[论文解读] Deterministic Simple $(Δ+\varepsilonα)$-Edge-Coloring in Near-Linear Time

Kowalik, Łukasz|arXiv (Cornell University)|Jan 1, 2024

Advanced Graph Theory Research被引用 1

一句话总结

本文提出了一种确定性近线性时间算法，用于简单图中的 $(1 + \varepsilon)\Delta$-边着色，时间复杂度为 $O(m \cdot \log n / \varepsilon)$，并提出了一种随机化变体，其期望时间复杂度为 $O(m \cdot \varepsilon^{-18} + m \cdot \log(\varepsilon \cdot \Delta))$。对于分枝度至多为 $\alpha$ 的图，本文引入了一种确定性 $(\Delta + \varepsilon\alpha)$-边着色算法，时间复杂度为 $O(m \cdot \log n / \varepsilon^7)$，通过一种新颖的双向度数分割技术，显著优于先前的 $\Delta + 2\alpha - 2$ 边界，同时保持了近线性时间复杂度。

ABSTRACT

In this paper we show that every graph G of bounded maximum average degree mad(G) and with maximum degree Δ can be edge-colored using the optimal number of Δ colors in quasilinear time, whenever Δ ≥ 2mad(G). The maximum average degree is within a multiplicative constant of other popular graph sparsity parameters like arboricity, degeneracy or maximum density. Our algorithm extends previous results of Chrobak and Nishizeki [Marek Chrobak and Takao Nishizeki, 1990] and Bhattacharya, Costa, Panski and Solomon [Sayan Bhattacharya et al., 2023].

研究动机与目标

• 解决长期悬而未决的问题：是否能在简单图中设计出针对 $(1 + \varepsilon)\Delta$-边着色的确定性近线性时间算法。
• 在先前针对 $(1 + \varepsilon)\Delta$-边着色的近线性时间随机化算法基础上，提供一种时间复杂度更优的确定性替代方案。
• 在分枝度有界图中，将颜色过剩从 $2\alpha - 2$ 减少到 $\varepsilon\alpha$，同时保持近线性时间性能。
• 开发一种新颖的双向度数分割技术，使在一般图和分枝度有界图中均能实现高效的边着色。
• 为边着色问题提供一种确定性完全多项式时间近似方案（FPTAS），解决图算法领域的一个关键开放问题。

提出的方法

• 提出一种新颖的双向度数分割技术，根据度数阈值对顶点进行划分，以在递归子图中实现高效的边着色。
• 在度数至多为 $\Delta/2^i$ 的顶点所诱导的子图上应用递归边着色过程，使用参数 $h$ 控制递归深度。
• 采用出度至多为 $2\alpha$ 的边定向，确保每个颜色类构成一棵森林，从而通过无环定向实现高效着色。
• 利用所用颜色数受 $\Delta + 3 \cdot 2^h$ 限制的事实，并设定 $h = \lfloor \log(\varepsilon \alpha / 3) \rfloor$，以实现 $\Delta + \varepsilon\alpha$ 种颜色。
• 结合确定性和随机化变体：确定性版本的时间复杂度为 $O(m \cdot \alpha^7 \cdot \log n / 2^{7h})$，而随机化版本将其降低至 $O(m \cdot \alpha \cdot \log n / 2^h)$ 的期望时间。
• 对图进行递归分解，生成最大度递减的子图，确保每次递归调用均保持有界的分枝度和度数。

实验结果

研究问题

• RQ1 能否设计出针对简单图中 $(1 + \varepsilon)\Delta$-边着色的确定性近线性时间算法，从而解决该领域的一个开放问题？
• RQ2 能否在保持近线性时间复杂度的前提下，将分枝度有界图中的颜色过剩从 $2\alpha - 2$ 减少到 $\varepsilon\alpha$？
• RQ3 是否存在一种通用技术，能够通过基于顶点度数的递归图划分实现高效边着色，并带来更优的时间界？
• RQ4 能否优化颜色数与运行时间之间的权衡，以实现针对 $(1 + \varepsilon)\Delta$-着色的 $O(m \cdot \log n / \varepsilon)$ 确定性时间复杂度？
• RQ5 该算法的随机化变体能否在时间复杂度上显著优于以往工作，特别是在 $\Delta$ 较大时？

主要发现

• 本文提出了一种确定性 $(1 + \varepsilon)\Delta$-边着色算法，其运行时间为 $O(m \cdot \log n / \varepsilon)$，为近线性时间，且显著优于先前的随机化结果。
• 该算法的随机化变体在期望时间复杂度上为 $O(m \cdot \varepsilon^{-18} + m \cdot \log(\varepsilon \cdot \Delta))$，在 $\Delta$ 较大时表现出更优性能。
• 对于分枝度至多为 $\alpha$ 的图，该算法在 $O(m \cdot \log n / \varepsilon^7)$ 的确定性时间内实现了 $(\Delta + \varepsilon\alpha)$-边着色，将颜色过剩从 $2\alpha - 2$ 减少到 $\varepsilon\alpha$。
• 所提出的双向度数分割技术实现了图的高效递归分解，构成确定性和随机化算法的核心。
• 该算法实现了边着色的确定性 FPTAS，因为它对任意 $\varepsilon > 0$ 均能在近线性时间内计算出 $(1 + \varepsilon)\Delta$-边着色，从而解决了长期悬而未决的开放问题。
• 基于分枝度的随机化变体算法在 $O(m \cdot \log n / \varepsilon)$ 的期望时间内运行，与一般情况下的确定性版本时间复杂度一致。