[논문 리뷰] A Randomized Polynomial Kernelization for Vertex Cover with a Smaller Parameter

Stefan Kratsch|arXiv (Cornell University)|2016. 01. 01.

Advanced Graph Theory Research인용 수 4

한 줄 요약

이 논문은 매트로이드 이론의 대표 집합을 새로운 응용으로 활용하여 Almost 2-SAT 및 종단점 수가 일정한 Multiway Cut 문제에 대해 처음으로 다항식 커널화를 달성한다. 로바스와 마르스의 대표 집합 렘마를 활용해, 실수 확률이 입력 크기에 대해 지수적으로 작은 랜덤 알고리즘을 개발하여 불필요한 정점과 작은 컷 커버링 집합을 식별함으로써 효율적인 커널화를 가능하게 한다.

ABSTRACT

In the Vertex Cover problem we are given a graph G=(V,E) and an integer k and have to determine whether there is a set X subseteq V of size at most k such that each edge in E has at least one endpoint in X. The problem can be easily solved in time O^*(2^k), making it fixed-parameter tractable (FPT) with respect to k. While the fastest known algorithm takes only time O^*(1.2738^k), much stronger improvements have been obtained by studying parameters that are smaller than k. Apart from treewidth-related results, the arguably best algorithm for Vertex Cover runs in time O^*(2.3146^p), where p = k - LP(G) is only the excess of the solution size k over the best fractional vertex cover [Lokshtanov et al., TALG 2014]. Since p <= k but k cannot be bounded in terms of p alone, this strictly increases the range of tractable instances. Recently, Garg and Philip (SODA 2016) greatly contributed to understanding the parameterized complexity of the Vertex Cover problem. They prove that 2LP(G) - MM(G) is a lower bound for the vertex cover size of G, where MM(G) is the size of a largest matching of G, and proceed to study parameter l = k - (2LP(G)-MM(G)). They give an algorithm of running time O^*(3^l), proving that Vertex Cover is FPT in l. It can be easily observed that l <= p whereas p cannot be bounded in terms of l alone. We complement the work of Garg and Philip by proving that Vertex Cover admits a randomized polynomial kernelization in terms of l, i.e., an efficient preprocessing to size polynomial in l. This improves over parameter p = k - LP(G) for which this was previously known [Kratsch and Wahlström, FOCS 2012].

연구 동기 및 목표

• 매개수 복잡도 이론에서 핵심 문제인 Almost 2-SAT에 대한 오랫동안 미해결된 다항식 커널화 문제를 해결하기 위해.
• 매트로이드 이론적 도구를 활용해 그래프 컷 문제에서 불필요한 정점을 식별하는 새로운 방법을 개발하기 위해.
• 모든 종단점 부분집합 A, B에 대한 최소 (A,B)-정점 컷을 포함하는 작은 컷 커버링 집합을 구성하기 위해.
• 이러한 기법을 확장하여 종단점 수가 일정한 Multiway Cut 및 관련 문제에 대해 처음으로 다항식 커널을 얻기 위해.
• 감소 규칙 기반의 랜덤화 다항식 커널화 프레임워크를 제공하여 실수 확률이 지수적으로 작도록 하되, 다양한 컷 및 삭제 문제에 적용 가능하도록 하기 위해.

제안 방법

• 매트로이드 이론의 대표 집합 렘마(Lovász, Marx)를 적용하여, 해에 영향을 주지 않도록 하되 삭제할 수 없는 정점을 식별함으로써 불필요한 정점 추론을 가능하게 한다.
• 입력 그래프의 층상 복제체 위에 가모이드 구조를 구성하여 최소 컷의 도달 가능성과 포화 조건을 인코딩한다.
• 이행 집합의 대표 집합을 사용하여, 임의의 (A,B)-커트 또는 다중 컷에 대해 필수 정점을 포함하는 작은 정점 집합 Z를 효율적으로 샘플링한다.
• 모서리 수축과 미표시된 컴포넌트를 따라 신호 전파를 통해, 원래 문제를 Z와 종단점만을 포함하는 등가의 인스턴스로 축소한다.
• 커버링 집합 구축을 위해 문제를 정점 삭제 인스턴스로 변환함(예: 간선 분할을 통해)하여, 매개수 k에 따라 커널 크기의 상한을 보장한다.
• 실수 확률이 O(2⁻ⁿ)인 랜덤 샘플링을 사용하여 높은 신뢰도로 정확성을 확보하며, 비균일 커널화 프레임워크와 호환된다.

실험 결과

연구 질문

• RQ1 매트로이드 이론의 대표 집합을 사용하여 NP-난이도 문제에 대한 효율적인 커널화 알고리즘을 설계할 수 있는가?
• RQ2 압축 기반 접근법이 아닌 감소 규칙 기반 접근법을 통해 Almost 2-SAT에 대한 다항식 커널을 구성할 수 있는가?
• RQ3 그래프 컷 문제에서 불필요한 정점 개념을 매트로이드 대표 집합을 통해 체계적으로 유도할 수 있는가?
• RQ4 어떤 종단점 집합 T의 부분집합 A, B에 대해 모든 최소 (A,B)-정점 컷을 커버할 수 있는 최소 정점 집합은 무엇인가?
• RQ5 이러한 기법을 확장하여 종단점 수가 일정한 Multiway Cut 및 Multicut 문제에 대해 다항식 커널을 생성할 수 있는가?

주요 결과

• 논문은 O(k⁶)개의 변수를 가진 Almost 2-SAT에 대해 처음으로 다항식 커널을 제시하며, 실수 확률이 O(2⁻ᵏ)인 랜덤 압축을 통해 달성된다.
• 최대 s개의 종단점이 있는 Multiway Cut에 대해 O(ks+1) 크기의 커널이 대표 집합 기반의 불필요한 정점 탐지 방법을 통해 구성된다.
• 임의의 무방향 그래프 G와 종단점 집합 X에 대해, O(|X|s+1) 크기의 정점 집합 Z를 랜덤화 다항식 시간 내에 계산할 수 있으며, 이 집합은 X를 최대 s개의 서로소 부분집합으로 분할하는 데 대해 최소 다중 컷을 포함한다.
• 방향 그래프에서 A⊆S 및 B⊆T 사이의 최소 컷 크기 r을 기준으로, 모든 (A,B)-정점 컷을 커버하는 크기 O(|S|·|T|·r)의 컷 커버링 집합 Z를 생성할 수 있다.
• 커널화는 감소 규칙 기반이며 랜덤화되어 있으며, 실수 확률이 O(2⁻ⁿ)이므로 비균일 커널화 프레임워크와 호환된다.
• 결과는 Vertex Cover Above LP 및 K"onig Vertex Deletion과 같은 다양한 관련 문제로 확장되며, 이러한 문제들에 대해 처음으로 다항식 커널을 제공한다.