[论文解读] Advances in Metric Ramsey Theory and its Applications

Yair Bartal|arXiv (Cornell University)|Apr 8, 2021

Complexity and Algorithms in Graphs参考文献 27被引用 6

一句话总结

本文提出了一种新颖的确定性度量Ramsey分解技术，实现了有限度量空间到欧氏空间和超度量的显式、高效嵌入，实现了度量Ramsey定理的首个确定性紧致界，包括线性大小子空间的常数ℓ_q-畸变，以及路径畸变为O(log n / ε)的最优多嵌入。

ABSTRACT

Metric Ramsey theory is concerned with finding large well-structured subsets of more complex metric spaces. For finite metric spaces this problem was first studies by Bourgain, Figiel and Milman \cite{bfm}, and studied further in depth by Bartal et. al \cite{BLMN03}. In this paper we provide deterministic constructions for this problem via a novel notion of \emph{metric Ramsey decomposition}. This method yields several more applications, reflecting on some basic results in metric embedding theory. The applications include various results in metric Ramsey theory including the first deterministic construction yielding Ramsey theorems with tight bounds, a well as stronger theorems and properties, implying appropriate distance oracle applications. In addition, this decomposition provides the first deterministic Bourgain-type embedding of finite metric spaces into Euclidean space, and an optimal multi-embedding into ultrametrics, thus improving its applications in approximation and online algorithms. The decomposition presented here, the techniques and its consequences have already been used in recent research in the field of metric embedding for various applications.

研究动机与目标

• 开发概率划分在度量嵌入理论中的确定性替代方案。
• 提供具有紧致畸变界的显式嵌入构造，改进先前的随机化和启发式方法。
• 建立强形式的度量Ramsey定理，实现线性大小子空间的常数平均畸变和ℓ_q-畸变。
• 为算法应用实现路径畸变受控的超度量中最优多嵌入。
• 推广并强化度量嵌入领域的基础结果，特别是针对近似算法和在线算法。

提出的方法

• 引入一种新构造——度量Ramsey分解，作为概率加权划分的确定性对应物。
• 采用基于簇直径和距离阈值的递归划分策略，以确保畸变和大小的可控性。
• 将该分解应用于构造L_p空间中的嵌入，畸变为O(log n)，平均畸变为O(1)，ℓ_q-畸变为O(q)。
• 通过加权划分w^ψ(U(Z)) ≤ w(Z) · w*(Z)^ε来控制结果超度量的大小并控制路径畸变。
• 用确定性赋值替代先前构造中的随机选择（例如随机二进制码），以实现完全确定性。
• 将分解与递归树构造相结合，构建大小为n^{1+ε}的超度量中的多嵌入，路径畸变为O(min{log n, log Φ}/ε)。

实验结果

研究问题

• RQ1 确定性构造能否在度量Ramsey理论中实现紧致界，达到与随机构造相当的渐近性能？
• RQ2 度量Ramsey分解能否在所有q < ∞下，为线性大小子空间提供常数ℓ_q-畸变的嵌入？
• RQ3 能否通过显式、确定性构造实现度量嵌入中的局部畸变性质，而无需增长速率假设？
• RQ4 使用确定性方法在度量空间到超度量的多嵌入中，可实现的最优路径畸变是多少？
• RQ5 该分解技术能否在基础度量嵌入应用中替代概率划分，同时保持畸变保证？

主要发现

• 本文首次提出实现度量Ramsey定理紧致界的确定性构造，畸变为8t（t为整数），与已知最佳随机界一致。
• 证明了存在一个线性大小子空间，可嵌入到超度量中，对所有q < ∞具有常数ℓ_q-畸变，最坏情况畸变为O(log n)。
• 构建了一个大小为n^{1+ε}的超度量中的确定性多嵌入，路径畸变为O(min{log n, log Φ}/ε)，与最佳已知概率界一致。
• 该方法首次实现了任意有限度量空间到L_p的显式确定性嵌入，畸变为O(log n)，平均畸变为O(1)，ℓ_q-畸变为O(q)。
• 通过在每一步递归中确保d(Q, P̄) ≥ Δ(Z)/(32t) 且 Δ(U(P)) ≤ Δ(Z)/4，实现了多嵌入中的最优路径畸变。
• 该框架可推广至可分解度量空间，为L_p中的嵌入产生新的Ramsey定理，对非平凡空间族的性能优于现有界。