[论文解读] Faster Monotone Min-Plus Product, Range Mode, and Single Source Replacement Paths

Yuzhou Gu, Adam Polak+2 more|arXiv (Cornell University)|Jan 1, 2021

Algorithms and Data Compression参考文献 19被引用 2

一句话总结

本文提出了一种更快的单调 Min-Plus 乘积算法，利用先进的数据结构和矩阵分解技术，将每次操作的时间复杂度降至 O(n^0.6524)，显著优于先前的界限。该方法可加速解决相关问题，包括批量和动态范围模式问题，以及具有小整数权重的单源替换路径（SSRP）问题，表明带负权的 SSRP 问题可能比无权 APSP 更容易解决。

ABSTRACT

One of the most basic graph problems, All-Pairs Shortest Paths (APSP) is known to be solvable in $n^{3-o(1)}$ time, and it is widely open whether it has an $O(n^{3-ε})$ time algorithm for $ε> 0$. To better understand APSP, one often strives to obtain subcubic time algorithms for structured instances of APSP and problems equivalent to it, such as the Min-Plus matrix product. A natural structured version of Min-Plus product is Monotone Min-Plus product which has been studied in the context of the Batch Range Mode [SODA'20] and Dynamic Range Mode [ICALP'20] problems. This paper improves the known algorithms for Monotone Min-Plus Product and for Batch and Dynamic Range Mode, and establishes a connection between Monotone Min-Plus Product and the Single Source Replacement Paths (SSRP) problem on an $n$-vertex graph with potentially negative edge weights in $\{-M, \ldots, M\}$. SSRP with positive integer edge weights bounded by $M$ can be solved in $ ilde{O}(Mn^ω)$ time, whereas the prior fastest algorithm for graphs with possibly negative weights [FOCS'12] runs in $O(M^{0.7519} n^{2.5286})$ time, the current best running time for directed APSP with small integer weights. Using Monotone Min-Plus Product, we obtain an improved $O(M^{0.8043} n^{2.4957})$ time SSRP algorithm, showing that SSRP with constant negative integer weights is likely easier than directed unweighted APSP, a problem that is believed to require $n^{2.5-o(1)}$ time. Complementing our algorithm for SSRP, we give a reduction from the Bounded-Difference Min-Plus Product problem studied by Bringmann et al. [FOCS'16] to negative weight SSRP. This reduction shows that it might be difficult to obtain an $ ilde{O}(M n^ω)$ time algorithm for SSRP with negative weight edges, thus separating the problem from SSRP with only positive weight edges.

研究动机与目标

• 改进单调 Min-Plus 乘积问题的时间复杂度，该问题为 Min-Plus 乘积的结构化变体，具有范围查询和最短路径等应用。
• 通过利用输入矩阵中的单调性结构，为批量和动态范围模式问题开发更快的算法。
• 建立单调 Min-Plus 乘积与具有小整数权重（包括负边）的图上单源替换路径（SSRP）问题之间的联系。
• 研究带负权的 SSRP 的细粒度复杂度，确定其是否具有近线性或亚二次时间算法。
• 探索能否实现 ˜O(Mn^ω) 时间复杂度的 SSRP 带负权，与正权情况下的已知 ˜O(Mn^ω) 边界进行对比。

提出的方法

• 基于频率和取值分布，将输入矩阵分层分解为区间，并使用平衡二叉搜索树（BST）管理稀疏和频繁的值。
• 采用三部分算法框架：通过 BST 处理由频率较低的值，通过周期性重建跟踪最近修改的值，并构建用于单调矩阵的动态数据结构。
• 结合几何划分技术和范围查询，高效枚举满足 Min-Plus 乘积值接近最优的三元组 (i,k,j)。
• 提出一种从有界差值 Min-Plus 乘积到负权 SSRP 的新颖归约，表明若能实现 ˜O(Mn^ω) 时间复杂度的负权 SSRP，则将对其他难题产生突破性进展。
• 利用快速矩形矩阵乘法并优化参数（如 t1, t2, t3, θ, ρ, σ），在预处理、查询和重建成本之间实现最佳权衡。
• 采用全局重建技术，将摊还复杂度转化为最坏情况时间保证，确保性能稳定可靠。

实验结果

研究问题

• RQ1 单调 Min-Plus 乘积能否在亚二次时间内求解？若能，最优指数是多少？
• RQ2 一个矩阵中的单调性结构是否能加速范围模式和替换路径问题的求解？
• RQ3 具有小整数权重（包括负值）的单源替换路径（SSRP）是否本质上比无权 APSP 更容易？
• RQ4 SSRP 在正权情况下的 ˜O(Mn^ω) 时间复杂度边界能否推广到具有负边权的图？
• RQ5 带负权的 SSRP 的细粒度复杂度是什么？它是否与正权情况相分离？

主要发现

• 本文在单调 Min-Plus 乘积上实现了每次操作 O(n^0.6524) 的时间复杂度，优于先前的界限。
• 该算法为具有 {−M, ..., M} 范围内整数边权的单源替换路径（SSRP）问题提供了新的 O(M^0.8043 n^2.4957) 时间复杂度算法，优于先前最优的 O(M^0.7519 n^2.5286)。
• 结果表明，具有常数负整数权重的 SSRP 可能比无权 APSP 更容易求解，而后者被猜想需要 n^2.5−o(1) 时间。
• 从有界差值 Min-Plus 乘积（Bringmann 等人研究）到负权 SSRP 的归约表明，若能实现 ˜O(Mn^ω) 时间复杂度的负权 SSRP，则将对有界差值问题产生突破性进展。
• 空间复杂度主要由稀疏值处理部分主导，达到 ˜O(n^1.3262)，为亚二次且适用于实际应用。
• 该算法通过参数调优、快速矩形矩阵乘法和分层数据结构的结合，实现了所研究问题的最优时间复杂度边界。