[论文解读] Nearly Tight Low Stretch Spanning Trees

Ittai Abraham, Yair Bartal+1 more|ArXiv.org|Aug 14, 2008

Complexity and Algorithms in Graphs参考文献 11被引用 25

一句话总结

本文为任意n个顶点的图提出了一种新颖的生成树分布，实现了所有边的近乎最优期望拉伸度，其值为O(log n · log log n · (log log log n)^3)。该方法采用递归星形分解，并引入一种新型的“高速公路”构造，以控制半径拉伸；同时结合强直径概率分解，以控制分解拉伸，显著改进了以往关于拉伸度(n)的界。

ABSTRACT

We prove that any graph $G$ with $n$ points has a distribution $\mathcal{T}$ over spanning trees such that for any edge $(u,v)$ the expected stretch $E_{T \sim \mathcal{T}}[d_T(u,v)/d_G(u,v)]$ is bounded by $ ilde{O}(\log n)$. Our result is obtained via a new approach of building ``highways'' between portals and a new strong diameter probabilistic decomposition theorem.

研究动机与目标

• 为了改进拉伸度(n)的上界，即所有生成树分布中任意边最大期望拉伸度的最小值。
• 开发一种新的构造低拉伸生成树的方法，其性能优于以往的递归星形分解技术。
• 实现一个几乎紧致的拉伸度界，其与已知Ω(log n)下界仅相差多对数因子。

提出的方法

• 提出一种新型的“高速公路”构造，以确保从簇中心节点到所有点的路径保持低拉伸，从而保证半径拉伸为O(log log n)。
• 采用参数ǫ ≈ 1/log log n的递归星形分解，使分解拉伸降低约log n / log log n倍。
• 应用强直径概率分解定理，以控制边在不同簇之间被分离的概率。
• 采用分层聚类过程，以选定节点为中心构建锥形区域，同时控制半径相对于中心的增长速率。
• 利用截断指数分布对锥形半径进行采样，以确保均匀采样并实现概率集中性。
• 提出对锥形度量与锥形半径选择的创新分析，以界定某条边在特定层级被分离的概率。

实验结果

研究问题

• RQ1 能否通过递归分解技术将拉伸度(n)的界改进至O((log n)^2 log log n)以下？
• RQ2 是否可能实现一个几乎紧致的拉伸度界，其与已知Ω(log n)下界仅相差多对数因子？
• RQ3 如何控制递归星形分解中的半径拉伸，以避免出现超对数增长？
• RQ4 能否使用具有强直径保证的概率分解来改进生成树构造中的分解拉伸？
• RQ5 图的何种结构特性使得能够构造出具有近似最优期望拉伸的低拉伸生成树？

主要发现

• 本文建立了拉伸度(n)的新上界O(log n · log log n · (log log log n)^3)，该界与多对数因子内几乎紧致。
• 半径拉伸被控制在O(log log n)以内，显著优于以往工作中O(log n)的半径拉伸。
• 通过在星形分解参数中使用ǫ ≈ 1/log log n，将分解拉伸降低了约log n / log log n倍。
• 分析表明，在分层分解下，任意边(u,v)的期望拉伸被限制在O(d(u,v) · log |X(i)| / (ǫ∆))以内。
• 证明了一个新的强直径概率分解定理，该定理是控制边被分离概率的核心。
• 该方法实现的拉伸度界在多对数因子内最优，解决了低拉伸生成树领域长期存在的开放问题。