[論文レビュー] Local Computation: Lower and Upper Bounds

Fabian Kühn, Thomas Moscibroda+1 more|arXiv (Cornell University)|Nov 24, 2010

Complexity and Algorithms in Graphs参考文献 41被引用数 38

ひとこと要約

この論文は、分散システムにおけるローカル計算のための最初の多対数的下界を確立し、最小点被覆、最大独立集合、最大マッチングなどの問題が、効率的に近似するためには多対数的ローカル情報が必要であることを証明している。また、カバーおよびパッケージング線形計画問題のための新しい分散アルゴリズムを提示し、いくつかの問題について下界と一致することを示しており、ネットワークにおけるローカル近似可能性の根本的限界を同定している。

ABSTRACT

The question of what can be computed, and how efficiently, are at the core of computer science. Not surprisingly, in distributed systems and networking research, an equally fundamental question is what can be computed in a \emph{distributed} fashion. More precisely, if nodes of a network must base their decision on information in their local neighborhood only, how well can they compute or approximate a global (optimization) problem? In this paper we give the first poly-logarithmic lower bound on such local computation for (optimization) problems including minimum vertex cover, minimum (connected) dominating set, maximum matching, maximal independent set, and maximal matching. In addition we present a new distributed algorithm for solving general covering and packing linear programs. For some problems this algorithm is tight with the lower bounds, for others it is a distributed approximation scheme. Together, our lower and upper bounds establish the local computability and approximability of a large class of problems, characterizing how much local information is required to solve these tasks.

研究の動機と目的

• 分散ネットワークでローカル情報のみを用いて計算可能なものの根本的限界を特定すること。
• どのグローバル最適化問題が本質的に多対数的ローカルであるかを特定すること（完全にローカルでもなく、完全にグローバルでもないもの）。
• 主要な組合せ最適化問題を近似するのに必要なローカル情報量のタイトな境界を確立すること。
• 一般のカバーおよびパッケージング線形計画問題のための分散アルゴリズムを開発し、下界と一致させること。

提案手法

• 複数の最適化問題が多対数的ローカルであることを示すために、局所性を保つ還元を用いる。
• 下界を証明するために、特定のノードの視認可能な構造を持つ高縄長グラフを構築する。
• カバーおよびパッケージング線形計画問題のための分散アルゴリズムを設計し、下界と一致する近似比を達成する。
• 定数または多対数的近似を達成するためのkホップ近傍情報の必要性を分析する。
• 高縄長構成を適用して、近似比に対する下界Ω(n^{1/k²})を導出し、技術の本質的限界を示す。
• 共通リフトおよびグラフ構成を用いて、下界の証明を簡素化し、正しさを保証する。

実験結果

リサーチクエスチョン

• RQ1 分散環境下で、基本的なグラフ最適化問題を計算または近似するために必要な最小ローカル情報量は何か？
• RQ2 ローカル計算の下界をタイトなものにできるか。もしそうなら、どの問題に対してか？
• RQ3 最小限のローカル情報で最適近似比を達成する分散アルゴリズムは存在するか？
• RQ4 異なるグラフクラス（例：リング、ユニットディスクグラフ、一般グラフ）のローカル計算可能性特性はどのように比較できるか？
• RQ5 局所性を保つ還元に基づいて、ローカル計算のための統一された複雑度階層を確立できるか？

主な発見

• この論文は、最小点被覆、最大独立集合、最大マッチングを含む問題について、分散システムにおけるローカル計算の最初の多対数的下界を確立している。
• 最小点被覆問題に関して、任意の分散アルゴリズムが定数または多対数的近似を達成するには、少なくともΩ(log Δ / log log Δ)ホップの近傍情報が必要である。
• 提案されたカバーおよびパッケージング線形計画問題のための分散アルゴリズムは、k通信ラウンドでO(Δ^{1/k})の近似比を達成し、下界と定数要因の違いを除いて一致する。
• 最小点被覆に関して、下界と上界はほぼタイトであり、指数部の差はたったO(log log Δ)にとどまる。
• nの関数として表現した場合、上界と下界の残りの差はΘ(√(log n / log log n))に達する可能性があり、これは現在の証明技術の限界を示している。
• 結果から、一般グラフはユニットディスクグラフよりも本質的にローカルに計算しにくいことが示されており、ユニットディスクグラフでは最大独立集合がO(log* n)時間で計算可能であり、これはLinialの下界と一致する。