[论文解读] Optimal (Degree+1)-Coloring in Congested Clique

Sam Coy, Artur Czumaj+2 more|arXiv (Cornell University)|Jan 1, 2023

Advanced Graph Theory Research被引用 1

一句话总结

本文提出了一种在 Congested Clique 模型中针对 (degree+1)-list coloring 的确定性常数轮算法，通过递归划分图并使用基于桶的染色方法，实现了最优的轮复杂度。主要贡献在于无论最大度数如何，均能在 O(1) 轮内解决该问题，从而解决了分布式图算法领域长期存在的开放性问题。

ABSTRACT

We consider the distributed complexity of the (degree+1)-list coloring problem, in which each node $u$ of degree $d(u)$ is assigned a palette of $d(u)+1$ colors, and the goal is to find a proper coloring using these color palettes. The (degree+1)-list coloring problem is a natural generalization of the classical $(Δ+1)$-coloring and $(Δ+1)$-list coloring problems, both being benchmark problems extensively studied in distributed and parallel computing. In this paper we settle the complexity of the (degree+1)-list coloring problem in the Congested Clique model by showing that it can be solved deterministically in a constant number of rounds.

研究动机与目标

• 解决在 Congested Clique 模型中 (degree+1)-list coloring 是否能以与 (∆+1)-coloring 相似的渐近轮复杂度求解的开放性问题。
• 设计一种确定性算法，实现无论最大度数 ∆ 如何，(degree+1)-list coloring 均能达到常数轮复杂度。
• 将现有随机化算法的结果推广到确定性设置，并实现最优轮复杂度。
• 证明即使节点调色板大小为 d(v)+1（对低度数节点而言，该值显著小于 ∆+1），问题仍可高效求解。
• 建立递归划分与基于桶的染色方法可使 Congested Clique 模型中 (degree+1)-list coloring 的复杂度降至常数轮。

提出的方法

• 该算法通过 LowSpacePartition 过程进行递归划分，将子实例的最大度数降低至 O(√n)，从而实现高效处理。
• 采用基于桶的染色机制，节点根据调色板和度数约束在桶的层级结构中移动。
• 算法维护不变性属性，确保经过 20 次迭代后，每个节点均位于一个拥有唯一可用颜色且无冲突边存在的桶中。
• 子程序如 ColorTrial、SubSample 和 BucketColor 在 O(1) 轮内执行，利用全对全通信和消息聚合。
• 该方法利用了经过足够轮次后，剩余图中非祖先-后代桶对之间不存在边的特性，从而实现无冲突染色。
• 最终通过将剩余未染色的子实例汇聚至单个节点，并在 O(1) 轮内完成染色。

实验结果

研究问题

• RQ1 在 Congested Clique 模型中，(degree+1)-list coloring 是否能以 O(1) 轮求解，与 (∆+1)-coloring 的复杂度相匹配？
• RQ2 是否存在一种确定性算法，可避免随机化并实现 (degree+1)-list coloring 的常数轮复杂度？
• RQ3 当节点调色板大小为 d(v)+1 时，该问题是否仍可高效求解，即使该值可能远小于 ∆+1？
• RQ4 如何利用递归划分与分桶技术，降低 Congested Clique 模型中 (degree+1)-list coloring 的复杂度？
• RQ5 在桶遍历过程中，可维持何种结构不变性，以确保在常数轮内实现无冲突染色？

主要发现

• (degree+1)-list coloring 问题可在 Congested Clique 模型中以确定性方式在 O(1) 轮内求解，实现最优轮复杂度。
• 该算法通过递归划分将子实例的最大度数降低至 O(√n)，从而实现在常数时间内高效处理。
• 经过 20 次基于桶的染色过程迭代后，由于非祖先-后代桶对之间不存在边，G2 \\(G_{\text{bad}}) 中的所有节点均可无冲突地染色。
• 划分产生的子实例可被划分为 O(1) 组，每组可并行染色，从而确保整体复杂度为常数轮。
• 该算法通过将问题约化为可在 O(1) 轮内求解的常数度数子实例，成功处理了任意最大度数。
• 证明依赖于维护关键不变性：d^+_{h(v)}(v) < p_{h(v)}(v)，并最终实现 d^+_{h^*}(v) = 0 且 p_{h^*}(v) = 1，从而确保存在唯一可用颜色。