[論文レビュー] The Graph Exploration Problem with Advice

Hans-Joachim Böckenhauer, Janosch Fuchs+1 more|arXiv (Cornell University)|Apr 18, 2018

Optimization and Search Problems参考文献 5被引用数 5

ひとこと要約

本稿は、アドバイス複雑度を伴うグラフ探索問題のオンラインアルゴリズムを導入し、次数が制限されたグラフへの新たな変換と、エッジ分類のための適応的アドバイスを用いることで、有向および無向グラフにおいて最適な性能を達成する。主な貢献は、スパースグラフにおいて、従来の O(n log n) の境界を改善し、O(m + n) ビットのアドバイス複雑度を達成したことである。これは、エッジごとに対数的アドバイスを用いて構造的知識を符号化し、特化したエッジ分類スキームによって冗長情報を最小限に抑えることで実現される。

ABSTRACT

Moving an autonomous agent through an unknown environment is one of the crucial problems for robotics and network analysis. Therefore, it received a lot of attention in the last decades and was analyzed in many different settings. The graph exploration problem is a theoretical and abstract model, where an algorithm has to decide how the agent, also called explorer, moves through a network such that every point of interest is visited at least once. For its decisions, the knowledge of the algorithm is limited by the perception of the explorer. There are different models regarding the perception of the explorer. We look at the fixed graph scenario proposed by Kalyanasundaram and Pruhs (Proc. of ICALP, 1993), where the explorer starts at a vertex of the network and sees all reachable vertices, their unique names and their distance from the current position. Therefore, the algorithm recognizes already seen vertices and can adapt its strategy during exploring, because it does not forget anything. Because the algorithm only learns the structure of the graph during computation, it cannot deterministically compute an optimal tour that visits every vertex at least once without prior knowledge. Therefore, we are interested in the amount of crucial a-priori information needed to solve the problem optimally, which we measure in terms of the well-studied model of advice complexity. [..] We look at different variations of the graph exploration problem and distinguish between directed or undirected edges, cyclic or non-cyclic solutions, unit costs or individual costs for the edges and different amounts of a-priori structural knowledge of the explorer. [..] In this work, we present algorithms with an advice complexity of $\mathcal{O}(m+n)$, thus improving the classical bound for sparse graphs.

研究の動機と目的

• 未知の環境における最適なグラフ探索のためのアドバイス複雑度を低減すること。
• 最適な探索ツアーを達成するために必要な事前情報（アドバイス）の最小量を分析すること。
• 最小限のアドバイスオーバーヘッドで、有向および無向グラフにおける探索をガイドする効率的なアルゴリズムを開発すること。
• 従来のアドバイス複雑度モデルを、循環的および非循環的探索シーケンスを扱えるように拡張すること。
• 固定グラフ設定下における一般グラフ、スパースグラフ、無向グラフのアドバイス複雑度に対するタイトな境界を提供すること。

提案手法

• 任意の有向グラフを、各頂点のインバックスおよびアウトバックスがそれぞれ最大2本に制限された次数制限付きグラフに変換することで、アドバイス符号化を単純化する。
• 無向エッジごとに「6択の質問」モデルを用い、最適なツアーにおけるエッジ使用状況（0回、1回、または両方向に複数回の通過）を分類する。
• アドバイスビットを用いてエッジ分類（例：EMulti、E1、E0）と通過パターンを符号化し、冗長性を低減する。
• 二段階のアドバイス戦略を採用：まず、無向エッジ1つあたり log(6) ビットを用いてエッジタイプを分類する。次に、変換後のグラフにおける通過シーケンスを符号化する。
• 既存の定理（例：定理 5.11、6.3）を活用し、変換後のグラフにおけるアドバイス使用量を上限付ける。
• 構造的不変性および頂点／エッジのマッピングを用いて、変換後のグラフからの解を元のグラフに戻す。

実験結果

リサーチクエスチョン

• RQ1 有向グラフにおける循環的グラフ探索問題を解くために、最小限のアドバイス複雑度はどの程度か？
• RQ2 構造的性質を活用することで、スパースグラフにおいてアドバイス複雑度を O(n log n) 未満に低下させることは可能か？
• RQ3 エッジの方向性を除去した場合、無向グラフにおけるアドバイス複雑度はどのようにスケーリングするか？
• RQ4 グラフを次数制限付き形式に変換することにより、アドバイス要件にどのような影響が生じるか？
• RQ5 循環的探索の解を利用することで、非循環的探索シーケンスを最小限のアドバイスオーバーヘッドで解くことは可能か？

主な発見

• 本稿では、有向グラフにおける循環的グラフ探索に対して、2n + 23m ビットのアドバイス複雑度を達成し、スパースグラフにおいて従来の O(n log n) の境界を改善した。
• 無向グラフでは、エッジごとに6択分類を活用し、アドバイス複雑度を log(6)(n + m) + 42m ビットにまで低減した。
• 次数制限付きグラフへの変換により、頂点およびエッジ数は最大2倍に増加するが、アドバイスコストは m および n に線形に増加する。
• アドバイスモデルにより、最小限の情報で最適な探索が可能であり、スパースグラフでは O(m + n) ビットで最適解が十分に達成されることを示した。
• 非循環的探索へ一般化する際には、循環的解に ⌈log(n−1)⌉ ビットを追加することで、効率的な適合が可能である。
• 結果として、エッジ分類と構造的変換が、一般用途のアドバイス方式と比較して、著しくアドバイスオーバーヘッドを低減することが示された。