[論文レビュー] Online Bisection with Ring Demands

Mateusz Basiak, Marcin Bieńkowski+2 more|arXiv (Cornell University)|Feb 10, 2026

Optimization and Search Problems被引用数 0

ひとこと要約

この論文は、リング需要を伴うオンライン分割のための乱択オンラインアルゴリズムを提示し、クラスタサイズを最大で (3/4 + ε)·n まで拡張できる augmentation の下で O(ε−3 · log^2 n) 競合比を達成します。

ABSTRACT

The online bisection problem requires maintaining a dynamic partition of $n$ nodes into two equal-sized clusters. Requests arrive sequentially as node pairs. If the nodes lie in different clusters, the algorithm pays unit cost. After each request, the algorithm may migrate nodes between clusters at unit cost per node. This problem models datacenter resource allocation where virtual machines must be assigned to servers, balancing communication costs against migration overhead. We study the variant where requests are restricted to edges of a ring network, an abstraction of ring-allreduce patterns in distributed machine learning. Despite this restriction, the problem remains challenging with an $Ω(n)$ deterministic lower bound. We present a randomized algorithm achieving $O(\varepsilon^{-3} \cdot \log^2 n)$ competitive ratio using resource augmentation that allows clusters of size at most $(3/4 + \varepsilon) \cdot n$. Our approach formulates the problem as a metrical task system with a restricted state space. By limiting the number of cut-edges (i.e., ring edges between clusters) to at most $2k$, where $k = Θ(1/\varepsilon)$, we reduce the state space from exponential to polynomial (i.e., $n^{O(k)}$). The key technical contribution is proving that this restriction increases cost by only a factor of $O(k)$. Our algorithm follows by applying the randomized MTS solution of Bubeck et al. [SODA 2019]. The best result to date for bisection with ring demands is the $O(n \cdot \log n)$-competitive deterministic online algorithm of Rajaraman and Wasim [ESA 2024] for the general setting. While prior work for ring-demands by Räcke et al. [SPAA 2023] achieved $O(\log^3 n)$ for multiple clusters, their approach employs a resource augmentation factor of $2+\varepsilon$, making it inapplicable to bisection.

研究の動機と目的

• リング需要リクエストをデータセンターのリソース割当問題としてオンライン分割を動機づけ、形式化する。
• 効率的なオンライン意思決定を可能にするスパ sparsified な状態空間アプローチを開発する。
• 拡張の下でサブ線形の競合比をもたらす乱択メトリカルタスクシステム（MTS）フレームワークを示す。
• 制約された状態空間の下でオフライン構成とオンラインアルゴリズムを提供し、証明可能な保証を与える。
• リング需要に対する既存の最良結果とのギャップを埋め、将来の改善方向を概説する。

提案手法

• 問題を、状態を着色に対応させたメトリカルタスクシステムとしてモデル化する；距離は着色編集距離。
• 切断エッジを最大 2k に制限して状態空間を絞り、k = Θ(1/ε) とすることで n^O(k) の状態を得る。
• 全体的な再バランシング手順を用いて α-バランスの取れた切断集合を維持し、invariants cut(Off) ⊆ cut(Opt) を保つ。
• Ak,α 内の Off のオフラインアルゴリズムを構築し、 |Off(σ)| ≤ O(k)·Opt(σ) + O(n)。
• Bubeck らの乱択 MTS アルゴリズムを適用してオンラインアルゴリズム Onl ∈ Ak,α を得、E[Onl(σ)] ≤ O(k^2 · log^2 n) · Off(σ) + β。
• k ≈ 1/ε および α = 3/2 + 1/k を設定して、最終的に (3/2 + ε)-augmented の O(ε−3 · log^2 n)-競合オンラインアルゴリズムを導出する。

実験結果

リサーチクエスチョン

• RQ1 3/4+ε の augmentation の下でオンライン分割 with ring demands に対して実現可能な最良の競合比は何か。
• RQ2 競合比を大きく崩さずに状態空間を効果的に縮小できるか。
• RQ3 2k 以下のカットエッジに制限することは、Opt に対する総コストにどのような影響を与えるか。
• RQ4 乱択 MTS 手法はこの設定でサブ線形の競合比を生み出すか、どのような augmentation の境界が得られるか。
• RQ5 提案されたオフラインとオンラインの構成は、最終的な保証をどのように組み合わせて実現するか。

主な発見

• リング需要オンライン分割に対して、(3/2 + ε)-augmented の乱択オンラインアルゴリズムが、競合比 O(ε−3 · log^2 n) を達成する。
• 切断エッジを最大 2k にスパース化することで状態空間が n^O(k) となり、MTS 手法の適用が実現可能かつ解析可能になる。
• α = 3/2 + 1/k の Ak,α における Off のオフラインアルゴリズムは Off(σ) ≤ O(k) · Opt(σ) + O(n) を満たす。
• Bubeck らの乱択 MTS を適用すると、Off に対する競合因子が O(k^2 · log^2 n) となり、パラメータ選択後は Opt に対して O(ε−3 · log^2 n) の競合になる。
• この文脈でのリング需要に対する既存の最良結果は、3/2+ε 増分で O(n · log n) の決定的な競合であり、本研究はリング特有の制約下で競合比を改善する。
• 本研究は上界と下界のギャップを埋める道筋を示し、将来の研究でより小さな augmentation 因子を検討する動機となる。