[论文解读] Scaling algorithms for approximate and exact maximum weight matching

Ran Duan, Seth Pettie+1 more|arXiv (Cornell University)|Dec 4, 2011

Complexity and Algorithms in Graphs参考文献 104被引用 15

一句话总结

本文提出了用于图中近似和精确最大权匹配的缩放算法，以 O(mε⁻¹ log ε⁻¹) 时间实现 (1−ε)-近似解，并在整数权值二分图上以 O(m√n log N) 时间实现精确解。该方法利用对偶调整和缩放技术，打破了长期存在的 m√n 时间瓶颈，为实际应用中可接受近似最优解的场景提供了更简单、更快的算法。

ABSTRACT

The {\em maximum cardinality} and {\em maximum weight matching} problems can be solved in time $ ilde{O}(m\sqrt{n})$, a bound that has resisted improvement despite decades of research. (Here $m$ and $n$ are the number of edges and vertices.) In this article we demonstrate that this "$m\sqrt{n}$ barrier" is extremely fragile, in the following sense. For any $ε>0$, we give an algorithm that computes a $(1-ε)$-approximate maximum weight matching in $O(mε^{-1}\logε^{-1})$ time, that is, optimal {\em linear time} for any fixed $ε$. Our algorithm is dramatically simpler than the best exact maximum weight matching algorithms on general graphs and should be appealing in all applications that can tolerate a negligible relative error. Our second contribution is a new {\em exact} maximum weight matching algorithm for integer-weighted bipartite graphs that runs in time $O(m\sqrt{n}\log N)$. This improves on the $O(Nm\sqrt{n})$-time and $O(m\sqrt{n}\log(nN))$-time algorithms known since the mid 1980s, for $1\ll \log N \ll \log n$. Here $N$ is the maximum integer edge weight.

研究动机与目标

• 突破几十年来在最大权匹配算法中长期存在的 m√n 时间瓶颈。
• 设计更简单、更快的近似最大权匹配算法，适用于容忍小误差的实际应用场景。
• 通过减少对最大边权 N 的依赖，改进整数权值二分图上精确匹配的时间复杂度。
• 证明 m√n 时间瓶颈是脆弱的，可通过缩放和对偶调整技术被规避。

提出的方法

• 采用缩放框架，按 2 的递减幂次处理边权，同时以递增的粒度维护对偶变量。
• 采用三阶段算法：阶段 I 找到初始匹配，阶段 II 通过链和反链消除执行对偶调整和增广，阶段 III 通过细粒度调整优化解。
• 应用链和反链消除，确保每轮迭代中总劣化度 f(M) 至少减少 √(b/2)，从而保证对数时间收敛。
• 在完美匹配（mwpm）中引入改进的对偶调整策略，实现反链步骤中 f(M) 的完全减少，并支持基于环的高效增广。
• 使用参数 t = √(b/2) 决定采用链或反链对偶调整，确保每轮迭代均取得进展。
• 利用二分图中线性规划松弛为整数解的性质，实现基于对偶的高效优化，无需整数规划。

实验结果

研究问题

• RQ1 能否通过近似和缩放技术打破最大权匹配算法中 m√n 的时间复杂度？
• RQ2 在整数权值二分图中，通过减少对最大边权 N 的依赖，能否显著改善精确最大权匹配的复杂度？
• RQ3 能否设计一种更简单、更快的近似最大权匹配算法，实现近似最优解且对 ε⁻¹ 的时间依赖为线性？
• RQ4 对偶调整与缩放技术如何提升收敛速度并减少匹配算法中的增广次数？
• RQ5 能否通过设计直接算法避免从最大权完美匹配到最大权匹配的归约，从而实现更优的时间复杂度？

主要发现

• 可在 O(mε⁻¹ log ε⁻¹) 时间内计算出 (1−ε)-近似最大权匹配，对任意固定 ε 而言为最优线性时间。
• 整数权值二分图的精确最大权匹配算法运行时间为 O(m√n log N)，优于先前 O(Nm√n) 和 O(m√n log(nN)) 的时间界，尤其在 1 ≪ log N ≪ log n 时。
• 阶段 III 中增广和对偶调整步骤的数量被限制在 O(√n) 以内，确保精确匹配的总时间仍为 O(m√n)。
• 对于最大权完美匹配，算法在缩放次数上实现两倍改进，从 log((n+1)N) 降低至 log(√n N)，从而实现更快收敛。
• 算法通过逐步增加对偶变量的粒度，并结合链/反链消除，确保劣化度单调减少，保证每轮缩放在 O(√n) 轮内收敛。
• 该方法避免了复杂数据结构或矩阵乘法的使用，相比以往精确算法更简单、更实用。