[论文解读] Dynamic Decremental Approximate Distance Oracles with $(1+ε, 2)$ stretch

Ittai Abraham, Shiri Chechik|arXiv (Cornell University)|Jul 5, 2013

Complexity and Algorithms in Graphs参考文献 50被引用 9

一句话总结

本文提出了一种动态增量式近似距离oracle，具有$(1+\epsilon, 2)$的拉伸度，总更新成本为$\hat{O}(n^{5/2})$。它利用分层聚类和优化的查询机制，在边删除的环境下维持低成本的距离估计，相较于先前在相同成本下$3+\epsilon$拉伸度的方案有所改进。

ABSTRACT

We provide a decremental approximate Distance Oracle that obtains stretch of $1+ε$ multiplicative and 2 additive and has $\hat{O}(n^{5/2})$ total cost (where $\hat{O}$ notation suppresses polylogarithmic and $n^{O(1)/\sqrt{n}}$ factors). The best previous results with $\hat{O}(n^{5/2})$ total cost obtained stretch $3+ε$.

研究动机与目标

• 设计一种动态增量式距离oracle，支持在边删除情况下的高效近似距离查询。
• 在保持较低摊销更新成本的同时，实现$(1+\epsilon, 2)$的拉伸度——即乘法因子$1+\epsilon$和加法因子2。
• 在保持$\hat{O}(n^{5/2})$总更新成本不变的前提下，通过将拉伸度从$3+\epsilon$降低至$(1+\epsilon, 2)$，改进现有界限。
• 在增量模型中维持$O(1)$的查询时间，同时确保正确性和效率。

提出的方法

• 基于距离阈值$2^j$构建分层聚类结构，其中每个聚类$T(v)$与一个枢纽节点$p_j(s)$相关联。
• 在聚类上使用修改后的类似Dijkstra的松弛过程以维护近似距离，利用优先队列实现高效更新。
• 引入一种查询算法，仅检查$O(1)$个候选枢纽以找到最小索引$i$，使得$t \in T(p_i(s))$，从而实现$O(1)$的查询时间。
• 以Bernstein和Roditty [10]的增量算法（$k=2$）为基础，提供初始$O(1)$时间、拉伸度为3的估计，以指导查询过程。
• 采用分层数据结构，其中每个节点维护其聚类枢纽的距离堆，以实现高效的路径估计。
• 使用势函数论证来界定总更新成本，确保在所有边删除操作中总成本为$\hat{O}(n^{5/2})$的摊销复杂度。

实验结果

研究问题

• RQ1 能否设计一种动态增量式距离oracle，实现$(1+\epsilon, 2)$拉伸度，且总更新成本为$\hat{O}(n^{5/2})$？
• RQ2 如何在保持低拉伸度和低更新成本的前提下，将查询时间减少至$O(1)$？
• RQ3 是否可能在不增加总更新成本的前提下，将拉伸度从$3+\epsilon$改进至$(1+\epsilon, 2)$？
• RQ4 图的何种结构特性使得在边删除下能够高效维护近似距离？

主要发现

• 所提出的动态增量式距离oracle实现了$(1+\epsilon, 2)$的拉伸度，意味着返回的距离至多为真实距离的$(1+\epsilon)$倍加上2。
• 总更新成本被限制在$\hat{O}(n^{5/2})$，其中抑制了多对数因子和$n^{O(1)/\sqrt{\log n}}$项，与已知最优的$3+\epsilon$拉伸度方法的代价一致。
• 查询时间为$O(1)$，通过仅检查$O(1)$个候选枢纽实现，利用先前算法提供的粗略初始估计。
• 该算法通过在保持相同总更新成本的前提下，将拉伸度从$3+\epsilon$降低至$(1+\epsilon, 2)$，优于先前工作。
• 通过分析查询节点与聚类枢纽之间相对位置的多种情况，证明了距离估计的正确性，确保拉伸度为$(1+\epsilon)^{O(1)}$。
• 该方法依赖于分层结构和仔细维护的堆，以确保距离估计不会被低估，并始终处于期望的拉伸度范围内。