[論文レビュー] Speeding-up Dynamic Programming with Representative Sets - An Experimental Evaluation of Algorithms for Steiner Tree on Tree Decompositions

Stefan Fafianie, Hans L. Bodlaender+1 more|arXiv (Cornell University)|May 31, 2013

Algorithms and Data Compression被引用数 3

ひとこと要約

本論文は、スパムスの木分解における代表的集合を用いたガウスの消去法を用いたランクベースの動的計画法を、スティーナー木問題に対して評価している。この手法はテーブルサイズを顕著に削減し、計算を高速化することが示され、小規模な木幅のインスタンスに対しても、古典的動的計画法を上回る性能を示しており、理論的利点を超えて実用的実現可能性を裏付けている。

ABSTRACT

Dynamic programming on tree decompositions is a frequently used approach to solve otherwise intractable problems on instances of small treewidth. In recent work by Bodlaender et al., it was shown that for many connectivity problems, there exist algorithms that use time, linear in the number of vertices, and single exponential in the width of the tree decomposition that is used. The central idea is that it suffices to compute representative sets, and these can be computed efficiently with help of Gaussian elimination. In this paper, we give an experimental evaluation of this technique for the Steiner Tree problem. A comparison of the classic dynamic programming algorithm and the improved dynamic programming algorithm that employs the table reduction shows that the new approach gives significant improvements on the running time of the algorithm and the size of the tables computed by the dynamic programming algorithm, and thus that the rank based approach from Bodlaender et al. does not only give significant theoretical improvements but also is a viable approach in a practical setting, and showcases the potential of exploiting the idea of representative sets for speeding up dynamic programming algorithms.

研究の動機と目的

• スティーナー木問題に対するランクベースの動的計画法の実用的性能を評価すること。
• 古典的動的計画法（CDP）と代表的集合に基づくアルゴリズム（RBA）の実行時間およびテーブルサイズの効率性を比較すること。
• 時間計算量の理論的改善が、実世界のインスタンスにおいて測定可能な高速化に繋がるかどうかを評価すること。
• 木分解の構造的要因（例：結合バッグの数）が、アルゴリズムの性能に与える影響を分析すること。
• NP困難問題の正確なアルゴリズムへの代表的集合技術の適用可能性を検討すること。

提案手法

• ランクベースのアプローチは、木分解における動的計画法の過程で、最も有望な部分解のみを保持するために代表的集合を用いる。
• 部分解の妥当な拡張を符号化する行列に対してガウスの消去法を適用し、行の最小で代表的な集合を計算する。
• 代表的性（representativity）と線形代数の概念を活用して、最適性を保ちながらテーブルサイズを削減する。
• 木分解の各バッグに対して、拡張行列の基底を用いてテーブルを縮小し、重複するエントリを最小限に抑える。
• 本手法は実装され、ベンチマークおよびランダムグラフ上で古典的動的計画法（CDP）および2つの変種（RBA、RBC）と比較された。
• 実行時間、テーブルサイズ、時間制限内での成功確率を測定し、テーブルの埋め込みおよびガウスの消去法に要する時間の詳細な追跡が行われた。

実験結果

リサーチクエスチョン

• RQ1 代表的集合を用いたランクベースのアプローチは、スティーナー木問題において、古典的動的計画法よりも測定可能な実行時間の短縮を達成するか？
• RQ2 古典的動的計画法と代表的集合ベースの動的計画法の間で、中間テーブルのサイズはどのように異なるか？
• RQ3 木分解の構造（例：結合バッグの数）は、ランクベースのアルゴリズムの性能にどの程度影響を与えるか？
• RQ4 テーブルの縮小に要するガウスの消去法の処理時間は、テーブルサイズの削減による恩恵を上回るか？
• RQ5 古典的動的計画法が時間制限内でタイムアウトするインスタンスに対しても、ランクベースの手法が解けるかどうか、特に木幅が増加する際の有効性は？

主な発見

• ランクベースのアプローチ（RBA）は、古典的動的計画法（CDP）に対して顕著な高速化を達成しており、木幅が大きくなるほど性能向上が顕著になる。
• テーブルサイズは著しく削減された。例えば、木幅11のインスタンス es500fst05 において、CDPは860,867個の部分解を保持していたが、RBAでは80,694にまで削減された。
• ガウスの消去法に要する時間は、テーブルサイズの削減による時間の節約に比べて極めて小さく、オーバーヘッドは無視できるほど小さい。
• i080-004 インスタンスでは、RBAはCDPが時間制限内で失敗したのに対し、成功を収めた。これは、分解における結合バッグの数が多いことが主な要因であった。
• テーブルサイズの削減は、特に高い木幅において顕著であり、本手法のスケーラビリティと実用的利点を裏付けた。
• RBAとRBCの2つの変種は同一の性能を示し、実際の実行時間に影響を与える基底表現の選択はほとんどないとわかった。