[论文解读] A Labeling Approach to Incremental Cycle Detection

Edith Cohen, Amos Fiat+2 more|arXiv (Cornell University)|Oct 31, 2013

Complexity and Algorithms in Graphs参考文献 15被引用 3

一句话总结

本文提出一种用于有向无环图（DAG）增量环检测的新型标注技术，利用递归随机排名来维护弱拓扑序。该方法在总时间复杂度与先前最优结果一致——$O(n^2/log n)$ 和 $O(m \cdot \min\{m^{1/2}, n^{2/3}\})$——的同时，实现了更高的简洁性，并通过局部标签比较与剪枝，显著提升了在分布式环境下的适用性。

ABSTRACT

In the \emph{incremental cycle detection} problem arcs are added to a directed acyclic graph and the algorithm has to report if the new arc closes a cycle. One seeks to minimize the total time to process the entire sequence of arc insertions, or until a cycle appears. In a recent breakthrough, Bender, Fineman, Gilbert and Tarjan \cite{BeFiGiTa11} presented two different algorithms, with time complexity $O(n^2 \log n)$ and $O(m \cdot \min \{m^{1/2}, n^{2/3} \})$, respectively. In this paper we introduce a new technique for incremental cycle detection that allows us to obtain both bounds (up to a logarithmic factor). Furthermore, our approach seems more amiable for distributed implementation.

研究动机与目标

• 解决有向无环图（DAG）中的增量环检测问题，即边逐个添加，需在环形成时立即检测到。
• 基于递归顶点标注与随机排名，将先前的算法统一到一个更直观的框架下。
• 通过在正向与反向搜索中利用局部、基于标签的剪枝，提升算法在分布式系统中的适用性。
• 在不牺牲正确性或效率的前提下，实现与目前已知最优集中式时间复杂度相当的性能，最多存在对数因子差异。

提出的方法

• 为DAG中$qn$个顶点的子集分配从$1$到$qn$的随机排名，其中$0 < q \leq 1$。
• 为每个顶点$u$定义一个递归标签$\ell(u)$，作为一系列已排序的顶点，从能够到达$u$的最小排名顶点开始。
• 递归扩展标签：$\ell(u)$中的每个后续顶点，是能从上一个标签顶点到达且又能到达$u$的最小排名顶点。
• 利用标签序列的字典序关系排除路径：若$\ell(y) \succ \ell(x)$，则不存在从$y$到$x$的路径。
• 通过消息传递调度在边插入过程中动态维护标签，高效传播标签更新。
• 利用标签比较对正向与反向搜索进行剪枝，减少环检测过程中需探索的顶点数量。

实验结果

研究问题

• RQ1 能否为增量环检测构建一个统一框架，使先前算法更简洁，同时保持最优时间复杂度？
• RQ2 递归随机标注如何用于维护弱拓扑序，并在动态DAG中实现高效的路径存在性检查？
• RQ3 基于标签的剪枝技术在多大程度上降低了正向与反向搜索的成本？
• RQ4 所提出的标注方法能否高效地分布化？其在消息复杂度与同步性假设方面与先前方法相比如何？
• RQ5 参数$q$（即带排名顶点的比例）对正向与反向搜索成本之间权衡的影响是什么？

主要发现

• 递归标签的期望长度为顶点数的对数级，确保了紧凑的表示与高效的比较。
• 在DAG的任意路径上，标签序列呈字典序递减，从而可通过标签比较实现高效的路径存在性检查。
• 与给定顶点$u$共享相同标签的顶点集合（从这些顶点可到达$u$）的大小为$O(\log n / q)$，高概率成立。
• 通过选择$q = 1$，算法可实现$O(n^2 \log^2 n)$的总时间复杂度，且无需反向搜索，因为标签唯一。
• 对于稀疏图（$m = O(n)$），设置$q = 1/\sqrt{n}$可得总时间复杂度$O(n^{3/2} \log n)$，与已知结果一致。
• 当$q = \sqrt[3]{\log n / n}$时，正向与反向搜索时间达到平衡，均为$O(m \cdot n^{2/3} \log^{4/3} n)$，为稠密图提供了最佳权衡。