[논문 리뷰] A Note on Max $k$-Vertex Cover: Faster FPT-AS, Smaller Approximate Kernel and Improved Approximation

Pasin Manurangsi|arXiv (Cornell University)|2018. 10. 08.

Complexity and Algorithms in Graphs인용 수 6

한 줄 요약

이 논문은 런타임이 $(1/\varepsilon)^{O(k)}\text{poly}(n)$인 더 빠른 FPT-AS(Fixed-Parameter Tractability Approximation Scheme)를 제안하며, 이는 이전의 $(k/\varepsilon)^{O(k)}\text{poly}(n)$ bound를 향상시킨다. 방법은 $O(k/\varepsilon)$개의 높은 차수를 가진 정점에 대한 브루트 포스를 사용하여, 이로 인해 $O(k/\varepsilon)$-정점 근사 커널을 만들 수 있고, 이를 통해 SDP 기반 전처리를 통해 다항 시간 내에 0.92-근사값을 달성할 수 있다. 이는 이전의 $(0.75+\delta)$-근사값을 뛰어넘는 성과이다.

ABSTRACT

In Maximum $k$-Vertex Cover (Max $k$-VC), the input is an edge-weighted graph $G$ and an integer $k$, and the goal is to find a subset $S$ of $k$ vertices that maximizes the total weight of edges covered by $S$. Here we say that an edge is covered by $S$ iff at least one of its endpoints lies in $S$. We present an FPT approximation scheme (FPT-AS) that runs in $(1/\\epsilon)^{O(k)} poly(n)$ time for the problem, which improves upon Gupta et al.'s $(k/\\epsilon)^{O(k)} poly(n)$-time FPT-AS [SODA'18, FOCS'18]. Our algorithm is simple: just use brute force to find the best $k$-vertex subset among the $O(k/\\epsilon)$ vertices with maximum weighted degrees. Our algorithm naturally yields an efficient approximate kernelization scheme of $O(k/\\epsilon)$ vertices; previously, an $O(k^5/\\epsilon^2)$-vertex approximate kernel is only known for the unweighted version of Max $k$-VC [Lokshtanov et al., STOC'17]. Interestingly, this has an application outside of parameterized complexity: using our approximate kernelization as a preprocessing step, we can directly apply Raghavendra and Tan's SDP-based algorithm for 2SAT with cardinality constraint [SODA'12] to give an $0.92$-approximation for Max $k$-VC in polynomial time. This improves upon Feige and Langberg's algorithm [J. Algorithms'01] which yields $(0.75 + \\delta)$-approximation for some (unspecified) constant $\\delta > 0$. We also consider the minimization version (Min $k$-VC), where the goal is to minimize the total weight of edges covered by $S$. We provide an FPT-AS for Min $k$-VC with similar running time of $(1/\\epsilon)^{O(k)} poly(n)$, which again improves on a $(k/\\epsilon)^{O(k)} poly(n)$-time FPT-AS of Gupta et al. On the other hand, we show that there is unlikely a polynomial size approximate kernelization for Min $k$-VC for any factor less than two.

연구 동기 및 목표

• Max $k$-Vertex Cover에 대해 $k$와 $\varepsilon$에 대한 의존도를 향상시킨 더 빠른 FPT-AS 개발.
• Max $k$-VC에 대해 기존의 $O(k^5/\varepsilon^2)$에서 $O(k/\varepsilon)$로 감소된 더 작은 근사 커널 설계.
• Max $k$-VC에 대해 이전의 $(0.75+\delta)$-근사값을 넘어서는 다항 시간 근사 비율 향상.
• Min $k$-VC에 대해 유사한 런타임 효율성을 갖는 FPT-AS 프레임워크 확장.
• 가장 가능성 있는 복잡도 가정 하에 Min $k$-VC의 근사 커널화에 대해 강력한 하한 설정.

제안 방법

• Max $k$-VC에 대한 FPT-AS는 높은 가중 차수를 가진 $O(k/\varepsilon)$개의 정점 중에서 브루트 포스로 최적의 $k$-정점 부분집합을 선택한다.
• 이 방법은 자연스럽게 기존의 무게 없는 경우에 비해 훨씬 더 작은 $O(k/\varepsilon)$-정점 근사 커널을 유도한다.
• 이 근사 커널은 Raghavendra와 Tan의 2SAT에 대한 카디널리티 제약 조건이 있는 SDP 기반 알고리즘의 전처리로 사용되며, 다항 시간 내에 0.92-근사값을 달성할 수 있게 한다.
• Min $k$-VC에 대해서는 동일한 고차수 정점에 대한 브루트 포스 선택 전략을 적용하여, $(1/\varepsilon)^{O(k)}\text{poly}(n)$ 런타임을 갖는 FPT-AS를 달성한다.
• Min $k$-VC에 대한 하한은 Small Set Expansion Hypothesis의 변형과 $\mathsf{NP} \not\subseteq \mathsf{coNP}/\text{poly}$를 사용하여 유도되며, 약 2 미만의 근사 인자에 대해 다항 크기의 근사 커널이 존재하지 않음을 보여준다.
• 이 방법은 Nemhauser-Trotter 정리와 커널라이제이션의 구조적 통찰을 활용하여 문제 크기를 줄이면서도 근사 보장을 유지한다.

실험 결과

연구 질문

• RQ1 Max $k$-VC에 대한 FPT-AS는 지수 항에 $k$가 아닌 $1/\varepsilon$에만 의존하도록 개선될 수 있는가?
• RQ2 기존의 $O(k^5/\varepsilon^2)$ bound를 넘어서 Max $k$-VC에 대해 더 작은 근사 커널을 구성할 수 있는가?
• RQ3 모든 $\delta>0$에 대해 Max $k$-VC의 다항 시간 근사 비율을 $(0.75+\delta)$를 넘어서 향상시킬 수 있는가?
• RQ4 카디널리티 제약 조건이 있는 SDP 기반 방법을 사용하여 Max $k$-VC에 대해 다항 시간 내에 0.92-근사값을 달성할 수 있는가?
• RQ5 표준 복잡도 가정 하에 Min $k$-VC는 약 2 미만의 근사 인자에 대해 다항 크기의 근사 커널을 갖는가?

주요 결과

• 제안된 Max $k$-VC에 대한 FPT-AS는 $(1/\varepsilon)^{O(k)}\text{poly}(n)$ 시간 내에 실행되며, 이는 이전의 $(k/\varepsilon)^{O(k)}\text{poly}(n)$ bound를 향상시킨다.
• Max $k$-VC에 대해 $O(k/\varepsilon)$ 크기의 근사 커널이 구성되었으며, 이는 이전의 무게 없는 경우에 대한 $O(k^5/\varepsilon^2)$ bound에 비해 상당한 향상이다.
• 이 $O(k/\varepsilon)$-정점 커널을 전처리로 사용하여, Max $k$-VC에 대해 다항 시간 내에 0.92-근사값 알고리즘을 달성하였으며, 이는 이전의 $(0.75+\delta)$-근사값을 뛰어넘는 성과이다.
• Min $k$-VC에 대해 동일한 $(1/\varepsilon)^{O(k)}\text{poly}(n)$ 런타임을 갖는 FPT-AS가 개발되었으며, 이는 이전의 $(k/\varepsilon)^{O(k)}\text{poly}(n)$ bound를 향상시킨다.
• Small Set Expansion Hypothesis의 변형과 $\mathsf{NP} \not\subseteq \mathsf{coNP}/\text{poly}$를 가정할 경우, Min $k$-VC에 대해 약 2 미만의 근사 인자에 대해 다항 크기의 근사 커널이 존재하지 않음을 보였다.
• 이 방법은 고차수 정점 선택 전략이 최대화 및 최소화 변형 모두에 대해 효율적이고 효과적임을 보여준다.