[論文レビュー] Solving Vertex Cover in Polynomial Time on Hyperbolic Random Graphs

Thomas Bläsius, Philipp Fischbeck+2 more|arXiv (Cornell University)|Apr 29, 2019

Advanced Graph Neural Networks被引用数 6

ひとこと要約

この論文は、べき則度分布と高いクラスタリングを特徴とする構造的性質を活用することで、ハイパーボリックランダムグラフ上で、高確率でNP困難な頂点被覆問題が多項式時間で解けることを示している。主な洞察は、特に高次元頂点を標的とする支配削減ルールが、グラフを小さな残余部分に急速に縮小し、その結果、動的計画法や全探索による効率的な正確解法が可能になることである。

ABSTRACT

The VertexCover problem is proven to be computationally hard in different ways: It is NP-complete to find an optimal solution and even NP-hard to find an approximation with reasonable factors. In contrast, recent experiments suggest that on many real-world networks the run time to solve VertexCover is way smaller than even the best known FPT-approaches can explain. Similarly, greedy algorithms deliver very good approximations to the optimal solution in practice. We link these observations to two properties that are observed in many real-world networks, namely a heterogeneous degree distribution and high clustering. To formalize these properties and explain the observed behavior, we analyze how a branch-and-reduce algorithm performs on hyperbolic random graphs, which have become increasingly popular for modeling real-world networks. In fact, we are able to show that the VertexCover problem on hyperbolic random graphs can be solved in polynomial time, with high probability. The proof relies on interesting structural properties of hyperbolic random graphs. Since these predictions of the model are interesting in their own right, we conducted experiments on real-world networks showing that these properties are also observed in practice. When utilizing the same structural properties in an adaptive greedy algorithm, further experiments suggest that, on real instances, this leads to better approximations than the standard greedy approach within reasonable time.

研究の動機と目的

• NP困難であるにもかかわらず、実世界のネットワークにおいて頂点被覆がなぜ実用的に高速に解けるのかを説明すること。
• 実世界のネットワークが頂点被覆ソルバーの実用的効率をもたらす構造的性質を特定すること。
• ハイパーボリックランダムグラフを用いてこれらの性質を形式化し、アルゴリズムの性能を分析すること。
• 実世界のネットワークにおいて近似比を向上させるために、適応的グリーディアルゴリズムを設計・評価すること。

提案手法

• 実世界のネットワークをモデル化するため、べき則度分布と高いクラスタリングを自然に示すハイパーボリックランダムグラフを用いる。
• 支配削減ルールの分析：ある頂点の近傍にその頂点とそのすべての隣接頂点が含まれる場合、その頂点を削除する。
• ハイパーボリックランダムグラフにおいて、支配ルールの単一適用が、高確率で低パス幅の残余部分にグラフを縮小することを証明する。
• ハイパーボリック空間の幾何的性質を用いて、支配的である可能性の高い頂点の半径および次数を上限付ける。
• 標準的なグリーディ選択を、残りの頂点の次数が ≤k になるまで適用し、その後小規模な成分を正確に解く、k-適応的グリーディアルゴリズムを設計する。
• 木幅ヒューリスティクスと近似比の測定を用いて、47個の実世界ネットワーク上でアルゴリズムを評価する。

実験結果

リサーチクエスチョン

• RQ1 理論的困難性にもかかわらず、実世界のネットワークにおいて分枝・限定アルゴリズムがなぜ頂点被覆を非常に迅速に解けるのか。
• RQ2 度数分布の不均一性や高いクラスタリングといった構造的性質が、頂点被覆ソルバーの実用的効率をどの程度説明できるか。
• RQ3 実世界ネットワークの特徴を捉えるランダムグラフモデルにおいて、支配削減ルールを理論的に正当化できるか。
• RQ4 べき則度分布と高いクラスタリングを示すネットワークにおいて、グリーディアルゴリズムをどのように適応させれば、より良い近似比を得られるか。
• RQ5 ハイパーボリックランダムグラフの構造的予測が、実世界ネットワークの実証的観察と一致するか。

主な発見

• ハイパーボリックランダムグラフ上では、支配ルールによる急速な縮小のおかげで、頂点被覆が高確率で多項式時間で解ける。
• 47個の実世界ネットワークにおいて、度数が α/(α−1/2)·log n よりも高い頂点の82%以上が支配的であり、容易なインスタンスでは99%が支配的であった。
• 支配削減後、55%のネットワークで木幅 ≤50、43%で ≤15、32%で ≤5 であったため、効率的な正確解法が可能となった。
• 4-適応的グリーディアルゴリズムにより、47個のネットワーク全体で、標準的グリーディの中央値近似比1.008が1.002に低下した。
• 49%のネットワークで、4-適応的フィルタリング後の最大残余成分が100頂点未満であり、全探索による解法が現実的であった。
• 4-適応的グリーディアプローチを用いることで、最適解が得られたネットワーク数が4から7に増加した。