[论文解读] Distributed Delta-Coloring Under Bandwidth Limitations

Magnús M. Halldórsson, Yannic Maus|arXiv (Cornell University)|Jan 1, 2024

graph theory and CDMA systems被引用 3

一句话总结

本文提出了一种在 CONGEST 模型中针对最大度 ∆ ≥ 3 的图进行 ∆-染色的随机化分布式算法，以高概率实现 poly(log log n) 轮的运行时间。该算法通过将问题高效地约化为构造性 Lovász 局部引理（LLL）实例和 deg+1-列表染色（d1LC），克服了带宽限制，方法是使用稀疏、有结构的子问题，并在近乎团分解中实现确定性协调。

ABSTRACT

We consider the problem of coloring graphs of maximum degree $Δ$ with $Δ$ colors in the distributed setting with limited bandwidth. Specifically, we give a $\mathsf{poly}\log\log n$-round randomized algorithm in the CONGEST model. This is close to the lower bound of $Ω(\log \log n)$ rounds from [Brandt et al., STOC '16], which holds also in the more powerful LOCAL model. The core of our algorithm is a reduction to several special instances of the constructive Lovász local lemma (LLL) and the $deg+1$-list coloring problem.

研究动机与目标

• 在 CONGEST 模型中，于严格带宽约束下，开发一种亚对数时间的分布式 ∆-染色算法。
• 弥合 LOCAL 与 CONGEST 模型在 ∆-染色等非局部问题上的差距。
• 证明即使在消息大小受限的情况下，基于 LLL 的方法依然有效。
• 提出一种新颖的、带宽高效的约化方法，将问题转化为常数个 LLL 实例和 O(log ∆) 个 d1LC 问题。

提出的方法

• 通过图的细粒度近乎团分解（ACD）将 ∆-染色约化为构造性 LLL 和 d1LC。
• 根据度数和结构将节点划分为稀疏、普通以及特殊的‘重要’近乎团。
• 使用随机变量赋值并精心选择概率（例如 p3 = q(n)/∆）来模拟 LLL 实例中的边激活。
• 在 O(1) 轮内使用确定性协调，计算 LLL 解后形成三元组的关键节点（xC, zC）。
• 应用浓度界限和条件概率计算，以确保 LLL 事件的正确性与可模拟性。
• 利用 LLL 中依赖度有界于 O(∆³) 且事件可在常数距离内局部验证的事实。

实验结果

研究问题

• RQ1 在带宽受限的 CONGEST 模型中，能否在亚对数时间内解决 ∆-染色问题？
• RQ2 在带宽约束下，是否可能将 ∆-染色约化为常数个构造性 LLL 实例？
• RQ3 在消息大小较小且具有高概率保证的分布式环境中，如何高效应用 LLL？
• RQ4 能否通过使用有结构的子问题和局部协调来克服 ∆-染色的非局部性？

主要发现

• 该算法以高概率在 poly(log log n) 轮内运行，几乎达到 LOCAL 模型中 Ω(log log n) 的下界。
• 约化到 LLL 和 d1LC 实现了带宽效率，避免了在高直径子图中学习拓扑结构。
• 每个 LLL 实例中的坏事件 Pr(EC,i) ≤ 2−Ω(q(n))，确保了高成功概率。
• 使用每条边 O(log log n) 比特，可在 O(1) 轮内计算 LLL 事件的条件概率，从而实现可模拟性。
• 每个重要近乎团中至少有 ∆/2 个节点可用于确定性选择 xC，确保三元组的形成。
• 该方法在接近理论下界的同时，保持了低消息复杂度。