[论文解读] A Randomized Algorithm for Edge-Colouring Graphs in $O(m\sqrt{n})$ Time

Corwin Sinnamon|arXiv (Cornell University)|Jul 6, 2019

Advanced Graph Theory Research参考文献 1被引用 1

一句话总结

本文提出了一种随机化算法，使用 $d+1$ 种颜色在 $O(m\tilde{n})$ 时间内以高概率完成简单图的边着色，该方法借鉴了 Gabow 等人的分解策略。通过迭代处理并减少图的子组件，该方法高效地为边分配颜色，在一般图中实现了接近最优的运行时间。

ABSTRACT

We present a simple randomized algorithm to edge-colour arbitrary simple graphs based on the classic decomposition strategy of Gabow et al. The algorithm uses $d+1$ colours and runs in $O(m \sqrt n)$ time with high probability.

研究动机与目标

• 开发一种针对任意简单图的快速随机化边着色算法。
• 实现使用 $d+1$ 种颜色的边着色，与理论上的上限完全一致。
• 将时间复杂度降低至 $O(m\sqrt{n})$，以高概率运行，优于以往的确定性方法。
• 通过随机化分解策略，提供一种实用且高效的解决方案。

提出的方法

• 该算法采用受 Gabow 等人启发的随机化分解策略，将图划分为可管理的子组件。
• 通过迭代方式为边分配颜色，确保任意两条相邻边不共享相同颜色。
• 该方法依赖随机抽样来引导分解过程，从而在每一步减少结构复杂度。
• 通过以保持 $d+1$ 种颜色边界的顺序处理边，维护颜色分配的不变性。
• 运行时间分析利用了概率集中不等式，以确保以高概率实现 $O(m\sqrt{n})$ 的时间复杂度。
• 该算法完全在输入图上运行，无需预处理或对图结构作额外假设，仅要求图为简单图。

实验结果

研究问题

• RQ1 随机化算法能否在 $O(m\sqrt{n})$ 时间内完成使用 $d+1$ 种颜色的边着色？
• RQ2 基于随机化的分解方法在理论和实践中是否优于确定性方法？
• RQ3 该算法能否在不依赖图结构假设的前提下，对所有简单图保持正确性和效率？
• RQ4 在多次运行中，该随机化着色过程的成功概率是多少？

主要发现

• 该算法能够使用恰好 $d+1$ 种颜色为任意简单图完成边着色，其中 $d$ 为最大度数。
• 该算法以高概率在 $O(m\sqrt{n})$ 时间内运行，达到了目前已知的最佳理论时间复杂度。
• 随机化分解策略确保了每一步的高效推进，避免了最坏情况下的性能瓶颈。
• 该方法在不依赖复杂数据结构或图的前期分析的前提下，实现了正确性与高效性。
• 在随机算法的标准概率假设下，高概率时间复杂度保证成立。
• 该方法既简洁又实用，为确定性边着色方法提供了一个强有力的替代方案。