[논문 리뷰] Anti-Factor Is FPT Parameterized by Treewidth and List Size (But Counting Is Hard)

Dániel Marx, Govind S. Sankar외 1명|arXiv (Cornell University)|2021. 10. 18.

Advanced Graph Theory Research인용 수 2

한 줄 요약

이 논문은 대칭성 없는 요소 문제(Anti-Factor problem)가 트리너비와 각 정점당 금지된 차수의 최대 개수로 매개변수화될 때, 대표 집합과 동적 프로그래밍을 사용하여 고정된 매개변수 복잡도(FPT)임을 입증한다. 그러나 수량화된 버전은 #W[1]-난이도이며, Counting Strong Exponential Time Hypothesis(cSeth) 하에 본질적으로 최적임이 입증되며, 임의의 ϵ > 0에 대해 (max X + 2 − ϵ)^tw의 날카운 하한이 존재한다.

ABSTRACT

In the general AntiFactor problem, a graph G and, for every vertex v of G, a set X_v ⊆ ℕ of forbidden degrees is given. The task is to find a set S of edges such that the degree of v in S is not in the set X_v. Standard techniques (dynamic programming plus fast convolution) can be used to show that if M is the largest forbidden degree, then the problem can be solved in time (M+2)^{tw}⋅n^{O(1)} if a tree decomposition of width tw is given. However, significantly faster algorithms are possible if the sets X_v are sparse: our main algorithmic result shows that if every vertex has at most x forbidden degrees (we call this special case AntiFactor_x), then the problem can be solved in time (x+1)^{O(tw)}⋅n^{O(1)}. That is, AntiFactor_x is fixed-parameter tractable parameterized by treewidth tw and the maximum number x of excluded degrees. Our algorithm uses the technique of representative sets, which can be generalized to the optimization version, but (as expected) not to the counting version of the problem. In fact, we show that #AntiFactor₁ is already #W[1]-hard parameterized by the width of the given decomposition. Moreover, we show that, unlike for the decision version, the standard dynamic programming algorithm is essentially optimal for the counting version. Formally, for a fixed nonempty set X, we denote by X-AntiFactor the special case where every vertex v has the same set X_v = X of forbidden degrees. We show the following lower bound for every fixed set X: if there is an ε > 0 such that #X-AntiFactor can be solved in time (max X+2-ε)^{tw}⋅n^{O(1)} given a tree decomposition of width tw, then the Counting Strong Exponential-Time Hypothesis (#SETH) fails.

연구 동기 및 목표

• . 이 논문은 각 정점이 특정 차수 집합을 금지하는 경우의 Anti-Factor 문제의 매개변수 복잡도를 조사한다.
• . 각 정점이 최대 x개의 금지된 차수를 가진다고 가정할 때, 이를 AntiFactorx로 부른다.
• . 이 제약 조건이 일반적인 경우보다 더 빠른 알고리즘을 가능하게 하는지 여부를 확인하는 것이 목적이다.
• . 결론적으로, Anti-Factor의 결론적 판별과 수량화 버전 사이의 복잡도 격차를 해결하고자 한다.
• . 표준 복잡도 가정(예: #SETH) 하에 수량화 버전에 대한 날카운 하한을 확립하고자 한다.

제안 방법

• . 저자들은 대표 집합을 사용하여 Anti-Factor의 최적화 버전으로 동적 프로그래밍 기법을 일반화한다.
• . 트리 분해 위에서 동작하는 동적 프로그래밍 알고리즘을 설계하여, AntiFactorx에 대해 (x + 1)^O(tw) · n^O(1) 시간 내에 작동한다.
• . 유효한 부분 해를 효율적으로 추적하기 위해 빠른 부분집합 컨볼루션과 대표 집합 기법을 활용한다.
• . 수량화 버전의 경우, 정규 그래프에서의 #MaxIndSet 문제를 간선 분할과 경로 연결을 통해 #EdgeCover로 감소시킨다.
• . 피보나치 수를 이용한 보간법을 통해 특정로 드러나지 않은 정점 수를 가진 간선 커버의 수를 복원한다.
• . #X-AntiFactor에 대해 더 빠른 알고리즘이 존재한다고 가정하고, #SETH와 모순을 유도함으로써 하한을 증명한다.

실험 결과

연구 질문

• RQ1 . 트리너비 tw와 각 정점당 금지된 차수의 최대 개수 x로 매개변수화할 때, Anti-Factor는 고정된 매개변수 복잡도(FPT)인가?
• RQ2 . 표준 복잡도 가정 하에, #X-AntiFactor의 수량화 버전이 (max X + 2)^tw · n^O(1) 보다 더 빠르게 해결될 수 있는가?
• RQ3 . 수량화 Anti-Factor를 위한 표준 동적 프로그래밍 접근법은 최적의 실행 시간을 가지는가?
• RQ4 . Anti-Factor의 결론적 판별과 수량화 버전 사이에 뚜렷한 복잡도 격차가 존재하는가?
• RQ5 . 수량화 Anti-Factor의 수량화 버전을 다른 알려진 난이도 높은 문제로 감소시켜 날카운 하한을 확립할 수 있는가?

주요 결과

• . AntiFactorx는 트리너비 tw와 최대 목록 크기 x로 매개변수화되었을 때 FPT이며, (x + 1)^O(tw) · n^O(1) 시간 내에 해결 가능하다.
• . AntiFactor1의 수량화 버전은 트리너비로 매개변수화되었을 때 #W[1]-난이도이다.
• . 임의의 고정된 비어있지 않은 집합 X에 대해, #X-AntiFactor는 임의의 ϵ > 0에 대해 (max X + 2 − ϵ)^tw · n^O(1) 시간 내에 해결될 수 없으며, 이는 #SETH가 성립하지 않을 경우이다.
• . 수량화 Anti-Factor를 위한 표준 동적 프로그래밍 알고리즘은 #SETH 하에 본질적으로 최적이다.
• . 정규 그래프에서의 #MaxIndSet 문제를 간선 분할과 경로 연결을 통해 #EdgeCover로 감소시킴으로써 날카운 하한이 확립된다.
• . 피보나치 수를 이용한 보간법을 통해 특정로 드러나지 않은 정점 수를 가진 간선 커버의 수를 복원할 수 있으며, 이는 #MaxIndSet로의 감소를 가능하게 한다.