[论文解读] Testing Temporal Connectivity in Sparse Dynamic Graphs

Matthieu Barjon, Arnaud Casteigts+3 more|arXiv (Cornell University)|Apr 30, 2014

Opportunistic and Delay-Tolerant Networks参考文献 11被引用 14

一句话总结

本文提出了一种高效的流式算法，用于在稀疏动态图中测试时间连通性，以 O(kμn) 时间复杂度计算严格和非严格行程的传递闭包。该算法将动态可达性方法扩展以处理两种行程类型，其中非严格情况仅需额外的 O(kμn) 预处理步骤来计算每时间步的静态传递闭包，因此其复杂度与严格情况相当。

ABSTRACT

We address the problem of testing whether a given dynamic graph is temporally connected, {\it i.e} a temporal path (also called a {\em journey}) exists between all pairs of vertices. We consider a discrete version of the problem, where the topology is given as an evolving graph ${\cal G}=\{G_1,G_2,...,G_{k}\}$ whose set of vertices is invariant and the set of (directed) edges varies over time. Two cases are studied, depending on whether a single edge or an unlimited number of edges can be crossed in a same $G_i$ (strict journeys {\it vs} non-strict journeys). In the case of {\em strict} journeys, a number of existing algorithms designed for more general problems can be adapted. We adapt one of them to the above formulation of the problem and characterize its running time complexity. The parameters of interest are the length of the graph sequence $k=|{\cal G}|$, the maximum {\em instant} density $μ=max(|E_i|)$, and the {\em cumulated} density $m=|\cup E_i|$. Our algorithm has a time complexity of $O(kμn)$, where $n$ is the number of nodes. This complexity is compared to that of the other solutions: one is always more costly (keep in mind that is solves a more general problem), the other one is more or less costly depending on the interplay between instant density and cumulated density. The length $k$ of the sequence also plays a role. We characterize the key values of $k, μ$ and $m$ for which either algorithm should be used. In the case of {\em non-strict} journeys, for which no algorithm is known, we show that some pre-processing of the input graph allows us to re-use the same algorithm than before. By chance, these operations happens to cost again $O(kμn)$ time, which implies that the second problem is not more difficult than the first.

研究动机与目标

• 开发一种高效算法，用于测试动态图是否为时间连通的，即在时间上所有节点对之间均存在行程。
• 在稀疏动态图中同时处理严格行程（每时间步仅一条边）和非严格行程（每时间步可有无限多条边）。
• 通过利用流式处理和在检测到完全时间连通性时立即终止，最小化计算成本。
• 将所提算法的时间复杂度与现有方案（特别是文献[3]中的最前行程方法）进行比较，分析在不同图参数下的表现。
• 证明非严格行程的传递闭包计算并不比严格行程计算更复杂，原因在于其预处理步骤成本低廉。

提出的方法

• 该算法按时间步顺序依次处理每个 Gi，逐步构建严格行程的传递闭包（G*_{st}），并维护节点间的可达性信息。
• 对于非严格行程，首先对每个 Gi 使用BFS或DFS从每个节点计算其静态传递闭包 Gi*，每步耗时 O(μn)。
• 随后将相同的主算法应用于修改后的动态图 {Gi*}，从而有效计算非严格行程的传递闭包（G*）。
• 该算法的时间复杂度为 O(kμn)，关键洞察在于非严格行程的预处理成本与主算法成本相当。
• 支持早期终止：若在处理完全部 k 步之前已检测到时间连通性，算法将立即停止。
• 输出为一个静态有向图，表示所有可能的行程，可通过简单的邻接关系检查实现快速的时间连通性查询。

实验结果

研究问题

• RQ1 在何种条件下，所提出的 O(kμn) 算法比文献[3]中的 O(n(m log k + n log n)) 算法更高效？
• RQ2 能否将非严格行程传递闭包的计算复杂度降低至与严格行程计算相同？
• RQ3 参数 k（序列长度）、μ（瞬时密度）和 m（累积密度）如何影响两种算法的相对性能？
• RQ4 在实际稀疏移动性场景中，早期终止对实际运行时间有何影响？
• RQ5 在何种参数范围内，所提算法优于现有方案，特别是当 μ ≪ m 时？

主要发现

• 所提算法在计算严格和非严格行程的传递闭包时，时间复杂度均为 O(kμn)，其中非严格情况仅需额外的 O(kμn) 预处理步骤。
• 当 μ 相对于 m 较小时，该算法在性能上优于文献[3]的改进方案，尤其在 μ = O(n) 且 m = Θ(n²)、k = Θ(n) 的情况下。
• 当 k 较大时，由于 k 与 log k 的因子差异，该算法在渐进意义上比文献[3]更高效，特别是在 k = Ω(n) 或 k = Ω(n²) 时。
• 表格分析表明，在60组测试参数组合中，有12组情况下该算法更高效，且当 μ ≪ m 时优势进一步扩大。
• 该算法支持早期终止，实际运行时间显著减少，尤其在时间连通性较早建立时。
• 传递闭包结构 G*_{st} 和 G* 以增量方式计算，可支持通过简单邻接检查实现快速后续时间连通性查询。