的称重算法，参数为 $ (m^{\delta}d_{G_2}(x), n, \alpha, \beta, 0, 1/\delta) $。
• 使用自适应的随机化查询恢复边权重，确保总查询次数保持在 $ O\bigl(\frac{m\log(\beta/\alpha)\log n}{\log m}\bigr) $ 以内。
• 通过两次调用算法B（交换 $ X $ 与 $ Y $）恢复所有度数 $ \geq m^{2\delta} $ 的顶点，然后对剩余图应用算法A。

实验结果

研究问题

• RQ1 是否能够设计一种多项式时间的随机化算法，在边数为 $ m $ 且边权有界的条件下，实现隐藏加权图查找的最优查询复杂度？
• RQ2 是否可以将图查找问题约化为具有有界权重的组合称重问题，并实现最优查询复杂度？
• RQ3 当边权远离零和无穷大时，重构隐藏加权图所需的最小查询复杂度是多少？
• RQ4 是否可以利用随机化与自适应查询设计出实用算法，以解决以往非自适应或非多项式算法失败的问题？
• RQ5 在加法查询背景下，如何通过稀疏采样与随机游走高效恢复高阶顶点的结构？

主要发现

• 所提出的算法实现了 $ O\bigl(\frac{m\log(\beta/\alpha)\log n}{\log m}\bigr) $ 的查询复杂度，其最优性在常数因子范围内成立。
• 以概率 $ 1 - O(m^{-0.02}) $，该算法能成功恢复隐藏图的所有边，且在给定的查询边界内完成。
• 该算法通过约化到具有有界权重的伪币问题实现，其中每条边被视为权重在 $[\alpha, \beta]$ 范围内的硬币。
• 使用随机游走构建子图 $ G_1 $，以高概率保留高阶顶点，从而实现对重顶点的高效恢复。
• 该方法结合自适应查询与随机化二分查找，用于识别稀疏子图中的边，随后通过加权伪币称重过程处理邻居权重。
• 该算法为多项式时间且实用，克服了以往非自适应或非多项式算法在相同问题上的局限性。