[논문 리뷰] Locality in Online, Dynamic, Sequential, and Distributed Graph Algorithms

Amirreza Akbari, Eslami, Navid외 4명|arXiv (Cornell University)|2021. 09. 14.

Cryptography and Data Security인용 수 6

한 줄 요약

이 논문은 온라인-LOCAL 모델을 소개하며, 온라인, 동적, 순차적, 분산 그래프 알고리즘에서 국소성(locality)을 분석하는 통합 프레임워크를 제공한다. 경로, 사이클, 루트가 있는 트리에서 국소적으로 확인 가능한 레이블링(LCL) 문제에 대해, 네 가지 모델이 동일한 국소성 클래스—O(log∗n), Θ(log n), 또는 nΘ(1)—를 가지며, 이는 하한값 전이와 효율적인 시뮬레이션을 가능하게 한다.

ABSTRACT

In this work, we give a unifying view of locality in four settings: distributed algorithms, sequential greedy algorithms, dynamic algorithms, and online algorithms. We introduce a new model of computing, called the online-LOCAL model: the adversary reveals the nodes of the input graph one by one, in the same way as in classical online algorithms, but for each new node we get to see its radius-T neighborhood before choosing the output. We compare the online-LOCAL model with three other models: the LOCAL model of distributed computing, where each node produces its output based on its radius-T neighborhood, its sequential counterpart SLOCAL, and the dynamic-LOCAL model, where changes in the dynamic input graph only influence the radius-T neighborhood of the point of change. The SLOCAL and dynamic-LOCAL models are sandwiched between the LOCAL and online-LOCAL models, with LOCAL being the weakest and online-LOCAL the strongest model. In general, all models are distinct, but we study in particular locally checkable labeling problems (LCLs), which is a family of graph problems studied in the context of distributed graph algorithms. We prove that for LCL problems in paths, cycles, and rooted trees, all models are roughly equivalent: the locality of any LCL problem falls in the same broad class - $O(\log^* n)$, $Θ(\log n)$, or $n^{Θ(1)}$ - in all four models. In particular, this result enables one to generalize prior lower-bound results from the LOCAL model to all four models, and it also allows one to simulate e.g. dynamic-LOCAL algorithms efficiently in the LOCAL model. We also show that this equivalence does not hold in general bipartite graphs. We provide an online-LOCAL algorithm with locality $O(\log n)$ for the $3$-coloring problem in bipartite graphs - this is a problem with locality $Ω(n^{1/2})$ in the LOCAL model and $Ω(n^{1/10})$ in the SLOCAL model.

연구 동기 및 목표

• 분산, 순차적 그레디, 동적, 온라인 알고리즘의 네 알고리즘 모델 간 국소성 연구를 통합하기 위해.
• 온라인-LOCAL 모델을 도입하고 형식화하기 위해, 여기서 알고리즘은 새로 노출된 노드의 반경-T 이웃을 볼 수 있다.
• 온라인-LOCAL 모델과 기존 모델인 LOCAL, SLOCAL, 동적-LOCAL 간의 관계를 수립하기 위해.
• 이미 잘 연구된 LOCAL 모델의 국소성 결과가 다른 모델, 특히 LCL 문제에 대해 어떻게 확장되는지 조사하기 위해.
• 모델들이 동일한지, 또는 다를지, 특히 구조적 그래프 대비 일반 그래프에서의 차이를 파악하기 위해.

제안 방법

• 각 노드가 한 번에 하나씩 노출되며, 알고리즘이 출력을 결정하기 전에 해당 노드의 반경-T 이웃을 볼 수 있는 온라인-LOCAL 모델을 제안한다.
• 온라인-LOCAL를 세 가지 기존 모델인 LOCAL(분산), SLOCAL(순차 그레디), 동적-LOCAL(동적 그래프 업데이트)과 비교한다.
• 표현력 측면에서 SLOCAL과 동적-LOCAL가 LOCAL과 온라인-LOCAL 사이에 엄격히 끼쳐져 있음을 보여주는 샌드위치 추론을 사용한다.
• 증명을 위해 증명서 기반 기법을 사용하여, 온라인-LOCAL에서 로그 이하 국소성은 LOCAL 모델에서 O(log∗n) 해법이 존재함을 보인다.
• 큰 수의 완전한 δ-항등수 트리를 구성하여 알고리즘 행동을 시뮬레이션하고, O(log∗n) 해법을 위한 검증 가능한 조건을 유도한다.
• 이 방법을 사용하여 경로, 사이클, 루트가 있는 정규 트리에서 LCL 문제의 국소성 클래스가 동일함을 입증한다.

실험 결과

연구 질문

• RQ1 경로, 사이클, 루트가 있는 정규 트리에서, 온라인-LOCAL, SLOCAL, 동적-LOCAL, LOCAL 네 모델은 LCL 문제에 대해 국소성 측면에서 동일한가?
• RQ2 LOCAL 모델에서의 하한값은 온라인-LOCAL 및 기타 모델로 전이 가능한가?
• RQ3 이중 그래프에서 3-색칠 문제의 국소성은 온라인-LOCAL 모델에서 LOCAL 모델과 비교해 어떻게 되는가?
• RQ4 2D 격자나 일반 이중 그래프와 같은 일반 그래프에서는 모델 간의 등가성이 깨지는가?
• RQ5 온라인-LOCAL 알고리즘은 LOCAL 모델보다 훨씬 낮은 국소성으로 문제를 해결할 수 있는가?

주요 결과

• 경로, 사이클, 루트가 있는 정규 트리에서 LCL 문제에 대해, 네 모델(LOCAL, SLOCAL, 동적-LOCAL, 온라인-LOCAL)은 동일한 국소성 클래스—O(log∗n), Θ(log n), 또는 nΘ(1)—를 가진다.
• 이중 그래프에서 3-색칠 문제에 대해 온라인-LOCAL 알고리즘이 국소성 O(log n)을 달성하는 반면, 이 문제의 국소성은 LOCAL 모델에서 Ω(n1/2)이며, SLOCAL 모델에서 Ω(n1/10)이다.
• 2D 격자와 일반 이중 그래프에서는 모델 간의 등가성이 깨지며, 온라인-LOCAL가 LOCAL보다 엄격히 더 좋은 국소성을 제공한다.
• 온라인-LOCAL에서 로그 이하 국소성 알고리즘이 존재하면, 이는 LOCAL 모델에서 검증 가능한 O(log∗n) 해법이 존재함을 의미한다.
• 이 결과는 동적-LOCAL 알고리즘을 LOCAL 모델에서 효율적으로 시뮬레이션할 수 있게 하며, LOCAL 하한값을 다른 모델로 일반화할 수 있다.
• 논문은 온라인-LOCAL 모델이 LOCAL보다 엄격히 더 강력하며, SLOCAL과 동적-LOCAL가 그 사이에 끼쳐져 있음을 입증한다.