[論文レビュー] On Advice Complexity of the k-server Problem under Sparse Metrics

Sushmita Gupta, Shahin Kamali+1 more|arXiv (Cornell University)|May 9, 2013

Optimization and Search Problems参考文献 19被引用数 11

ひとこと要約

本稿は、スパースなメトリック空間におけるkサーバー問題のアドバイス複雑度を調査し、単純なパスですら1-競合比を達成するにはΩ(n)ビットのアドバイスが必要であることを示している。一方で、木幅αのグラフに対しては、O(n(log α + log log N))ビットのアドバイスで定数競合比を達成するアルゴリズムを提示している。スパニヤーに基づく戦略によりタイトな境界を確立し、平面的、AT-free、弦的グラフに対し、O(n log log N)のアドバイスで3-競合比を達成するアルゴリズムを適用している。

ABSTRACT

We consider the k-server problem under the advice model of computation when the underlying metric space is sparse. On one side, we show that an advice of size Ω(n) is required to obtain a 1-competitive algorithm for sequences of size n, even for the 2-server problem on a path metric of size N >= 5. Through another lower bound argument, we show that at least (n/2)(log α - 1.22) bits of advice is required to obtain an optimal solution for metric spaces of treewidth α, where 4 <= α < 2k. On the other side, we introduce Θ(1)-competitive algorithms for a wide range of sparse graphs, which require advice of (almost) linear size. Namely, we show that for graphs of size N and treewidth α, there is an online algorithm which receives $O(n (log α + log log N))$ bits of advice and optimally serves a sequence of length n. With a different argument, we show that if a graph admits a system of μ collective tree (q,r)-spanners, then there is a (q+r)-competitive algorithm which receives O(n (log μ + log log N)) bits of advice. Among other results, this gives a 3-competitive algorithm for planar graphs, provided with O(n log log N) bits of advice.

研究の動機と目的

• スパースなメトリック空間におけるkサーバー問題の1-競合比を達成するオンラインアルゴリズムに必要な最小のアドバイスサイズを特定すること。
• 木幅αのパスおよび一般のメトリック空間における2サーバー問題のアドバイス複雑度の下界を確立すること。
• スパースグラフ上で、定数競合比を達成するが、アドバイスサイズが小さい効率的なオンラインアルゴリズムを設計すること。
• 集団的木スパニヤーが、低アドバイス・定数競合比のkサーバーアルゴリズムを可能にする役割を調査すること。
• 平面的、AT-free、弦的、ユニットディスクグラフなどの特定のグラフ族へのアドバイス複雑度の結果を拡張すること。

提案手法

• パスおよび木幅α ≥ 4のメトリック空間において、1-競合比を達成するにはΩ(n)ビットのアドバイスが必要であることを証明する。
• 最適なサーバー移動を木近似によってシミュレートするため、集団的木(q,r)-スパニヤーを用いたフレームワークを導入する。
• 各リクエストに対してO(log μ + log log N)ビットのアドバイスを用いて最適なスパニヤーを選択し、木上の適切なサーバーの位置を特定する。
• スパニヤー木上で木分解および最近共通祖先(LCA)クエリを用いて、サーバーの効率的なルーティングを実現する。
• カタピラ構造分解を活用し、特定の状況では1リクエストあたりO(log log N)ビットのアドバイスにまで削減する。
• スパニヤー木上でサーバーを移動させることで、最適なオフライン経路を模倣するkサーバーアルゴリズムを構築し、(q+r)-競合比を達成する。

実験結果

リサーチクエスチョン

• RQ1 スパースなメトリック空間におけるkサーバー問題で1-競合比を達成するには、最小でどの程度のアドバイスサイズが必要か？
• RQ2 グラフの木幅がkサーバー問題のアドバイス複雑度にどのように影響するか？
• RQ3 集団的木スパニヤーを用いて、低アドバイス・定数競合比のkサーバーアルゴリズムを設計できるか？
• RQ4 平面的、AT-free、弦的グラフにおけるkサーバー問題のアドバイス複雑度は何か？
• RQ5 サブ線形またはほぼ線形レベルのアドバイスサイズにまで削減しつつ、定数競合比を維持できるか？

主な発見

• サイズN ≥ 5のパス上では、2サーバー問題の1-競合比を達成するにはΩ(n)ビットのアドバイスが必要である。
• 木幅α（4 ≤ α < 2k）のメトリック空間では、最適性を達成するには少なくともn/2(log α − 1.22)ビットのアドバイスが必要である。
• サイズN、木幅αのグラフに対しては、O(n(log α + log log N))-ビットのアドバイスで1-競合比を達成するアルゴリズムが存在する。
• グラフがμ個の集団的木(q,r)-スパニヤーを有する場合、O(n(log μ + log log N))-ビットのアドバイスで(q+r)-競合比を達成するアルゴリズムが存在する。
• 平面グラフに対しては、O(n log log N)ビットのアドバイスで3-競合比を達成するアルゴリズムが存在する。これは、平面グラフがO(log N)個の集団的(3,0)-スパニヤーを有するためである。
• 同様に、AT-free、弦的、ユニットディスクグラフに対しても、同じアドバイスサイズが適用され、それぞれ3-競合比および15-競合比のアルゴリズムが得られる。