Prediction Assisted Fully Dynamic All-Pairs Effective Resistance

• Main Author: Broberg, Felix
• Format: Others
• Language: English
• Published: KTH, Skolan för elektroteknik och datavetenskap (EECS) 2020
• Subjects: Computer Sciences; Datavetenskap (datalogi)
• Online Access: http://urn.kb.se/resolve?urn=urn:nbn:se:kth:diva-281341

We study the approximate fully dynamic online all-pairs effective resistance problem in a prediction assisted setting. We introduce a prediction model for predicting which vertex pairs will be involved in future edge insertions, deletions, or effective resistance queries. The model is general enough to be compatible with some link predictors and can be used by other prediction assisted algorithms. Our main contribution is a data structure that utilizes the devised prediction model to maintain the effective resistance between all vertex pairs. The running time matches the performance of the best known offline algorithm if the predictions are good and the best known online data structure if the predictions are bad. A minor contribution is that we give the best known algorithm for the offline problem. === Vi undersöker den approximativa och fullkomligt dynamiska effektiva resistensen för samtliga noder i en förutsägelseassisterad miljö. Vi skapar en förutsägelsemodell för att förutspå vilka nodpar som är del av framtida kanttillägg, kantborttagningar och förfrågningar om den effektiva resistensen. Modellen är generell nog at vara kompatibel med forskning inom länkförutsägelse inom grafer och kan användas av andra förutsägelseassisterade algoritmer. Vårt största bidrag är i formen av en datastruktur som använder sig av den skapade förutsägelsemodellen för att bibehålla den effektiva resistensen mellan samtliga noder. Körtiden matchar den bästa algoritmen för offline-varianten av problemet om förutsägelserna är bra, medan den matchar den bästa datastrukturen för online-varianten om förutsägelserna är dåliga. Ett mindre bidrag är att vi skapar den hittills bästa algoritmen för offline-varianten av problemet.