[论文解读] Towards an Optimal Distributed Algorithm for Maximal Independent Set.

Mohsen Ghaffari|arXiv (Cornell University)|Jun 16, 2015

Privacy-Preserving Technologies in Data被引用 2

一句话总结

本文提出了一种用于最大独立集（MIS）问题的简单随机分布式算法，实现了最优的局部复杂度：即使在节点自身两跳邻域之外存在对抗性随机性的情况下，每个节点 v 也能以至少 $1 - \epsilon$ 的概率在 $O(\log \mathsf{deg}(v) + \log 1/\epsilon)$ 轮内终止。通过整合近期技术，该算法进一步实现了 $O(\log \Delta) + 2^{O(\sqrt{\log \log n})}$ 的全局复杂度，接近理论下界。

ABSTRACT

The Maximal Independent Set (MIS) problem is one of the basics in the study of locality in distributed graph algorithms. This paper presents an extremely simple randomized algorithm providing a near-optimal local complexity for this problem, which incidentally, when combined with some recent techniques, also leads to a near-optimal global complexity. Classical algorithms of Luby [STOC'85] and Alon, Babai and Itai [JALG'86] provide the global complexity guarantee that, with high probability, all nodes terminate after $O(\log n)$ rounds. In contrast, our initial focus is on the local complexity, and our main contribution is to provide a very simple algorithm guaranteeing that each particular node $v$ terminates after $O(\log \mathsf{deg}(v)+\log 1/\epsilon)$ rounds, with probability at least $1-\epsilon$. The guarantee holds even if the randomness outside $2$-hops neighborhood of $v$ is determined adversarially. This degree-dependency is optimal, due to a lower bound of Kuhn, Moscibroda, and Wattenhofer [PODC'04]. Interestingly, this local complexity smoothly transitions to a global complexity: by adding techniques of Barenboim, Elkin, Pettie, and Schneider [FOCS'12, arXiv: 1202.1983v3], we get a randomized MIS algorithm with a high probability global complexity of $O(\log \Delta) + 2^{O(\sqrt{\log \log n})}$, where $\Delta$ denotes the maximum degree. This improves over the $O(\log^2 \Delta) + 2^{O(\sqrt{\log \log n})}$ result of Barenboim et al., and gets close to the $\Omega(\min\{\log \Delta, \sqrt{\log n}\})$ lower bound of Kuhn et al. Corollaries include improved algorithms for MIS in graphs of upper-bounded arboricity, or lower-bounded girth, for Ruling Sets, for MIS in the Local Computation Algorithms (LCA) model, and a faster distributed algorithm for the Lovasz Local Lemma.

研究动机与目标

• 设计一种用于最大独立集（MIS）问题的分布式算法，实现每个节点的可证明最优局部复杂度。
• 实现依赖于每个节点度数的运行时间，确保在稀疏图中的高效性。
• 通过将局部保证转化为近似最优的全局运行时间，弥合局部与全局复杂度之间的差距。
• 在渐近运行时间方面超越现有随机化MIS算法，尤其适用于高阶图。
• 为相关问题（如规则集、LCA模型以及洛瓦兹局部大数引理）提供更快速的算法。

提出的方法

• 该算法使用一种简单的随机过程：每个节点独立地以与其度数和期望失败概率 $\epsilon$ 的倒数成比例的概率加入独立集。
• 每个节点基于自身的随机性以及其两跳邻域内邻居的状态进行本地决策，确保对两跳邻域之外的对抗性随机性具有鲁棒性。
• 利用集中不等式对局部终止时间进行有界控制，保证以高概率在 $O(\log \mathsf{deg}(v) + \log 1/\epsilon)$ 轮内完成。
• 将该算法与 Barenboim 等人（FOCS'12, arXiv:1202.1983v3）的技术相结合，以减少全局运行时间并实现近似最优性。
• 分析过程利用了基于度数的随机化以及对依赖关系的精细管理，确保在分布式环境下的正确性与效率。
• 该方法平滑地实现了从局部到全局复杂度的过渡，在保持简洁性的同时实现了强大的理论界限。

实验结果

研究问题

• RQ1 能否设计一种简单随机化的分布式算法，使MIS问题中每个节点的局部复杂度达到最优，即根据其度数快速终止？
• RQ2 如何利用局部终止保证来实现MIS计算中接近最优的全局运行时间？
• RQ3 在分布式MIS算法中，局部与全局复杂度之间能达到的最佳权衡是什么？
• RQ4 对抗性随机性在节点两跳邻域之外在多大程度上会影响算法性能？
• RQ5 该方法能否扩展以改进其他分布式问题，如规则集或洛瓦兹局部大数引理？

主要发现

• 该算法保证每个节点 v 以至少 $1 - \epsilon$ 的概率在 $O(\log \mathsf{deg}(v) + \log 1/\epsilon)$ 轮内终止，该结果为最优，因为已知存在下界。
• 局部复杂度对节点两跳邻域之外的对抗性随机性具有鲁棒性，确保了算法的稳定性。
• 通过与 Barenboim 等人的技术结合，全局复杂度被降低至 $O(\log \Delta) + 2^{O(\sqrt{\log \log n})}$，优于先前的 $O(\log^2 \Delta) + 2^{O(\sqrt{\log \log n})}$ 上界。
• 新的全局复杂度与 $\Omega(\min\{\log \Delta, \sqrt{\log n}\})$ 下界仅相差子对数因子，接近最优。
• 该框架可为有界边树度、高围长图以及局部计算算法（LCA）模型中的图提供更优算法。
• 该方法可导出洛瓦兹局部大数引理的更快分布式算法，展示了其更广泛的应用潜力。