[论文解读] A Local Algorithm for the Sparse Spanning Graph Problem

Christoph Lenzen, Reut Levi|arXiv (Cornell University)|Mar 15, 2017

Complexity and Algorithms in Graphs参考文献 11被引用 3

一句话总结

本论文提出了首个用于在任意有界度图中构造具有展伸保证的稀疏生成子图的集中式本地算法。通过结合Voronoi划分、随机采样与基于BFS的簇重构，该算法实现了$\tilde{O}(\text{poly}(\Delta/\varepsilon)n^{2/3})$的查询复杂度，并确保在输出子图中，未被选中的边具有长度为$O(\log n \cdot (\Delta + \log n)/\varepsilon)$跳的替代路径，从而保持近似距离。

ABSTRACT

Constructing a sparse spanning subgraph is a fundamental primitive in graph theory. In this paper, we study this problem in the Centralized Local model, where the goal is to decide whether an edge is part of the spanning subgraph by examining only a small part of the input; yet, answers must be globally consistent and independent of prior queries. Unfortunately, maximally sparse spanning subgraphs, i.e., spanning trees, cannot be constructed efficiently in this model. Therefore, we settle for a spanning subgraph containing at most $(1+\varepsilon)n$ edges (where $n$ is the number of vertices and $\varepsilon$ is a given approximation/sparsity parameter). We achieve query complexity of $ ilde{O}(poly(Δ/\varepsilon)n^{2/3})$, ($ ilde{O}$-notation hides polylogarithmic factors in $n$). where $Δ$ is the maximum degree of the input graph. Our algorithm is the first to do so on arbitrary bounded degree graphs. Moreover, we achieve the additional property that our algorithm outputs a spanner, i.e., distances are approximately preserved. With high probability, for each deleted edge there is a path of $O(poly(Δ/\varepsilon)\log^2 n)$ hops in the output that connects its endpoints.

研究动机与目标

• 设计一种集中式本地算法，即使在无法获取完整图信息的情况下，也能构造出边数不超过$(1+\varepsilon)n$的稀疏生成子图。
• 在最小化本地查询复杂度的同时，确保全局一致性且独立于先前的查询。
• 通过构建展伸图，提供距离保持保证：未被选中的边在输出子图中存在短路径替代。
• 在任意有界度图上实现亚线性查询复杂度，克服先前方法在一般图上失效的局限性。

提出的方法

• 将边分类为扩展边，若其端点在$O(\log n)$跳内均有$\Omega(n^{1/3})$个节点，从而实现高效的本地处理。
• 随机采样$n^{2/3}$个中心点，并将节点划分为以这些中心点为基准的Voronoi单元，以高概率确保每个节点距离其最近中心点不超过$O(\log n)$跳。
• 使用以中心点为根的BFS在每个Voronoi单元内构建生成树，查找最近中心点的查询复杂度为$\tilde{O}(n^{1/3})$。
• 通过递归识别包含超过$\tilde{O}(n^{1/3})$个节点的子树，利用BFS与父子关系，将Voronoi单元细化为大小为$\tilde{O}(n^{1/3})$的簇。
• 在簇上使用随机标记方案，模拟分布式展伸图算法，由于具有$\tilde{O}(n^{1/3})$-重独立性，仅需$\tilde{O}(n^{2/3})$个随机位。
• 对于任意查询边$\{u,v\}$，通过检查其簇成员资格、中心点接近度以及相邻边中的相对排名来确定其是否属于输出子图，从而确保一致性和低查询成本。

实验结果

研究问题

• RQ1 集中式本地算法是否能在任意有界度图上以亚线性查询复杂度构造出边数为$O((1+\varepsilon)n)$的稀疏生成子图？
• RQ2 此类算法是否能保证未被选中的边在输出中存在短替代路径，从而保持近似距离？
• RQ3 是否可能在不依赖共享内存或协调机制的前提下，仅依靠共享随机性和本地查询，实现边选择的全局一致性？
• RQ4 是否可将查询复杂度控制在$\tilde{O}(\text{poly}(\Delta/\varepsilon)n^{2/3})$以内，同时保持展伸保证？

主要发现

• 该算法实现了每条边$\tilde{O}(\text{poly}(\Delta/\varepsilon)n^{2/3})$的查询复杂度，这是在集中式本地模型中首次针对任意有界度图获得的此类复杂度界。
• 输出子图是一个展伸图，其展伸因子为$O(\log n \cdot (\Delta + \log n)/\varepsilon)$，确保每条未被选中的边在输出中均存在长度为该值的路径。
• 该算法确保了边选择的全局一致性：查询结果独立于先前查询，并与单一固定输出子图保持一致。
• 该构造依赖于以$n^{2/3}$个采样中心点为基础的Voronoi划分与簇细化，从而实现对簇及其父子关系的高效本地重构。
• 由于具有$\tilde{O}(n^{1/3})$-重独立性，仅需$\tilde{O}(n^{2/3})$个随机位即可满足需求，因为每次查询仅依赖于一个小的局部邻域。
• 该算法以高概率成功构造出边数不超过$(1+\varepsilon)n$的子图，满足松弛的生成树要求，同时保持距离近似。