[논문 리뷰] Minor Sparsifiers and the Distributed Laplacian Paradigm

Sebastian Forster, Gramoz Goranci외 4명|arXiv (Cornell University)|2020. 12. 31.

Complexity and Algorithms in Graphs참고 문헌 102인용 수 6

한 줄 요약

이 논문은 라플라시안 시스템을 정확하게 해결하는 첫 번째 분산 알고리즘을 CONGEST 모델에서 제안하며, 라운드 복잡도 $O(n^{o(1)}(\bar{n}^{1/2} + D))$를 달성하여 $\widetilde{\Omega}(\bar{n}^{1/2} + D)$의 하한선에 거의 근접한다. 미니어 기반 정점 스퍼서피어와 근사 리커브 스코어 및 행렬 마팅게일을 활용한 스펙트럼 부분공간 스퍼서피어의 새로운 분산 구현을 통해, 희소 방향 그래프에서 최소비용 유량, 음수 가중치를 가진 최단경로, 최대유량, 이분 매칭 문제에 대해 하향선 라운드 정확 알고리즘을 가능하게 한다.

ABSTRACT

We study distributed algorithms built around minor-based vertex sparsifiers, and give the first algorithm in the CONGEST model for solving linear systems in graph Laplacian matrices to high accuracy. Our Laplacian solver has a round complexity of $O(n^{o(1)}(\sqrt{n}+D))$, and thus almost matches the lower bound of $\widetildeΩ(\sqrt{n}+D)$, where $n$ is the number of nodes in the network and $D$ is its diameter. We show that our distributed solver yields new sublinear round algorithms for several cornerstone problems in combinatorial optimization. This is achieved by leveraging the powerful algorithmic framework of Interior Point Methods (IPMs) and the Laplacian paradigm in the context of distributed graph algorithms, which entails numerically solving optimization problems on graphs via a series of Laplacian systems. Problems that benefit from our distributed algorithmic paradigm include exact mincost flow, negative weight shortest paths, maxflow, and bipartite matching on sparse directed graphs. For the maxflow problem, this is the first exact distributed algorithm that applies to directed graphs, while the previous work by [Ghaffari et al. SICOMP'18] considered the approximate setting and works only for undirected graphs. For the mincost flow and the negative weight shortest path problems, our results constitute the first exact distributed algorithms running in a sublinear number of rounds. Given that the hybrid between IPMs and the Laplacian paradigm has proven useful for tackling numerous optimization problems in the centralized setting, we believe that our distributed solver will find future applications.

연구 동기 및 목표

• CONGEST 모델에서 근사 최적의 라운드 복잡도를 달성하는 분산 라플라시안 시스템 해법기를 개발하는 것.
• 라플라시안 프레임워크와 내부점 방법을 분산 환경으로 확장하여 기초 그래프 최적화 문제의 정확한 해를 구하는 것.
• 랜덤 스패닝 트리 샘플링을 피하면서, 미니어 감소와 근사 리커브 스코어 기반으로 스펙트럼 부분공간 스퍼서피어의 분산 구현을 설계하는 것.
• 희소 방향 그래프에서 최소비용 유량, 음수 가중치를 가진 최단경로, 최대유량 문제에 대해 하향선 라운드 정확 알고리즘을 가능하게 하는 것.
• 가중치가 부여된 그래프에서 랜덤 워크를 시뮬레이션할 때의 혼잡도를 줄이기 위해 분산 미니어 구축을 위한 새로운 기술적 프레임워크를 개발하는 것.

제안 방법

• Li와 Schild(F百CS'18)의 스펙트럼 부분공간 스퍼서피어의 분산 변형을 사용하여, 랜덤 스패닝 트리 샘플링 대신 근사 리커브 스코어를 활용한 미니어 기반 정점 스퍼서피어를 구성한다.
• 행렬 마팅게일 분석을 적용하여, 근사 리커브 스코어를 사용하더라도 높은 스펙트럼 근사 품질을 유지함을 증명한다.
• 트리 기반 및 제거 기반 조절자(프리컨디셔너)를 사용하여 정점과 간선을 재귀적으로 압축함으로써 라플라시안 시스템의 구조를 유지한다.
• 단기 랜덤 워크를 사용하여 제거 기반 조절자 구축하고, 가중치가 부여된 그래프에서 이러한 워크를 시뮬레이션하기 위한 혼잡도 감소 기법을 도입한다.
• 스퍼서피어드 미니어와 슈어 여백 체인을 조합하여 CONGEST 모델에서 라플라시안 시스템을 효율적으로 해결한다.
• 해결된 해법기를 내부점 방법의 기반 도구로 활용하여, 하향선 라운드 내에서 흐름 및 매칭 문제의 정확한 해를 도출한다.

실험 결과

연구 질문

• RQ1 CONGEST 모델에서 근사 최적의 라운드 복잡도를 가지는 분산 라플라시안 시스템 해법기를 설계할 수 있는가?
• RQ2 라플라시안 프레임워크를 분산 환경으로 확장하여 최소비용 유량 및 최대유량과 같은 정확한 최적화 문제를 해결할 수 있는가?
• RQ3 랜덤 스패닝 트리 샘플링 없이도 분산 환경에서 스펙트럼 부분공간 스퍼서피어를 구현할 수 있는가?
• RQ4 CONGEST 모델에서 음수 가중치를 가진 최단경로 및 방향 최대유량 문제에 대해 하향선 라운드 정확 알고리즘을 달성할 수 있는가?
• RQ5 분산 미니어 구축 과정에서 가중치가 부여된 그래프에서 랜덤 워크를 시뮬레이션할 때 혼잡도를 어떻게 줄일 수 있는가?

주요 결과

• 제안된 라플라시안 해법기는 $O(n^{o(1)}(\bar{n}^{1/2} + D))$의 라운드 복잡도를 달성하여, 알려진 하한선인 $\widetilde{\Omega}(\bar{n}^{1/2} + D)$에 거의 근접한다.
• 방향 그래프에서 최대유량 문제에 대한 첫 번째 정확한 분산 알고리즘이 달성되었으며, 이는 이전 연구가 무방향 그래프 및 근사 설정에 국한되어 있던 격차를 메운다.
• 최소비용 유량 및 음수 가중치를 가진 최단경로 문제에 대해, 이전까지 정확한 분산 환경에서 해결되지 않았던 첫 번째 하향선 라운드 정확 알고리즘이 개발되었다.
• 근사 리커브 스코어를 통한 스펙트럼 부분공간 스퍼서피어의 분산 구현은 높은 품질의 근사값을 유지하며, 이는 행렬 마팅게일 분석을 통해 증명되었다.
• 혼잡도 감소 기법이 도입되어, 미니어 기반 분산 모델에서 가중치가 부여된 그래프에서 단기 랜덤 워크를 효율적으로 시뮬레이션할 수 있게 되었다.
• 이 프레임워크를 통해 이분 매칭 및 정확한 흐름 문제를 포함한 여러 핵심 문제에 대해 하향선 라운드 해법이 가능해졌으며, 이는 IPM-라플라시안 프레임워크에 기반한다.