[논문 리뷰] Streaming Edge Coloring with Subquadratic Palette Size

Shiri Chechik, Doron Mukhtar외 1명|arXiv (Cornell University)|2023. 05. 11.

Complexity and Algorithms in Graphs인용 수 2

한 줄 요약

이 논문은 W-스트림 모델에서 한 번의 스트리밍 패ass를 통해 간선 색칠을 수행하는 랜덤화된 스트리밍 알고리즘을 제안한다. 이 알고리즘은 Õ(n) 공간을 사용하며, 높은 확률로 ∆^1.5의 부분제곱 팔레트 크기인 Õ(∆^1.5)개의 색을 달성한다. 이 방법은 계층적 색칠과 무작위 이동, 간격 기반 버퍼링을 조합하여 갈등을 줄이며, 공격자 순서 스트림에서 오랫동안 유지되어 온 ∆² 장벽을 깨면서도 근사 선형 공간 복잡도를 유지한다.

ABSTRACT

In this paper, we study the problem of computing an edge-coloring in the (one-pass) W-streaming model. In this setting, the edges of an n-node graph arrive in an arbitrary order to a machine with a relatively small space, and the goal is to design an algorithm that outputs, as a stream, a proper coloring of the edges using the fewest possible number of colors. Behnezhad et al. [Behnezhad et al., 2019] devised the first non-trivial algorithm for this problem, which computes in Õ(n) space a proper O(Δ²)-coloring w.h.p. (here Δ is the maximum degree of the graph). Subsequent papers improved upon this result, where latest of them [Ansari et al., 2022] showed that it is possible to deterministically compute an O(Δ²/s)-coloring in O(ns) space. However, none of the improvements succeeded in reducing the number of colors to O(Δ^{2-ε}) while keeping the same space bound of Õ(n). In particular, no progress was made on the question of whether computing an O(Δ)-coloring is possible with roughly O(n) space, which was stated in [Behnezhad et al., 2019] to be an interesting open problem. In this paper we bypass the quadratic bound by presenting a new randomized Õ(n)-space algorithm that uses Õ(Δ^{1.5}) colors.

연구 동기 및 목표

• 공격자 순서 스트리밍 환경에서 Õ(n) 공간을 사용할 때 O(∆)-색칠이 가능한지 여부를 해결하는 것.
• 공격자 순서 W-스트림 모델에서 ∆² 색상 제한을 깨되, Õ(n) 공간 복잡도를 유지하는 것.
• 공간 제약 조건 하에서 간선 색칠에 대해 부분제곱 팔레트 크기를 달성하는 랜덤화된 알고리즘을 설계하는 것.
• 최대 차수 ∆이 알려지지 않은 경우 동적 적응을 통해 알고리즘을 확장하는 것.
• 재귀 깊이 제어와 간격 크기 조정을 통해 기대 기반의 경계를 고확률 보장으로 전환하는 것.

제안 방법

• 도수 임계값 기반의 계층적 단계를 갖는 재귀적 색칠 프레임워크를 사용한다.
• 무작위 이동 {rz}를 적용하여 색상 선택의 상관관계를 제거하고 갈등 확률을 감소시킨다.
• 간격 기반 버퍼링을 적용: 간선들이 O(n log n) 크기의 간격으로 묶여 색상 할당을 관리한다.
• 두 단계 팔레트 시스템을 도입: 서로 다른 간선 유형과 갈등 해결을 위한 팔레트 A, B, C를 사용한다.
• 남은 간선 메커니즘을 활용: 색상이 칠해지지 않은 간선들은 색상 수가 감소한 상태에서 재귀적으로 처리된다.
• ∆의 값을 알 수 없을 경우, ∆ 값을 두 배로 늘여가며 알고리즘을 재시작하고 각 수준에 별도의 팔레트를 사용한다.

실험 결과

연구 질문

• RQ1 공격자 순서 W-스트림 모델에서 Õ(n) 공간을 사용할 때 o(∆²)개의 색상으로 간선 색칠을 수행할 수 있는가?
• RQ2 한 번의 스트리밍 패스에서 간선 색칠에 대해 ∆² 색상 제한을 깰 수 있는가?
• RQ3 랜덤화된 알고리즘이 고확률로 Õ(∆^1.5)개의 색상을 사용하면서도 오직 Õ(n) 공간만을 사용할 수 있는가?
• RQ4 색상 수를 늘리지 않고도 알려지지 않은 최대 차수 ∆를 처리할 수 있는가?
• RQ5 색상 수나 공간 복잡도를 증가시키지 않고도 기대 기반 경계를 고확률 보장으로 강화할 수 있는가?

주요 결과

• 알고리즘은 한 번의 스트리밍 패스와 Õ(n) 공간을 사용하여 높은 확률로 Õ(∆^1.5)개의 색상으로 간선 색칠을 달성한다.
• 각 재귀 수준에서 남은 간선의 기대 수는 7m/κ 이하로 제한되어 있어 재귀의 효율성을 보장한다.
• 기대 재귀 깊이는 O(log ∆)이며, 이는 총 색상 수와 메모리 사용량을 제한한다.
• 사용된 총 색상 수는 기대값으로 Õ(∆^1.5)이며, 간격 크기 조정 후 고확률로 이 경계를 유지한다.
• 알고리즘은 ∆의 값을 동적으로 두 배로 늘여가며 재시작함으로써 알려지지 않은 ∆에 적응하며, Õ(∆^1.5) 색상 복잡도를 유지한다.
• 간격 크기를 log n 배로 늘림으로써 기대 기반 경계를 고확률 보장으로 전환하며, 색상 경계에서 log n 의존성을 제거한다.