[论文解读] Parameterized Distributed Algorithms

Ran Ben Basat, Ken‐ichi Kawarabayashi+1 more|arXiv (Cornell University)|Jul 13, 2018

Complexity and Algorithms in Graphs参考文献 3被引用 5

一句话总结

本论文在 LOCAL 和 CONGEST 模型中，为最小点覆盖（MVC）、最大匹配（MaxM）和最大独立集（MaxIS）等基础图优化问题引入了参数化分布式算法。它建立了 LOCAL 模型中 (1+ϵ)-近似算法的新型 Ω(ϵ⁻¹) 轮下界，确定了 (1+ϵ)-近似求解 MVC、MaxM 和 MaxIS 的复杂度为 (ϵ⁻¹ log n)Θ(1)，并提出了首个确定性 o(n²)-轮 CONGEST 算法，其对 MVC 和 MaxM 的近似因子严格小于 2。

ABSTRACT

In this work, we initiate a thorough study of parameterized graph optimization problems in the distributed setting. In a parameterized problem, an algorithm decides whether a solution of size bounded by a \emph{parameter} $k$ exists and if so, it finds one. We study fundamental problems, including Minimum Vertex Cover (MVC), Maximum Independent Set (MaxIS), Maximum Matching (MaxM), and many others, in both the LOCAL and CONGEST distributed computation models. We present lower bounds for the round complexity of solving parameterized problems in both models, together with optimal and near-optimal upper bounds. Our results extend beyond the scope of parameterized problems. We show that any LOCAL $(1+ε)$-approximation algorithm for the above problems must take $Ω(ε^{-1})$ rounds. Joined with the algorithm of [GKM17] and the $Ω(\sqrt{\frac{\log n}{\log\log n}})$ lower bound of [KMW16], this settles the complexity of $(1+ε)$-approximating MVC, MaxM and MaxIS at $(ε^{-1}\log n)^{Θ(1)}$. We also show that our parameterized approach reduces the runtime of exact and approximate CONGEST algorithms for MVC and MaxM if the optimal solution is small, without knowing its size beforehand. Finally, we propose the first deterministic $o(n^2)$ rounds CONGEST algorithms that approximate MVC and MaxM within a factor strictly smaller than $2$.

研究动机与目标

• 研究分布式环境中参数化图优化问题，重点关注 MVC、MaxM 和 MaxIS 等问题。
• 在 LOCAL 和 CONGEST 模型中，为这些问题的参数化版本建立紧致的轮复杂度界限——包括下界与上界。
• 证明当最优解大小 k 较小时，即使不事先知道 k，参数化算法也能显著降低运行时间。
• 设计首个确定性 o(n²)-轮 CONGEST 算法，对 MVC 和 MaxM 实现严格优于 2 的近似因子。
• 将参数化复杂度视角拓展至分布式计算，揭示了超越参数化范围的新下界与算法改进。

提出的方法

• 提出一种参数化框架：每个节点知晓参数 k，并需判断是否存在大小 ≤k（或最大化问题中 ≥k）的解。
• 通过将 MVC 归约至 MFVS 和 MFES，转移下界，证明在 LOCAL 模型中常数近似需要 Ω(D) 轮。
• 通过概率与组合论证，建立 LOCAL 模型中 (1+ϵ)-近似算法的新型 Ω(ϵ⁻¹) 轮下界，适用于 MVC、MaxM、MaxIS 及相关问题。
• 设计 k-MVC 和 k-MaxM 算法，运行时间为 O(k + (kϵ)²) 轮，支持通过二分查找高效搜索 k 值。
• 应用参数化搜索策略：迭代测试 k = 2⁰, 2¹, ..., 直至找到有效解，然后在解大小上进行二分查找，以实现 (1+ϵ)-或 (2−ϵ)-近似。
• 将参数化算法与经典近似技术结合，当最优解大小较小时，推导出非参数化问题的更快算法。

实验结果

研究问题

• RQ1 在 LOCAL 模型中，MVC、MaxM 和 MaxIS 的参数化 (1+ϵ)-近似算法的轮复杂度是多少？
• RQ2 当最优解大小较小时，即使不事先知道 k，参数化算法是否能显著降低精确与近似 CONGEST 算法的运行时间？
• RQ3 能否设计出首个确定性 o(n²)-轮 CONGEST 算法，对 MVC 和 MaxM 实现严格小于 2 的近似因子？
• RQ4 在 LOCAL 和 CONGEST 模型中，对于具有全局结构的问题（如 MFVS 和 MFES），参数化近似的紧致下界是什么？
• RQ5 如何利用参数化算法提升当最优解大小较小时经典分布式问题的轮复杂度？

主要发现

• 论文为 LOCAL 模型中 MVC、MaxM、MaxIS 及相关问题的任意 (1+ϵ)-近似算法建立了紧致的 Ω(ϵ⁻¹) 轮下界。
• 该下界与已有工作结合，确定了 (1+ϵ)-近似求解 MVC、MaxM 和 MaxIS 的轮复杂度为 (ϵ⁻¹ log n)Θ(1)。
• 论文提出了首个确定性 o(n²)-轮 CONGEST 算法，对 MVC 和 MaxM 的近似因子严格小于 2。
• 对于 MVC 和 MaxM，论文在 O(log ϵ⁻¹ · (OPT + (ϵ·OPT)²)) 轮内实现了 (2−ϵ)-近似，当 OPT 较小时优于先前的界。
• 论文表明，当最优解大小较小时，参数化算法可用于获得非参数化问题的更快算法，2-近似可在 O(OPT log OPT) 轮内实现。
• 结果表明，参数化算法不仅在小 k 时提升性能，还为 CONGEST 模型中的经典问题带来了新的、更快的算法。