[論文レビュー] A Parameterized View on Multi-Layer Cluster Editing.

Jiehua Chen, Hendrik Molter+2 more|arXiv (Cornell University)|Sep 26, 2017

Advanced biosensing and bioanalysis techniques被引用数 1

ひとこと要約

本稿では、複数の関連するグラフ層を最小限の辺変更で一貫性のあるクラスターグラフに変換するパrameterizedフレームワーク、Multi-Layer Cluster Editingを導入する。最大d個のマーク済み頂点を除外することが許容される。主な貢献は、(d, k)の組み合わせパrameterに関して問題がFPTであることを証明したことであり、(d, k, l)に関しては多項式カーネルを有するが、より小さいパrameterの組み合わせに関してはパラ-NP困難であり、多項式カーネルを有さない。

ABSTRACT

In classical Cluster Editing we seek to transform a given graph into a disjoint union of cliques, called a cluster graph, using the fewest of edge modifications (deletions or additions). Motivated by recent applications, we propose and study Cluster Editing in multi-layer graphs. A multi-layer graph consists of a set of simple graphs, called layers, that all have the same vertex set. In Multi-Layer Cluster Editing we aim to transform all layers into cluster graphs that differ only slightly. More specifically, we allow to mark at most d vertices and to transform each layer of the multi-layer graph into a cluster graph with at most k edge modifications per layer such that, if we remove the marked we obtain the same cluster graph in all Multi-Layer Cluster Editing is NP-hard and we analyze its parameterized complexity. We focus on the natural parameters max. d of marked vertices, max. k of edge modifications per layer, number n of vertices, and number l of layers. We fully explore the parameterized computational complexity landscape for those parameters and their combinations. Our main results are that Multi-Layer Cluster Editing is FPT with respect to the parameter combination (d, k) and that it is para-NP-hard for all smaller or incomparable parameter combinations. Furthermore, we give a polynomial kernel with respect to the parameter combination (d, k, l) and show that for all smaller or incomparable parameter combinations, the problem does not admit a polynomial kernel unless NP is in coNP/poly.

研究の動機と目的

• 複数のグラフ層にわたる一貫性のあるクラスタリングを、最小限の変更で達成する課題に対処すること。
• 各層が最大d個のマーク済み頂点を削除した後に類似したクラスターグラフに変換されるよう、新しい問題であるMulti-Layer Cluster Editingを形式化すること。
• 自然なパラメータ、すなわちd（マーク済み頂点数）、k（各層あたりの辺変更数）、n（頂点数）、l（層数）に関して、問題のパラメータ化された複雑さを分析すること。
• どのパラメータの組み合わせが固定パラメータ可 tractable（FPT）アルゴリズムや多項式カーネルをもたらすかを特定することで、解法可能性の境界を同定すること。

提案手法

• すべての層が同じ頂点集合を持つが、エッジ集合が異なる多層グラフの形式的モデルを提案する。
• 最大d個の頂点をマークすることで、それらを削除した後に各層で一貫したクラスタ構造が得られるようにする概念を導入する。
• マーク済み頂点集合上で有界な探索と動的計画法を用いて、(d, k)をパラメータとするFPTアルゴリズムを開発する。
• (d, k, l)に関して、問題のサイズを多項式の範囲にまで縮小するカーネル化技術を適用し、効率的な前処理を保証する。
• 木幅とモジュラー分解の技術を用いて、クラスターグラフ内の構造的制約を処理する。
• クロスコンpositionsを用いた難易度結果により、標準的な複雑さの仮定のもとで多項式カーネルが存在しないことを除外する。

実験結果

リサーチクエスチョン

• RQ1 パラメータの組み合わせ(d, k)に関して、Multi-Layer Cluster Editingは固定パラメータ可 tractable（FPT）か？
• RQ2 パラメータ(d, k, l)に関して、問題は多項式カーネルを有するか？ また、より小さいあるいは比較不能なパラメータの組み合わせではどの程度の複雑さになるか？
• RQ3 マーク済み頂点数と各層あたりの辺変更数が小さい場合、多くの層があっても効率的に問題を解けるか？
• RQ4 問題がパラ-NP困難であるようなパラメータの組み合わせは存在するか？ これは本質的な困難性を示唆する。
• RQ5 どの条件下で、問題が多項式カーネルを有さないか？ これはNP ⊆ coNP/polyが成り立たない限り、成立しない。

主な発見

• Multi-Layer Cluster Editingは、(d, k)の組み合わせパラメータに関してFPTである。これはdとkがともに小さい場合に効率的に解けることを意味する。
• パラメータ(d, k, l)に関して、問題は多項式カーネルを有する。これにより、これらのパラメータが小さい場合に効率的な前処理が可能になる。
• すべての(d, k)より小さいあるいは比較不能なパラメータの組み合わせに関して、問題はパラ-NP困難である。これは(d, k)が最小の解法可能性を有するパラメータの組み合わせであることを示唆する。
• (d, k)より厳密に小さいあるいは比較不能なすべてのパラメータの組み合わせに関して、問題は多項式カーネルを有さない。これはNP ⊆ coNP/polyが成り立たない限り、成立しない。
• カーネル化の結果はタイトである。標準的な複雑さの仮定のもとでは、より小さいあるいは比較不能なパラメータの組み合わせでは多項式カーネルが存在しない。
• 本研究は、問題の完全なパラメータ化された複雑さの地図を確立し、解法可能性と困難さの正確な境界を同定した。