[论文解读] Faster Algorithms for Online Topological Ordering

Telikepalli Kavitha, Rogers Mathew|ArXiv.org|Nov 2, 2007

Algorithms and Data Compression参考文献 11被引用 10

一句话总结

本文提出了两种针对有向无环图（DAG）在边插入操作下的在线拓扑排序的新算法。第一种算法的时间复杂度为 $O(n^{5/2})$，优于以往针对稠密图的 $O(n^{2.75})$ 时间界限；第二种算法的时间复杂度为 $O((m+nackslash\log n)ackslashsqrt{m})$，在稀疏至中等密度图中严格优于以往的 $O(m^{3/2}\backslash\log n)$ 和 $O(m^{3/2}+n^2\backslash\log n)$ 时间界限。

ABSTRACT

We present two algorithms for maintaining the topological order of a directed acyclic graph with n vertices, under an online edge insertion sequence of m edges. Efficient algorithms for online topological ordering have many applications, including online cycle detection, which is to discover the first edge that introduces a cycle under an arbitrary sequence of edge insertions in a directed graph. In this paper we present efficient algorithms for the online topological ordering problem. We first present a simple algorithm with running time O(n^{5/2}) for the online topological ordering problem. This is the current fastest algorithm for this problem on dense graphs, i.e., when m > n^{5/3}. We then present an algorithm with running time O((m + nlog n)\sqrt{m}); this is more efficient for sparse graphs. Our results yield an improved upper bound of O(min(n^{5/2}, (m + nlog n)sqrt{m})) for the online topological ordering problem.

研究动机与目标

• 改进在有向无环图（DAG）中顺序边插入下的在线拓扑排序的时间复杂度。
• 弥合目前已知的顶点重标记下界 $\Omega(n\backslash\log n)$ 与最佳已知上界之间的差距。
• 为稠密图设计一种简单高效的算法，并为更广泛的图密度范围开发一种优化算法。
• 为在线环检测和增量依赖维护提供改进的理论与实践上界。

提出的方法

• 提出一种简单的 $O(n^{5/2})$ 算法，通过遍历数组并检查邻接矩阵条目，无需复杂数据结构。
• 将 Katriel-Bodlaender 算法框架适配于通过动态顶点重标记在边插入过程中维护拓扑顺序。
• 引入基于模式的分析（模式 i、ii、iii），以追踪顶点更新期间的工作量，区分祖先与后代遍历。
• 使用势函数 $\Phi(e_i)$、$\Psi(e_i)$ 和 $\nu(e_i)$，通过柯西-施瓦茨不等式对边插入过程中的总工作量进行有界。
• 应用几何平均与算术平均不等式，将最终时间复杂度简化为 $O((m+n\backslash\log n)ackslashsqrt{m})$。
• 采用双阶段分析：一阶段针对在模式（ii）结束的插入，另一阶段针对在模式（iii）结束的插入，均通过势函数不等式进行有界。

实验结果

研究问题

• RQ1 我们能否在稠密DAG的在线拓扑排序中实现优于 $O(n^{2.75})$ 的时间界限？
• RQ2 对于 $m = \omega(n)$ 到 $m = O(n^{4/3})$ 的中等稀疏图，是否存在比 $O(m^{3/2}\backslash\log n)$ 或 $O(m^{3/2}+n^2\backslash\log n)$ 更紧的界限？
• RQ3 能否设计一种简单且实用的算法，在无需复杂数据结构的情况下实现 $O(n^{5/2})$ 时间复杂度？
• RQ4 能否通过势函数和柯西-施瓦茨等不等式，对所有边插入操作的总工作量进行有界？
• RQ5 是否存在一个最紧的上界，能统一涵盖所有图密度范围下的现有结果？

主要发现

• 本文在在线拓扑排序中实现了 $O(n^{5/2})$ 的时间复杂度，该结果严格优于以往针对稠密图（$m > n^{5/3}$）的 $O(n^{2.75})$ 上界。
• 第二种算法的时间复杂度为 $O((m+n\backslash\log n)ackslashsqrt{m})$，在 $m$ 从 $\omega(n)$ 到 $O(n^{4/3})$ 的范围内，严格优于 $O(m^{3/2}\backslash\log n)$ 和 $O(m^{3/2}+n^2\backslash\log n)$。
• 综合上界为 $O(\min(n^{5/2}, (m+n\backslash\log n)ackslashsqrt{m}))$，涵盖了所有先前已知的上界。
• $O(n^{5/2})$ 算法简单明了，无需高级数据结构，适用于在线环检测的实用场景。
• 分析依赖于势函数和柯西-施瓦茨不等式对总工作量进行有界，其中 $\sum \nu(e_i) \leq mn$ 且 $\sum \Phi(e_i) \leq m^2$。
• 工作量上界 $O((m+n\backslash\log n)ackslashsqrt{m})$ 通过 $\sum (p_i + q_i) \leq (\sqrt{\sum p_i^2} + \sqrt{\sum q_i^2}) \sqrt{m}$ 推导得出，最终得到时间复杂度。