[论文解读] Minimum Cut in $O(m\log^2 n)$ Time

Paweł Gawrychowski, Shay Mozes+1 more|arXiv (Cornell University)|Nov 4, 2019

Computational Geometry and Mesh Generation参考文献 35被引用 8

一句话总结

本文提出了一种确定性 O(m log n) 时间算法，用于在无向加权图中找到在给定生成树上 2-尊重的最小割，显著优于 Karger 的 O(m log² n) 上界。通过引入一种新颖的分解方法，结合重路径分解与有偏分治，并采用紧凑的拓扑诱导子树表示，作者实现了对 link-cut tree 操作的高效批量处理，从而得到一个整体为 O(m log² n) 时间的随机化最小割算法，适用于加权图。

ABSTRACT

We give a randomized algorithm that finds a minimum cut in an undirected weighted $m$-edge $n$-vertex graph $G$ with high probability in $O(m \log^2 n)$ time. This is the first improvement to Karger's celebrated $O(m \log^3 n)$ time algorithm from 1996. Our main technical contribution is a deterministic $O(m \log n)$ time algorithm that, given a spanning tree $T$ of $G$, finds a minimum cut of $G$ that 2-respects (cuts two edges of) $T$.

研究动机与目标

• 解决最小割算法领域一个 20 多年未解的开放问题：是否可以通过将 link-cut tree 操作的摊还时间降至常数，来改进 Karger 的 O(m log² n) 时间上界。
• 设计一种更快的确定性算法，用于在无向加权图中找到 2-尊重给定生成树 T 的最小割。
• 通过改进 Karger 框架中的瓶颈子问题，实现更快的随机化最小割算法。
• 开发一种新的树分解与紧凑表示（拓扑诱导子树），以支持对动态树操作的高效批量处理。
• 通过将新 2-尊重算法与 Karger 的采样和参数调优技术结合，实现整体最小割算法中 log log n 的加速。

提出的方法

• 提出一种新的树分解方法，将重路径分解与有偏分治相结合，将树划分为可管理的片段。
• 定义拓扑诱导子树作为紧凑表示，保留子树间割的代价结构，支持高效批量更新。
• 将 2-尊重问题重新表述为一系列二分图问题，目标是在两个子树之间找到最优边对 (e, e')。
• 利用拓扑诱导子树表示对 link-cut tree 操作进行批量处理，通过利用静态结构和已知操作序列，避免每步操作的 O(log n) 费用。
• 在树片段上使用递归分治策略，通过自底向上的遍历传播非树边的代价，以在紧凑表示中维护边的代价。
• 在 Karger 框架中应用改进的采样技术，并调整参数（ϵ = 1/(4 log^γ n)），以减少打包中的树的数量，从而在整体算法中实现 log log n 的加速。

实验结果

研究问题

• RQ1 是否可以通过利用树的静态性质和已知操作序列，改进 2-尊重最小割问题的 O(m log² n) 时间上界？
• RQ2 能否设计一种在 O(m log n) 时间内运行的确定性算法来解决 2-尊重问题，从而将整体最小割算法改进为 O(m log² n)？
• RQ3 是否可以利用一种新的树分解与紧凑表示（拓扑诱导子树）来批量处理动态树操作，并降低每次操作的摊还成本？
• RQ4 将新 2-尊重算法与 Karger 的采样技术及参数调优结合，是否能在整体最小割算法中实现进一步的 log log n 加速？
• RQ5 该框架是否可适配于无权图，以改进现有依赖 Karger 的 O(m log³ n) 子程序的随机化算法？

主要发现

• 本文提出了一种确定性 O(m log n) 时间算法，用于寻找 2-尊重给定生成树 T 的最小割，这是 25 多年来对 Karger 的 O(m log² n) 算法的首次改进。
• 该算法通过引入一种新颖的树分解和一种称为拓扑诱导子树的紧凑表示，实现了对动态树操作的高效批量处理。
• 作者通过证明 link-cut tree 操作可被批量处理并实现每次操作的摊还 O(1) 时间，解决了 Karger 的开放问题，其关键在于利用了静态结构和已知操作序列。
• 通过将此新 2-尊重算法嵌入 Karger 的框架，整体随机化最小割算法的运行时间降至 O(m log² n)，优于先前的 O(m log³ n) 上界。
• 通过结合新算法与 Karger 的采样技术，进一步实现了 log log n 的加速，得到一个 O(m log² n / log log n + n log^{3+δ} n) 时间的算法，对任意 δ > 0 成立。
• 该改进算法还导出一个 O(min{m + n log² n, m log n}) 时间的随机化算法用于无权图，优于以往依赖 Karger 的 O(m log³ n) 子程序的结果。