[論文レビュー] Positive-instance driven dynamic programming for treewidth

Hisao Tamaki|arXiv (Cornell University)|Apr 18, 2017

Advanced Graph Theory Research参考文献 12被引用数 5

ひとこと要約

本論文は、Bouchitt'eとTodincaの最小分離集合および潜在的最大クリークフレームワークを活用して、木幅を計算するための正例駆動型（PID）動的計画法を提案する。この手法は、正の部分問題インスタンスのみを生成するため、計算時間を著しく削減し、PACE 2017ベンチマークの100件すべてを30分以内に解けるようになり、これまで未解決であったケースも含む。

ABSTRACT

Consider a dynamic programming scheme for a decision problem in which all subproblems involved are also decision problems. An implementation of such a scheme is {\em positive-instance driven} (PID), if it generates positive subproblem instances, but not negative ones, building each on smaller positive instances. We take the dynamic programming scheme due to Bouchitté and Todinca for treewidth computation, which is based on minimal separators and potential maximal cliques, and design a variant (for the decision version of the problem) with a natural PID implementation. The resulting algorithm performs extremely well: it solves a number of standard benchmark instances for which the optimal solutions have not previously been known. Incorporating a new heuristic algorithm for detecting safe separators, it also solves all of the 100 public instances posed by the exact treewidth track in PACE 2017, a competition on algorithm implementation. We describe the algorithm, prove its correctness, and give a running time bound in terms of the number of positive subproblem instances. We perform an experimental analysis which supports the practical importance of such a bound.

研究の動機と目的

• 既存の実装を改善するため、木幅決定問題のための正例駆動型（PID）動的計画法の変種を設計すること。
• 特にPACE 2017コンペティションに含まれる大規模かつ困難なグラフインスタンスの木幅を効率的に計算する課題に対処すること。
• 最小分離集合と潜在的最大クリークの構造を活用して、処理する部分問題インスタンスの数を正のものに限定することで、処理を削減すること。
• さらに前処理と枝刈りを向上させるために、安全な分離集合を検出するための新しいヒューリスティックを組み込むこと。
• PIDが最適化手法にとどまらず、グラフパラメータ計算におけるアルゴリズム設計の実用的かつ有効なパラダイムであることを示すこと。

提案手法

• 最小分離集合と潜在的最大クリークを用いたBouchitt'eとTodincaの動的計画法スキームを適応する。
• 正の部分問題インスタンスのみを生成する正例駆動型（PID）実行モードを実装し、小さな正のインスタンスを組み合わせてより大きなインスタンスを構築する。
• 前処理を向上させ、探索空間を縮小するために、安全な分離集合を検出するための新しいヒューリスティックを導入する。
• 効率的な部分問題インスタンスの管理と照合に、ブロックシーブデータ構造を採用する。
• 潜在的最大クリークと最小分離集合に基づく再帰的分解戦略を用いて、動的計画法のプロセスをガイドする。
• 実行時間を正の部分問題インスタンスの数に束縛することで、理論的根拠に基づいた性能バインドを提供する。

実験結果

リサーチクエスチョン

• RQ1 正例駆動型（PID）動的計画法は、従来の列挙ベース手法よりも、木幅計算において優れているか？
• RQ2 木幅の文脈において、PIDと標準的な動的計画法の間で、正の部分問題インスタンスの数にどのような差が生じるか？
• RQ3 PIDアプローチは、従来の手法が失敗した、PACE 2017の困難なベンチマークインスタンスを解けるか？
• RQ4 安全な分離集合ヒューリスティックの統合が、PIDアルゴリズムの性能にどの程度向上効果をもたらすか？
• RQ5 PIDパラダイムは、木幅を越えてグラフパラメータ計算の基礎的設計戦略として有効であるか？

主な発見

• PIDアルゴリズムは、30分以内にPACE 2017の木幅インスタンス100件すべてを解けた。これは、以前の優勝実装でも解けなかったインスタンスも含む。
• 未解決のDIMACSグラフ色分けインスタンスのうち13件を解けた。残りの未解決インスタンスのほぼ半数について、下界と上界の差が著しく縮小された。
• 以前に解かれたDIMACSインスタンスについては、標準的なデスクトップコンピュータで1インスタンスあたり10秒未塔で解が得られた。
• いくつかのインスタンスについて下界が向上し、k < tw(G) の場合にPIDが強い境界を確立する有効性が示された。
• 実行時間は正の部分問題インスタンスの数に束縛されており、実験結果からこのバインドの実用的妥当性が裏付けられた。
• 新しい安全分離集合ヒューリスティックの統合により、前処理が著しく向上し、最も困難なPACE 2017インスタンスの解法が可能になった。