[论文解读] Simple dynamic algorithms for Maximal Independent Set and other problems

Manoj Gupta, Shahbaz Khan|arXiv (Cornell University)|Apr 5, 2018

Complexity and Algorithms in Graphs参考文献 19被引用 19

一句话总结

本文提出了一种出人意料地简单且确定性的集中式算法，用于在完全动态图中维护最大独立集（MIS），实现均摊更新时间 $O(\min\{\Delta, m^{2/3}\})$，且每条边或顶点更新的均摊调整次数为 $O(1)$。该方法采用轻量级的均摊分析，避免了复杂的数据结构，相较于先前的结果有所改进，同时保持了直观性和教学友好性。

ABSTRACT

Most graphs in real life keep changing with time. These changes can be in the form of insertion or deletion of edges or vertices. Such rapidly changing graphs motivate us to study dynamic graph algorithms. However, three important graph problems that are perhaps not sufficiently addressed in the literature include independent sets, maximum matching (exact) and maximum flows. Maximal Independent Set (MIS) is one of the most prominently studied problems in the distributed setting. Recently, the first dynamic MIS algorithm for distributed networks was given by Censor-Hillel et al. [PODC16], requiring expected $O(1)$ amortized rounds with $O(Δ)$ messages per update, where $Δ$ is the maximum degree of a vertex in the graph. They suggested an open problem to maintain MIS in fully dynamic centralized setting more efficiently. Assadi et al. [STOC18] presented a deterministic centralized fully dynamic MIS algorithm requiring $O(\min\{Δ,m^{3/4}\})$ amortized time per update. This result is quite complex involving an exhaustive case analysis. We report a surprisingly simple deterministic centralized algorithm which improves the amortized update time to $O(\min\{Δ,m^{2/3}\})$. Additionally, we present some other minor results related to dynamic MIS, Maximum Flow, and Maximum Matching. A common trait of all our results is that despite improving state of the art upper bounds or matching state of the art lower bounds, they are surprisingly simple and are analysed using simple amortization arguments. Further, they use no complicated data structures or black box algorithms for their implementation.

研究动机与目标

• 为完全动态设置下如 MIS、最大匹配和最大流等基础问题缺乏高效动态算法的问题提供解决方案。
• 在完全动态 MIS 上，将确定性集中式算法的均摊更新时间超越先前工作。
• 提出一种简单直观的算法，避免使用复杂的数据结构或黑箱组件。
• 探究不同更新类型（如边插入与边删除）在动态 MIS 中的固有难度差异。
• 将该方法扩展至增量和退化设置，并通过增广路径技术将其与最大流和匹配问题关联。

提出的方法

• 采用一种新颖的均摊分析框架，对顶点和边更新的总成本进行上界估计，确保每次更新的均摊时间较低。
• 通过跟踪每次更新后可能改变状态的顶点，并仅重新处理受影响的邻域，来维护 MIS。
• 利用观察：当解在变化后仍有效或近似有效时，MIS 可以高效更新。
• 核心技术避免使用复杂数据结构，转而依赖简单的顶点度数跟踪和局部重新处理。
• 对于增量 MIS，算法在每次更新中以 $O(\min\{\Delta, \sqrt{m}\})$ 时间处理插入操作，使用轻量级优先队列或基于度数的选择策略。
• 通过逐步应用增广路径算法，将该方法扩展至最大流和匹配问题，总时间复杂度达到 $O(mn)$，与已知下界一致。

实验结果

研究问题

• RQ1 能否设计一种简单且确定性的算法，在完全动态图中实现比先前工作更优的均摊更新时间来维护 MIS？
• RQ2 为何在动态 MIS 中，边插入是最难的更新类型，这与大多数其他图问题相反？
• RQ3 能否将同样的简洁性和效率推广到动态最大流和最大匹配问题？
• RQ4 是否可能以一种支持分布式适配的方式，实现 $O(\min\{\Delta, \sqrt{m}\})$ 的增量 MIS 更新时间？
• RQ5 在动态 MIS 中，边插入、边删除和顶点更新之间的固有难度差异是什么？

主要发现

• 本文在集中式环境下实现了完全动态 MIS 的均摊更新时间为 $O(\min\{\Delta, m^{2/3}\})$，优于先前的 $O(\min\{\Delta, m^{3/4}\})$ 上界。
• 该算法保证每条更新的均摊调整次数为 $O(1)$，即平均每次更新仅有常数个顶点改变状态。
• 对于增量 MIS，算法在每次更新中运行时间为 $O(\min\{\Delta, \sqrt{m}\})$，这在增量设置下是最优的。
• 该方法可直接适配至分布式 CONGEST 模型，每次更新仅需 $O(\min\{\Delta, \sqrt{m}\})$ 条消息和 $O(1)$ 轮通信。
• 逐步计算最大流或最大匹配的总时间与已知的 $\Omega(mn)$ 下界一致，表明其最优性。
• 本文识别出：在动态 MIS 中，边插入是最具挑战性的更新类型，而顶点更新和退化边更新则可被简单算法最优处理。