[논문 리뷰] Flow-cut gaps and face covers in planar graphs

Robert Krauthgamer, James R. Lee외 1명|arXiv (Cornell University)|2019. 01. 06.

Advanced Graph Theory Research인용 수 6

한 줄 요약

이 논문은 γ 면에 있는 종단점이 있는 평면 네트워크에서의 플로우-컷 갭이 O(log γ)임을 입증하며, 이는 이전의 경계보다 크게 향상된 결과이다. 종단점의 최단경로 거리측도가 O(log γ)의 왜곡을 가진 나무로 확률적으로 통합될 수 있음을 보여줌으로써, 저자는 이론적 점근적 경계를 엄밀히 확보하며, 평면 그래프에 대한 네트워크 플로우 이론에서 오랫동안 미해결이었던 문제를 해결한다.

ABSTRACT

The relationship between the sparsest cut and the maximum concurrent multi-flow in graphs has been studied extensively. For general graphs, the worst-case gap between these two quantities is now settled: When there are k terminal pairs, the flow-cut gap is O(log k), and this is tight. But when topological restrictions are placed on the flow network, the situation is far less clear. In particular, it has been conjectured that the flow-cut gap in planar networks is O(1), while the known bounds place the gap somewhere between 2 (Lee and Raghavendra, 2003) and [MATH HERE] (Rao, 1999).A seminal result of Okamura and Seymour (1981) shows that when all the terminals of a planar network lie on a single face, the flow-cut gap is exactly 1. This setting can be generalized by considering planar networks where the terminals lie on one of γ > 1 faces in some fixed planar drawing. Lee and Sidiropoulos (2009) proved that the flow-cut gap is bounded by a function of γ and Chekuri, Shepherd, and Weibel (2013) showed that the gap is at most 3γ. We significantly improve these asymptotics by establishing that the flow-cut gap is O(log γ). This is achieved by showing that the edge-weighted shortest-path metric induced on the terminals admits a stochastic embedding into trees with distortion O(log γ). The latter result is tight, e.g., for a square planar lattice on Θ(γ) vertices.The preceding results refer to the setting of edge-capacitated networks. For vertex-capacitated networks, it can be significantly more challenging to control flow-cut gaps. While there is no exact vertex-capacitated version of the Okamura-Seymour Theorem, an approximate version holds; Lee, Mendel, and Moharrami (2015)

연구 동기 및 목표

• γ 면에 있는 종단점이 있는 평면 네트워크에서 알려진 상한과 하한 사이의 플로우-컷 갭 간격을 좁히기.
• 단일 면 종단점 구성으로부터의 Okamura-Seymour 정리 일반화.
• γ 면 종단점 제약 조건 하에서 평면 그래프에서의 플로우-컷 갭에 대한 엄밀한 점근적 경계 설정.
• 최단경로 거리측도를 O(log γ)의 왜곡으로 유지하는 확률적 통합 기법 개발.
• 간선 용량 기반에서 정점 용량 기반 네트워크 설정으로의 결과 확장 — 여기서 플로우-컷 갭은 더 복잡하다.

제안 방법

• γ 면 평면 네트워크에서 종단점의 간선 가중치 최단경로 거리측도가 O(log γ)의 기대 왜곡을 가진 랜덤 트리로 통합됨을 증명.
• 확률적 방법과 랜덤 분할을 사용하여 제어된 왜곡을 갖는 확률적 통합을 구축.
• 평면 그래프의 구조적 성질과 면 커버를 활용하여 통합의 왜곡을 근사.
• 나무 거리측도와 다중화물 플로우 사이의 알려진 관계를 활용하여 플로우-컷 갭의 상한을 도출.
• 통합 프레임워크를 정점 용량에 맞게 조정하여 정점 용량 기반 네트워크로의 분석 확장.
• 정점 용량 기반에 대한 기존의 근사 정점 용량 기반 Okamura-Seymour 정리 결과를 기반으로 정점 용량 확장 분석 수행.

실험 결과

연구 질문

• RQ1 γ 면에 종단점이 있는 평면 네트워크에서 플로우-컷 갭의 가장 날카로운 점근적 경계는 무엇인가?
• RQ2 γ 면 평면 네트워크에서 종단점의 최단경로 거리측도가 O(log γ)의 왜곡을 가진 나무로 확률적으로 통합될 수 있는가?
• RQ3 플로우-컷 갭이 평면 그래프에서 종단점 면 수 γ에 따라 어떻게 변화하는가? 이는 이전의 경계를 초월해 향상될 수 있는가?
• RQ4 Okamura-Seymour 정리는 어느 정도까지 정점 용량 기반 네트워크로 일반화될 수 있는가?
• RQ5 측도 통합을 이용하여, 위상 제약 조건이 있는 그래프에서 플로우-컷 갭을 근사하는 일반적인 프레임워크가 존재하는가?

주요 결과

• γ 면에 종단점이 있는 평면 네트워크에서의 플로우-컷 갭은 O(log γ)이며, 이는 이전의 3γ 경계보다 향상된 결과이다.
• 이러한 네트워크에서 종단점의 최단경로 거리측도는 O(log γ) 기대 왜곡을 가진 나무로 확률적으로 통합될 수 있으며, 이는 특정 평면 격자에서 엄밀한 경계이다.
• 결과는 거의 최적의 점근적 경계를 제공하며, 평면 네트워크에서 O(1) 갭으로 추측되는 바에 가까워진다.
• 확률적 통합 기법은 평면 설정에서 플로우와 컷 값 간의 관계를 나무 거리측도를 통해 일반적으로 연결하는 방법을 제공한다.
• 이 프레임워크는 정점 용량 기반 네트워크로도 확장되며, 여기서 근사 정점 용량 기반 Okamura-Seymour 정리를 사용하여 경계를 유도한다.
• Θ(γ)-정점 정사각형 평면 격자와 같은 구성으로, O(log γ) 경계는 상수 요소를 제외하고는 엄밀하게 유지됨이 입증되었다.