核心概念
Deterministische Algorithmen können Graphprobleme genauso effizient auf Expander-Graphen lösen wie auf allgemeinen Graphen. Expander-Zerlegungen sind daher für diese Probleme nutzlos.
摘要
Der Artikel präsentiert eine deterministische Kernkomponente, die einen gegebenen Graphen G in einen Ω(1)-Expander Gexp umwandelt, ohne die Lösung des Problems zu verändern. Diese Kernkomponente wird dann verwendet, um deterministische Reduktionen vom Worst-Case zum Expander-Case für verschiedene Graphprobleme zu konstruieren.
Die Kernkomponente funktioniert wie folgt:
Für jeden Knoten v in G werden degG(v) + 3 Nachbarn in einer Ausgleichsschicht L hinzugefügt, um eine nahezu ausgewogene Gradverteilung in L zu erreichen.
Zwischen der Ausgleichsschicht L und einer Expansionsschicht R wird ein explizit konstruierter, d-regulärer, Ω(d)-Kantenzusammenhangsgraph X eingefügt, wobei d die durchschnittliche Knotengradung in G ist.
Die Autoren zeigen, dass der resultierende Graph Gexp ein Ω(1)-Expander ist. Darauf aufbauend konstruieren sie deterministische Reduktionen vom Worst-Case zum Expander-Case für Probleme wie Maximum Matching, k-Clique Erkennung, Max-Cut und Dichtester Teilgraph.
Zusätzlich wird die Kernkomponente an das dynamische Modell angepasst, um dynamische Reduktionen vom Worst-Case zum Expander-Case zu erhalten. Dies hat Anwendungen bei der Übertragung von OMv-basierten Hardness-Resultaten auf Expander-Graphen.
統計資料
Der resultierende Graph Gexp hat O(m + n) Kanten, wobei m die Kantenzahl und n die Knotenzahl von G ist.
Der maximale Knotengrad in Gexp ist 2∆ + 3, wobei ∆ der maximale Knotengrad in G ist.
引述
"Deterministische Algorithmen können Graphprobleme genauso effizient auf Expander-Graphen lösen wie auf allgemeinen Graphen. Expander-Zerlegungen sind daher für diese Probleme nutzlos."
"Die Kernkomponente funktioniert, indem sie einen gegebenen Graphen G in einen Ω(1)-Expander Gexp umwandelt, ohne die Lösung des Problems zu verändern."