[论文解读] Faster Approximation Schemes for Fractional Multicommodity Flow Problems via Dynamic Graph Algorithms

Aleksander Mądry|arXiv (Cornell University)|Mar 30, 2010

Complexity and Algorithms in Graphs参考文献 20被引用 5

一句话总结

本文通过将动态图算法与Garg-Könemann及Fleischer框架相结合，提出了分数多商品流问题的更快(1−ε)-近似方案。通过使用聚合长度函数和分层数据结构，高效更新近似距离oracle，实现了近乎最优的运行时间——在多项式对数因子范围内匹配Ω(mn)的流分解障碍。

ABSTRACT

We combine the work of Garg and Konemann, and Fleischer with ideas from dynamic graph algorithms to obtain faster (1-eps)-approximation schemes for various versions of the multicommodity flow problem. In particular, if eps is moderately small and the size of every number used in the input instance is polynomially bounded, the running times of our algorithms match - up to poly-logarithmic factors and some provably optimal terms - the Omega(mn) flow-decomposition barrier for single-commodity flow.

研究动机与目标

• 通过利用动态图数据结构，克服多商品流近似中的Ω(mn)流分解障碍。
• 改进现有分数多商品流问题的(1−ε)-近似方案的运行时间。
• 在保持正确性和效率的同时，减少对1/ε及其他参数（如k和M）的依赖。
• 设计一种支持高效更新和查询的动态近似距离oracle，以应对长度变化。
• 通过结合分层舍入与长度更新的摊销分析，实现近乎最优的性能。

提出的方法

• 引入一种(δ, Mmax, Mmin, bP)-ADSP数据结构，用于在动态长度更新下维护近似距离和路径。
• 通过多级Rb实现弧长的分层舍入，其中每个Rb维护一个具有几何缩放的舍入长度函数。
• 采用聚合长度函数ˆl，跟踪累积的长度增加，并将更新延迟到数据结构中。
• 基于长度阈值对Rb结构中的弧进行去激活和重新激活，以限制每条弧的更新次数。
• 通过仅在ˆl(e)显著增加时才转发变化，批量处理Increase(e, ω)请求，从而减少总更新成本。
• 使用摊销分析限制所有更新的总时间，实现eO(mn log Mmax/Mmin / δ)的维护时间。

实验结果

研究问题

• RQ1 能否使用动态图算法来加速分数多商品流问题的近似方案？
• RQ2 在多商品流问题中，近似精度ε与运行时间之间的最优权衡是什么？
• RQ3 能否通过支持高效长度更新的动态数据结构，减少昂贵的最短路径计算次数？
• RQ4 是否可能在保持(1−ε)-近似的同时，实现接近最优的运行时间——即匹配Ω(mn)的流分解障碍？
• RQ5 如何聚合和延迟长度更新，以减少底层数据结构中的总操作数？

主要发现

• 所提出的(δ, Mmax, Mmin, bP)-ADSP数据结构在eO(mn log Mmax/Mmin / δ)的总维护时间内，支持近似距离、路径和单源距离查询。
• 该算法在eO(m²ε⁻²)时间内实现最大多商品流的(1−ε)-近似，其时间复杂度与目前已知最佳结果在多项式对数因子范围内一致。
• 对于加权多商品流问题，运行时间为eO(m²ε⁻² min{log M, k})，在某些参数范围内优于先前方法。
• 通过使用聚合长度函数ˆl批量处理长度更新，该算法减少了最短路径计算的次数。
• 对数据结构的Increase(·,·)请求总数被限制在eO(m log Mmax/Mmin / δ)以内，从而支持高效的摊销更新。
• 通过结合分层舍入与动态数据结构，该框架实现了近乎最优的性能，其时间复杂度在多项式对数因子范围内匹配理论下界Ω(mn)。