[论文解读] Near-Optimal Deterministic Single-Source Distance Sensitivity Oracles

Davide Bilò, Sarel Cohen+2 more|arXiv (Cornell University)|Jan 1, 2021

Complexity and Algorithms in Graphs参考文献 22被引用 2

一句话总结

本文提出了针对边权为 [1, M] 内整数的图的首个确定性、近似最优的单源距离敏感查询结构（DSOs），实现 O(M^{1/2}n^{3/2}) 的空间复杂度与 Õ(1) 的查询时间。通过组合与代数技术，该工作对现有的随机化 SSRP 算法进行了去随机化，显著提升了预处理时间，同时在无权图与带权图中保持了最优的空间复杂度。

ABSTRACT

Given a graph with a source vertex $s$, the Single Source Replacement Paths (SSRP) problem is to compute, for every vertex $t$ and edge $e$, the length $d(s,t,e)$ of a shortest path from $s$ to $t$ that avoids $e$. A Single-Source Distance Sensitivity Oracle (Single-Source DSO) is a data structure that answers queries of the form $(t,e)$ by returning the distance $d(s,t,e)$. We show how to deterministically compress the output of the SSRP problem on $n$-vertex, $m$-edge graphs with integer edge weights in the range $[1,M]$ into a Single-Source DSO of size $O(M^{1/2}n^{3/2})$ with query time $\widetilde{O}(1)$. The space requirement is optimal (up to the word size) and our techniques can also handle vertex failures. Chechik and Cohen [SODA 2019] presented a combinatorial, randomized $\widetilde{O}(m\sqrt{n}+n^2)$ time SSRP algorithm for undirected and unweighted graphs. Grandoni and Vassilevska Williams [FOCS 2012, TALG 2020] gave an algebraic, randomized $\widetilde{O}(Mn^ω)$ time SSRP algorithm for graphs with integer edge weights in the range $[1,M]$, where $ω<2.373$ is the matrix multiplication exponent. We derandomize both algorithms for undirected graphs in the same asymptotic running time and apply our compression to obtain deterministic Single-Source DSOs. The $\widetilde{O}(m\sqrt{n}+n^2)$ and $\widetilde{O}(Mn^ω)$ preprocessing times are polynomial improvements over previous $o(n^2)$-space oracles. On sparse graphs with $m=O(n^{5/4-\varepsilon}/M^{7/4})$ edges, for any constant $\varepsilon > 0$, we reduce the preprocessing to randomized $\widetilde{O}(M^{7/8}m^{1/2}n^{11/8})=O(n^{2-\varepsilon/2})$ time. This is the first truly subquadratic time algorithm for building Single-Source DSOs on sparse graphs.

研究动机与目标

• 为边权为整数的图设计确定性、空间高效的单源距离敏感查询结构（DSOs）。
• 在保持 Õ(1) 查询时间的同时，实现近似最优的空间复杂度 O(M^{1/2}n^{3/2})。
• 在保持相同渐近时间复杂度的前提下，对现有的随机化 SSRP 算法进行去随机化，尤其针对无权图与带权图。
• 降低 o(n²)-空间查询结构的预处理时间，特别是在稀疏图上。
• 将查询结构扩展以支持路径输出，并在略微增加空间的代价下实现 O(1) 查询时间。

提出的方法

• 通过概率方法与基于枢纽的路径重构，对 Chechik 和 Cohen 的随机化 eO(m√n + n²) 组合 SSRP 算法（用于无权图）进行去随机化。
• 应用范围最小值查询（RMQ）数据结构，以高效计算边子区间内的替代路径距离。
• 利用随机枢纽在高概率下识别避开失效边的替代路径，借助高概率集中不等式。
• 对边区间 [a,b] 进行递归搜索，动态调整边界 ∆[a,b] 与 δ[a,b]，以定位最小替代距离对 (dℓ, e∗ℓ)。
• 在区间内进行二分查找，定位在情况 II 中产生最小替代距离的边，确保正确性以高概率成立。
• 通过结构化索引与基于枢纽的路径表示，将 SSRP 输出进行压缩，构建紧凑的查询结构，从而实现高效的查询解析。

实验结果

研究问题

• RQ1 能否在保持相同渐近时间复杂度的前提下，对无权图的随机化 eO(m√n + n²) 组合 SSRP 算法进行去随机化？
• RQ2 能否在保持预处理效率的前提下，对带权图的代数 eO(Mn^ω) SSRP 算法进行去随机化？
• RQ3 能否构建一个具有近似最优空间复杂度 O(M^{1/2}n^{3/2}) 与 Õ(1) 查询时间的确定性单源 DSO？
• RQ4 能否在 m = O(n^{5/4−ε} M^{7/4}) 条边的稀疏图上，将预处理时间降低至 O(n²) 以下？
• RQ5 能否在保持亚二次预处理与近似最优空间的前提下，将查询时间减少至 O(1)？

主要发现

• 本文提出了一种确定性单源 DSO，其空间复杂度为 O(M^{1/2}n^{3/2})，查询时间为 Õ(1)，在多项式对数因子内达到空间下界。
• 组合 DSO 的预处理时间为 eO(m√n + n²)，相比先前的 o(n²)-空间查询结构，性能提升了 √n 倍。
• 对于带权图，代数去随机化方法实现了 eO(Mn^ω) 的预处理时间，相比先前的 o(n²)-空间查询结构，性能提升了多项式因子。
• 该查询结构的一种变体通过将空间增加至 O(M^{1/3}n^{5/3})，实现了 O(1) 查询时间。
• 在边数为 m = O(n^{5/4−ε} M^{7/4}) 的稀疏图上，预处理时间被降低至 eO(M^{7/8} m^{1/2} n^{11/8}) = O(n^{2−ε/2})，这是此类查询结构的首个真正亚二次算法。
• 所有查询结构均可扩展为支持路径输出，返回实际的替代路径，而不仅限于距离值。