Lec 12 最小生成树 MST 算法

对应 DGA 第 2.2 节 · 延伸阅读：Garay–Kutten–Peleg (FOCS 1993)、Kutten–Peleg (PODC 1995)

TL;DR

• 在考虑有限带宽的 CONGEST 模型下，分布式最小生成树（MST）构成了所有全局图优化算法的基准母题。
• 基于分布式 Borůvka 算法骨架，通过区分小分量（本地收敛广播）与大分量（全图 BFS 流水线），将单阶段 MWOE 查找优化至 $O(D+\sqrt n)$ 轮。
• 引入低拥塞捷径（Low-Congestion Shortcuts）统一抽象，不仅解释了一般图的 $\tilde O(D+\sqrt n)$ 界，还在平面图与排除 minor 图族上实现了 $\tilde O(D)$ 轮的近直径级加速。

1. 本讲要回答的核心问题

从本讲起进入全局问题（global problems）：解依赖远处信息，最好情形也要 $\Theta(D)$ 跳（$D$ 为网络直径）。模型换成考虑带宽的（CONGEST model）——每轮每条边只能传一条 $O(\log n)$ 位消息。

最小生成树（MST）在分布式网络优化中地位极为中心：其上下界技术被反复用于其他全局问题。本讲给出一个近最优的 $\tilde O(D+\sqrt n)$-轮 MST 算法（基于 Kutten–Peleg），并引入统一框架低拥塞捷径（low-congestion shortcuts）。

2. 算法骨架：分布式 Borůvka

沿用 Borůvka 思路，共 $O(\log n)$ 个 phase，逐步把森林合并成生成树。初始每个节点自成一个分量。

每个 phase：每个分量 $S_i$ 有领袖 $s_i$（且知分量大小），沿其**最小权出边（minimum-weight outgoing edge, MWOE）**建议一次合并。

设当前有 $N$ 个分量。每条建议边至多被两端各提一次，故至少 $N/2$ 条不同建议边；加入这些边即合并分量，分量数降到 $\le N/2$。$\log n$ 个 phase 后归一，得生成树。

剩下两件事：如何算 MWOE、如何执行合并，都要在 $O(D+\sqrt n)$ 轮内完成。

3. 计算最小权出边

每个节点 $v$ 先把 $c(v)$ 设为自己关联的最小权出边。目标：每个 $v\in S_i$ 得知整个分量 $S_i$ 的 MWOE。按分量大小分两类处理：

• 小分量（$<\sqrt n$ 顶点）： 在分量自己的 BFS 树上做一次 $\min$-收敛广播（Lec 2），叶到根取最小，根得 MWOE，再广播回全分量。耗时 $O(\sqrt n)$。
• 大分量（$\ge\sqrt n$ 顶点）： 这类分量至多 $n/\sqrt n=\sqrt n$ 个。因数量少，可让它们的通信都走全图的 BFS 树并用**流水线（pipelining）**并行处理，$O(D+\sqrt n)$ 轮算出全部大分量的 MWOE。

两类合起来给出每 phase $O(D+\sqrt n)$ 轮，共 $\tilde O(D+\sqrt n)$ 轮的 MST。

4. 统一框架：低拥塞捷径

小/大分量的划分本质是一个图论对象：

给定图 $G$ 及把 $V$ 划分为各自连通的子集 $S_1,\dots,S_N$。一组子图 $H_1,\dots,H_N\subseteq G$ 称为拥塞 $\alpha$、扩张 $\beta$ 的捷径，若：

1. 每个 $G[S_i]+H_i$ 的直径 $\le\beta$；
2. 每条边 $e$ 至多出现在 $\alpha$ 个 $G[S_i]+H_i$ 中。 :::

定理 2.3. 若图族 $\mathcal G$ 中每个图的任意连通划分都存在 $\max\{\alpha,\beta\}\le K$ 的捷径，且可在 $\tilde O(T)$ 轮找到，则存在随机 MST 算法在 $\tilde O(T)+O(\alpha\log n+\beta\log^2 n)=\tilde O(T+K)$ 轮内算出 MST。

直觉：$\beta$ 控制“分量内信息聚合要走多远”，$\alpha$ 控制“多少分量挤在同一条边上”。三类典型图族：

• 一般图： 小/大划分给出 $\max\{\alpha,\beta\}\le D+\sqrt n$，故 $\tilde O(D+\sqrt n)$。
• 平面图及其推广（有界亏格、有界树宽、排除稠密 minor）：存在 $\max\{\alpha,\beta\}\le\tilde O(D)$ 的捷径且 $\tilde O(D)$ 轮可找到 ⇒ $\tilde O(D)$-轮 MST。
• Erdős–Rényi 随机图 $G_{n,p}$：存在 $\max\{\alpha,\beta\}\le\mathrm{poly}\log n$ 的捷径 ⇒ $2^{O(\sqrt{\log n})}$-轮 MST。

5. 执行合并

为控制合并深度，把合并限制成星形（star-shaped）：每个分量领袖掷一枚随机硬币，只允许“正面”分量作中心、接收“反面”邻接分量的合并边；中心领袖成为新领袖。这种概率化星形合并仍在 $O(\log n)$ 个 phase 后高概率成树。

每次合并，每个节点需获知三样额外信息，均可在 $O(D+\sqrt n)$ 轮内传播：

1. 自己分量领袖掷的硬币；
2. 新分量领袖 ID（=中心分量领袖）；
3. 新分量大小。

6. 历史与现状

• Garay–Kutten–Peleg (FOCS 1993)： 首个 MST 的亚线性时间分布式算法，开启 $\tilde O(D+\sqrt n)$ 这条线。
• Kutten–Peleg (PODC 1995)： $O(D+\sqrt n\log^* n)$，即本讲算法的来源；同文给出 $k$-支配集的快速构造。
• 该 $\tilde O(D+\sqrt n)$ 在最坏情形近最优（下界见 Lec 14）。

7. 本讲小结与算法框架

内容	结论
骨架	分布式 Borůvka，$O(\log n)$ phase，每 phase 沿 MWOE 星形合并
MWOE 计算	小分量本地收敛广播 / 大分量全局 BFS + 流水线 ⇒ $O(D+\sqrt n)$
统一框架	低拥塞捷径（拥塞 $\alpha$、扩张 $\beta$），$\tilde O(T+K)$ MST
一般图 / 平面 / 随机图	$\tilde O(D+\sqrt n)$ / $\tilde O(D)$ / $2^{O(\sqrt{\log n})}$

MST 是全局问题的“母题”：分量–MWOE–合并的三段式、以及小/大分量（低拥塞捷径）的调度思想，将在 Min-Cut（Lec 13）与最短路（Lec 15–16）中反复出现。