[论文解读] Fully Dynamic Shortest Paths and Reachability in Sparse Digraphs

Adam Karczmarz, Piotr Sankowski|arXiv (Cornell University)|Jan 1, 2023

Advanced Graph Theory Research被引用 2

一句话总结

本文提出了首个针对稀疏实权有向图的确定性全动态全源最短路径（APSP）数据结构，其更新和查询时间具有非平凡的最坏情况复杂度。通过结合动态矩阵求逆技术与一种新颖的图低直径分量分解方法，该方法实现了 eO(mn⁴/⁵) 的最坏情况更新时间与 eO(n⁴/⁵) 的查询时间，从而在边插入与删除操作下高效维护最短路径。

ABSTRACT

We study the exact fully dynamic shortest paths problem. For real-weighted directed graphs, we show a deterministic fully dynamic data structure with Õ(mn^{4/5}) worst-case update time processing arbitrary s,t-distance queries in Õ(n^{4/5}) time. This constitutes the first non-trivial update/query tradeoff for this problem in the regime of sparse weighted directed graphs. Moreover, we give a Monte Carlo randomized fully dynamic reachability data structure processing single-edge updates in Õ(n√m) worst-case time and queries in O(√m) time. For sparse digraphs, such a tradeoff has only been previously described with amortized update time [Roditty and Zwick, SIAM J. Comp. 2008].

研究动机与目标

• 为稀疏加权有向图的全动态 APSP 问题填补空白，此前该问题尚未存在非平凡的最坏情况复杂度界限。
• 设计一种确定性数据结构，支持在全动态边更新（插入与删除）下进行精确的距离查询。
• 在稀疏情形（m = eO(n)）下，实现更新与查询时间之间的非平凡权衡，超越从头重新计算或每次查询使用 Dijkstra 算法的复杂度。
• 将动态矩阵求逆框架扩展至带权有向图，包括负权边，同时在无负环的前提下保证正确性。

提出的方法

• 利用 Sankowski [37] 提出的动态矩阵求逆框架，并通过在有限域上进行路径计数，将其适配于实权有向图。
• 采用基于阶段的策略，定期在 O(T) 时间内重新计算邻接矩阵的逆，其中 T = O(mn) 适用于稀疏有向无环图。
• 通过将图分解为低直径分量，控制每阶段的更新次数，从而限制更新成本。
• 在 Z/pZ 上使用改进的路径计数技术，以在动态变化下维护可达性与距离信息。
• 提出一种新颖的约化方法，将全动态 APSP 问题转化为带可控错误概率的动态矩阵求逆问题，通过随机选取素数模数实现。
• 将逆矩阵维护与最短路径重构相结合，使得查询后可在 O(|P|) 时间内报告实际最短路径。

实验结果

研究问题

• RQ1 能否为稀疏实权有向图设计一种确定性全动态 APSP 数据结构，使其具有非平凡的最坏情况更新与查询复杂度？
• RQ2 是否可能将动态矩阵求逆方法扩展至带权有向图，特别是包含负权边的情况，同时保持正确性？
• RQ3 在稀疏情形（m = eO(n)）下，精确全动态 APSP 的最优更新与查询时间权衡为何？
• RQ4 能否将动态矩阵求逆框架适配以支持最短路径报告，而不仅限于距离查询？
• RQ5 基于阶段的周期性重新计算策略（即定期重新计算逆矩阵）是否能获得优于摊还方法的最坏情况复杂度界限？

主要发现

• 本文提出了一种确定性全动态 APSP 数据结构，其在实权有向图上的最坏情况更新时间为 eO(mn⁴/⁵)，查询时间为 eO(n⁴/⁵)。
• 该数据结构仅在图中不包含负环时正确维护距离，从而在该前提下保证正确性。
• 在完成一次距离查询后，可在与路径长度成线性关系的时间 O(|P|) 内重构出对应的最短路径。
• 该方法在稀疏情形下实现了非平凡的复杂度权衡，优于从头重新计算（eO(n²)）与每次查询使用 Dijkstra（eO(n)）的最坏情况复杂度。
• 该方法通过有限域算术与路径计数，将动态矩阵求逆框架推广至带权有向图，从而实现最坏情况复杂度保证。
• 该成果首次为稀疏加权有向图中的精确全动态 APSP 问题建立了非平凡的最坏情况更新与查询复杂度界限。