[论文解读] Space-Efficient DFS and Applications: Simpler, Leaner, Faster

Torben Hagerup|arXiv (Cornell University)|May 30, 2018

Algorithms and Data Compression参考文献 2被引用 3

一句话总结

本文提出了一种简化且空间高效的深度优先搜索（DFS）算法，时间复杂度为 O(n + m)，空间使用量为 n + ∑_{v∈V≥3} ⌈log₂(dᵥ−1)⌉ + O(log n) 位，其中 dᵥ 表示顶点 v 的度数。该方法采用一种新颖的栈压缩技术，结合辅助数据结构来追踪灰色顶点和非树边，实现了最优的空间使用率，同时支持高效计算双连通分量、桥和割点。

ABSTRACT

The problem of space-efficient depth-first search (DFS) is reconsidered. A particularly simple and fast algorithm is presented that, on a directed or undirected input graph $G=(V,E)$ with $n$ vertices and $m$ edges, carries out a DFS in $O(n+m)$ time with $n+\sum_{v\in V_{\ge 3}}\lceil{\log_2(d_v-1)} ceil +O(\log n)\le n+m+O(\log n)$ bits of working memory, where $d_v$ is the (total) degree of $v$, for each $v\in V$, and $V_{\ge 3}=\{v\in V\mid d_v\ge 3\}$. A slightly more complicated variant of the algorithm works in the same time with at most $n+({4/5})m+O(\log n)$ bits. It is also shown that a DFS can be carried out in a graph with $n$ vertices and $m$ edges in $O(n+m\log^*\! n)$ time with $O(n)$ bits or in $O(n+m)$ time with either $O(n\log\log(4+{m/n}))$ bits or, for arbitrary integer $k\ge 1$, $O(n\log^{(k)}\! n)$ bits. These results among them subsume or improve most earlier results on space-efficient DFS. Some of the new time and space bounds are shown to extend to applications of DFS such as the computation of cut vertices, bridges, biconnected components and 2-edge-connected components in undirected graphs.

研究动机与目标

• 设计一种更简单、更快、且空间更高效的 DFS 算法，适用于有向图和无向图。
• 在保持线性时间复杂度的前提下，将工作内存使用量降低至 O(n log n) 位以下。
• 将空间高效的 DFS 扩展至双连通分量、桥和割点的计算等应用。
• 通过利用基于度数的内存分配和栈压缩技术，改进先前的空间界限。

提出的方法

• 该算法使用压缩的栈表示法，仅在主栈 S′ 上存储关键顶点，根据顶点的度数减少空间使用量。
• 辅助栈 Sᵤ 用于维护代表灰色路径的‘条带’的顶点，追踪其子节点是否被非树边覆盖。
• 算法采用主动恢复栈段机制：当恢复一个栈段时，传播 R 值并将相关顶点重新插入 Sᵤ，以保持正确性。
• 通过静态空间分配或秩-选择结构维护 S′ 上顶点的位置信息，实现 O(n) 总空间和 O(n/log n) 的初始化时间。
• 非树边的处理会根据祖先关系从 Sᵤ 弹出栈顶元素，并更新 R 和 R̄ 状态以反映子树的覆盖情况。
• 该方法采用混合策略：仅存储必要的栈条目，并利用基于度数的位数分配来最小化空间使用，实现接近最优的界限。

实验结果

研究问题

• RQ1 是否可以实现一种 DFS 算法，其时间复杂度为 O(n + m)，且空间使用量依赖于顶点的度数而非仅 n？
• RQ2 如何优化栈恢复机制以减少空间使用，同时不牺牲时间效率？
• RQ3 是否可以将空间高效的 DFS 扩展至双连通分量、桥和割点的计算，且保持相同的时间与空间界限？
• RQ4 对于稀疏图，是否可能实现 O(n + m) 时间复杂度，且空间使用量在 m 上为亚线性？

主要发现

• 该算法实现了 O(n + m) 的时间复杂度，空间使用量被限制在 n + ∑_{v∈V≥3} ⌈log₂(dᵥ−1)⌉ + O(log n) 位以内，显著优于先前的 O(n log n) 界限。
• 该算法的一个变体最多使用 n + (4/5)m + O(log n) 位，对稠密图具有更高的空间效率。
• 该方法可在与 DFS 相同的时间和空间界限内，支持双连通分量、桥和割点的计算。
• 对于满足 m = O(n) 的图，空间界限降低至 O(n)，与目前已知的与密度无关的最优界限一致。
• 该算法通过结合栈压缩与主动恢复机制，优于先前工作，避免了昂贵的完整栈重建操作。
• 时间与空间界限可扩展至 2-边连通分量和强连通分量的计算，展现出广泛的适用性。