Recent papers [Ber'2022], [GP'2020], [DHZ'2019] have addressed different variants of the (\Delta + 1)-edge colouring problem by concatenating or gluing together many Vizing chains to form what Bernshteyn [Ber'2022] coined \emph{multi-step Vizing chains}. In this paper, we propose a slightly more general definition of this term. We then apply multi-step Vizing chain constructions to prove combinatorial properties of edge colourings that lead to (improved) algorithms for computing edge colouring across different models of computation. This approach seems especially powerful for constructing augmenting subgraphs which respect some notion of locality. First, we construct strictly local multi-step Vizing chains and use them to show a local version of Vizings Theorem thus confirming a recent conjecture of Bonamy, Delcourt, Lang and Postle [BDLP'2020]. Our proof is constructive and also implies an algorithm for computing such a colouring. Then, we show that for any uncoloured edge there exists an augmenting subgraph of size O(\Delta^{7}\log n), answering an open problem of Bernshteyn [Ber'2022]. Chang, He, Li, Pettie and Uitto [CHLPU'2018] show a lower bound of \Omega(\Delta \log \frac{n}{\Delta}) for the size of such augmenting subgraphs, so the upper bound is tight up to \Delta and constant factors. These ideas also extend to give a faster deterministic LOCAL algorithm for (\Delta + 1)-edge colouring running in \tilde{O}(\poly(\Delta)\log^6 n) rounds. These results improve the recent breakthrough result of Bernshteyn [Ber'2022], who showed the existence of augmenting subgraphs of size O(\Delta^6\log^2 n), and used these to give the first (\Delta + 1)-edge colouring algorithm in the LOCAL model running in O(\poly(\Delta, \log n)) rounds. ... (see paper for the remaining part of the abstract)


翻译:近期的文章[Ber'2022]、[GP'2020]、[DHZ'2019]通过连接或拼接多个Vizing链的方法,探讨了不同变体的(\Delta + 1)边着色问题。其中Bernshteyn[Ber'2022]提出了“多步Vizing链”的概念。本文在此基础上,提出了略微更一般的定义。我们将多步Vizing链构造应用于证明边着色的组合性质,从而导出在不同计算模型下计算边着色的(改进)算法。此方法似乎特别适用于构造遵守某种局部性概念的增广子图。首先,我们构造了严格局部的多步Vizing链,并利用它们证明了Vizing定理的局部版本,从而证实了Bonamy、Delcourt、Lang和Postle[BDLP'2020]的最近猜想。我们的证明是具有构造性的,还可推出一种计算这种着色的算法。然后,我们证明了对于任何未着色的边,都存在一个大小为O(\Delta^{7}\log n)的增广子图,回答了Bernshteyn[Ber'2022]的一个未解问题。Chang,He,Li,Pettie和Uitto[CHLPU'2018]给出了这种增广子图的下界为\Omega(\Delta \log \frac{n}{\Delta}),因此上界可缩放到\Delta和常数因子。这些思想还可推广为更快的确定性LOCAL算法,用于(\Delta + 1)边着色,运行时间为\tilde{O}(\poly(\Delta)\log^6 n)轮。这些结果改进了Bernshteyn[Ber'2022]最新的突破性成果,他证明了有大小为O(\Delta^6\log^2 n)的增广子图存在,并利用此结果给出了首个在LOCAL模型中执行O(\poly(\Delta, \log n))轮的(\Delta + 1)边着色算法。…(剩余部分请参见论文)。

0
下载
关闭预览

相关内容

专知会员服务
50+阅读 · 2020年12月14日
【干货书】机器学习速查手册,135页pdf
专知会员服务
125+阅读 · 2020年11月20日
Keras François Chollet 《Deep Learning with Python 》, 386页pdf
专知会员服务
151+阅读 · 2019年10月12日
强化学习最新教程,17页pdf
专知会员服务
174+阅读 · 2019年10月11日
[综述]深度学习下的场景文本检测与识别
专知会员服务
77+阅读 · 2019年10月10日
机器学习入门的经验与建议
专知会员服务
92+阅读 · 2019年10月10日
【哈佛大学商学院课程Fall 2019】机器学习可解释性
专知会员服务
103+阅读 · 2019年10月9日
VCIP 2022 Call for Demos
CCF多媒体专委会
1+阅读 · 2022年6月6日
灾难性遗忘问题新视角:迁移-干扰平衡
CreateAMind
17+阅读 · 2019年7月6日
强化学习三篇论文 避免遗忘等
CreateAMind
19+阅读 · 2019年5月24日
Hierarchically Structured Meta-learning
CreateAMind
26+阅读 · 2019年5月22日
Transferring Knowledge across Learning Processes
CreateAMind
27+阅读 · 2019年5月18日
强化学习的Unsupervised Meta-Learning
CreateAMind
17+阅读 · 2019年1月7日
Unsupervised Learning via Meta-Learning
CreateAMind
42+阅读 · 2019年1月3日
A Technical Overview of AI & ML in 2018 & Trends for 2019
待字闺中
16+阅读 · 2018年12月24日
LibRec 精选:推荐的可解释性[综述]
LibRec智能推荐
10+阅读 · 2018年5月4日
国家自然科学基金
0+阅读 · 2013年12月31日
国家自然科学基金
0+阅读 · 2013年12月31日
国家自然科学基金
1+阅读 · 2013年12月31日
国家自然科学基金
1+阅读 · 2012年12月31日
国家自然科学基金
1+阅读 · 2012年12月31日
国家自然科学基金
1+阅读 · 2011年12月31日
国家自然科学基金
0+阅读 · 2011年12月31日
国家自然科学基金
0+阅读 · 2011年12月31日
国家自然科学基金
0+阅读 · 2009年12月31日
Arxiv
0+阅读 · 2023年5月19日
Arxiv
0+阅读 · 2023年5月18日
Arxiv
12+阅读 · 2022年11月21日
Arxiv
30+阅读 · 2021年8月18日
VIP会员
相关VIP内容
专知会员服务
50+阅读 · 2020年12月14日
【干货书】机器学习速查手册,135页pdf
专知会员服务
125+阅读 · 2020年11月20日
Keras François Chollet 《Deep Learning with Python 》, 386页pdf
专知会员服务
151+阅读 · 2019年10月12日
强化学习最新教程,17页pdf
专知会员服务
174+阅读 · 2019年10月11日
[综述]深度学习下的场景文本检测与识别
专知会员服务
77+阅读 · 2019年10月10日
机器学习入门的经验与建议
专知会员服务
92+阅读 · 2019年10月10日
【哈佛大学商学院课程Fall 2019】机器学习可解释性
专知会员服务
103+阅读 · 2019年10月9日
相关资讯
VCIP 2022 Call for Demos
CCF多媒体专委会
1+阅读 · 2022年6月6日
灾难性遗忘问题新视角:迁移-干扰平衡
CreateAMind
17+阅读 · 2019年7月6日
强化学习三篇论文 避免遗忘等
CreateAMind
19+阅读 · 2019年5月24日
Hierarchically Structured Meta-learning
CreateAMind
26+阅读 · 2019年5月22日
Transferring Knowledge across Learning Processes
CreateAMind
27+阅读 · 2019年5月18日
强化学习的Unsupervised Meta-Learning
CreateAMind
17+阅读 · 2019年1月7日
Unsupervised Learning via Meta-Learning
CreateAMind
42+阅读 · 2019年1月3日
A Technical Overview of AI & ML in 2018 & Trends for 2019
待字闺中
16+阅读 · 2018年12月24日
LibRec 精选:推荐的可解释性[综述]
LibRec智能推荐
10+阅读 · 2018年5月4日
相关基金
国家自然科学基金
0+阅读 · 2013年12月31日
国家自然科学基金
0+阅读 · 2013年12月31日
国家自然科学基金
1+阅读 · 2013年12月31日
国家自然科学基金
1+阅读 · 2012年12月31日
国家自然科学基金
1+阅读 · 2012年12月31日
国家自然科学基金
1+阅读 · 2011年12月31日
国家自然科学基金
0+阅读 · 2011年12月31日
国家自然科学基金
0+阅读 · 2011年12月31日
国家自然科学基金
0+阅读 · 2009年12月31日
Top
微信扫码咨询专知VIP会员