[論文レビュー] Solving Parameterized Problems by Mixing Color Coding-Related Techniques.

Meirav Zehavi|arXiv (Cornell University)|Oct 19, 2014

Advanced Graph Theory Research参考文献 2被引用数 4

ひとこと要約

本論文は、色分け技法—特に狭いふnow（narrow sieves）と代表的集合（representative sets）—を組み合わせ、新たな前処理およびユニバース分割戦略を導入することで、より高速なパrameterizedアルゴリズムを設計する「ミキシング戦略」を提案する。k-Internal Out-Branching、k-Path、k-Tree、r-Dimensional k-Matching、Graph Motif、Weighted 3-Set k-Packingの各問題に対して、決定的および確率的時間計算量を改善し、これまでに達成された最良の実行時間と比べて顕著に短縮した。特に、k-Internal Out-BranchingではO∗(3.617k)の確率的時間、k-Pathおよび関連問題ではO∗(2.597k)の決定的時間という、画期的な結果を達成した。

ABSTRACT

Abstract. In the past two decades, several breakthrough techniques, known as “color coding-related techniques”, lead to the design of extremely fast parameterized algorithms. In this paper, we introduce a family of strategies, that we call “mixing strategies”, for applying these techniques, developing even faster, closer to optimal, parameterized algorithms. Our strategies combine the following novel ideas. • Mixing narrow sieves and representative sets, two independent color coding-related techniques. • For certain “disjointness conditions”, improving the best known computation of representative sets. • Mixing divide-and-color-based preprocessing with the computation mentioned in the previous item, speeding-up standard representative sets-based algorithms. • Cutting the universe into small pieces in two special manners, one used in the mix mentioned in the previous item, and the other mixed with a non-standard representative sets-based algorithm to improve its running time. Note that the first item implies that representative sets are relevant to the design of fast randomized parameterized algorithms, and not only deterministic ones. We demonstrate the usefulness of our strate-gies by obtaining the following results. We first solve the well-studied k-Internal Out-Branching problem in deterministic time O∗(5.139k) and randomized time O∗(3.617k), improving upon the pre-vious best deterministic time O∗(6.855k) and randomized time O∗(4k). To this end, we establish a relation between “problematic ” out-trees and maximum matching computations in graphs. We then present a unified approach to improve the O ∗ running times of the previous best deterministic algo-rithms for the classic k-Path, k-Tree, r-Dimensional k-Matching and Graph Motif problems, including their weighted versions, from O∗(2.619k), O∗(2.619k), O∗(2.619(r−1)k) and O∗(2.6192k) to O∗(2.597k), O∗(2.597k), O∗(2.597(r−1)k) and O∗(2.5972k), respectively. Finally, we solve the Weighted 3-Set k-Packing problem in deterministic time O∗(8.097k), significantly improving upon the previous best O∗(12.155k) deterministic time. ar X iv

研究の動機と目的

• 複数の色分け関連技術を統合することで、パrameterizedアルゴリズムの高速化を図る統一的フレームワークの構築を目的とする。
• k-Internal Out-Branching、k-Path、k-Tree、r-Dimensional k-Matching、Graph Motif、Weighted 3-Set k-Packingといった基本的問題の、現在の最良の実行時間の向上を目的とする。
• 代表的集合（representative sets）が決定的アルゴリズムにとどまらず、確率的パrameterizedアルゴリズムに対しても有効であることを示すことを目的とする。
• 新たな前処理およびユニバース分割戦略を用いて、既存の色分けに基づく手法を統合・強化することを目的とする。
• 最大マッチングや出ツリーにおける非交差条件といった構造的性質を活用することで、よりタイトな時間計算量を達成することを目的とする。

提案手法

• 独立した色分け技法としての狭いふnow（narrow sieves）と代表的集合（representative sets）を統合し、1つのアルゴリズムフレームワークとして組み合わせることで、実行時間を向上させる。
• 特定の非交差条件の下で代表的集合を計算する新しい手法を提案し、従来のアプローチよりも高速な計算を達成した。
• divide-and-color前処理と最適化された代表的集合計算を統合し、従来の代表的集合に基づくアルゴリズムの実行速度を向上させた。
• 2種類の特殊なユニバース分割戦略を適用：1つは混合前処理法と併用するためのもの、もう1つは非標準の代表的集合アルゴリズムと組み合わせるためのもので、さらに実行時間を短縮した。
• k-Internal Out-Branchingにおける問題的な出ツリーとグラフにおける最大マッチングの間の関係を活用し、アルゴリズム設計を支援した。
• 確率的および決定的バージョンのフレームワークを用いて、k-Pathや重み付きバージョンを含む複数の問題において、より良い時間計算量を達成した。

実験結果

リサーチクエスチョン

• RQ1 狭いふnowと代表的集合を併用することで、それらを個別に用いる場合よりも高速なパrameterizedアルゴリズムを構築できるか？
• RQ2 非交差条件をどのように活用すれば、パrameterizedアルゴリズムにおける代表的集合計算の効率を向上させられるか？
• RQ3 divide-and-color前処理は、代表的集合に基づくアルゴリズムの性能にどの程度向上効果をもたらすか？
• RQ4 代表的集合と併用する新しいユニバース分割戦略は、パrameterizedアルゴリズムの実行時間を短縮できるか？
• RQ5 k-Internal Out-Branchingのような問題において、最大マッチングといった構造的グラフ性質をアルゴリズム設計に組み込むと、どのような影響があるか？

主な発見

• k-Internal Out-Branching問題は、決定的時間O∗(5.139k)および確率的時間O∗(3.617k)で解け、それぞれ従来の最良のO∗(6.855k)およびO∗(4k)を上回った。
• k-Path、k-Tree、r-Dimensional k-Matching、Graph Motif問題は、それぞれ決定的時間O∗(2.597k)、O∗(2.597k)、O∗(2.597(r−1)k)、O∗(2.5972k)で解け、従来の最良のO∗(2.619k)、O∗(2.619k)、O∗(2.619(r−1)k)、O∗(2.6192k)を上回った。
• Weighted 3-Set k-Packing問題は、決定的時間O∗(8.097k)で解け、従来の最良のO∗(12.155k)と比べて顕著に改善された。
• フレームワークは、代表的集合が決定的アルゴリズムにとどまらず、確率的パrameterizedアルゴリズムに対しても有効であることを示し、その適用範囲を広げた。
• 最大マッチングを構造的洞察として用いることで、k-Internal Out-Branchingの解析をよりタイトにし、実行時間を改善できた。
• 提案されたミキシング戦略は、既存の色分けに基づく手法を統合・強化し、複数のNP困難なパrameterized問題に対して体系的な改善を可能にした。