[논문 리뷰] Meta-Kernelization with Structural Parameters

Robert Ganian, Friedrich Slivovsky외 1명|arXiv (Cornell University)|2013. 03. 07.

Formal Methods in Verification인용 수 6

한 줄 요약

이 논문은 랭크-너비 유계 그래프 클래스 기반의 $χ$-커버 수를 사용하는 구조적 매개변수를 활용한 새로운 메타 커널화 프레임워크를 제안한다. 이는 MSO로 정의 가능한 문제의 큰 클래스에 대해 다항식 커널을 가능하게 한다. Monadic Second-Order 논리로 표현 가능한 문제들, 예를 들어 최소 정점 커버 및 최대 클리크와 같은 최적화 문제들은 랭크-너비-$d$ 커버 수에 따라 다항식 커널을 갖는다. 이는 선형 정점 수와 모듈 분해를 통한 효율적인 계산을 수반한다.

ABSTRACT

Meta-kernelization theorems are general results that provide polynomial kernels for large classes of parameterized problems. The known meta-kernelization theorems, in particular the results of Bodlaender et al. (FOCS'09) and of Fomin et al. (FOCS'10), apply to optimization problems parameterized by solution size. We present the first meta-kernelization theorems that use a structural parameters of the input and not the solution size. Let C be a graph class. We define the C-cover number of a graph to be a the smallest number of modules the vertex set can be partitioned into, such that each module induces a subgraph that belongs to the class C. We show that each graph problem that can be expressed in Monadic Second Order (MSO) logic has a polynomial kernel with a linear number of vertices when parameterized by the C-cover number for any fixed class C of bounded rank-width (or equivalently, of bounded clique-width, or bounded Boolean width). Many graph problems such as Independent Dominating Set, c-Coloring, and c-Domatic Number are covered by this meta-kernelization result. Our second result applies to MSO expressible optimization problems, such as Minimum Vertex Cover, Minimum Dominating Set, and Maximum Clique. We show that these problems admit a polynomial annotated kernel with a linear number of vertices.

연구 동기 및 목표

• 입력 그래프의 구조적 매개변수를 사용하는 메타 커널화 정리를 개발하는 것.
• 랭크-너비 유계 그래프 클래스 $\mathcal{C}$에 대해 $\mathcal{C}$-커버 수를 정의하고 계산하는 것.
• MSO 모델 체킹 및 최적화 문제에 대해 $\mathcal{C}$-커버 수에 따라 다항식 커널을 확립하는 것.
• 해결책 크기 매개변수를 초월해 더 일반적인 구조적 매개변수, 예를 들어 랭크-너비-$d$ 커버 수와 같은 매개변수로 커널화 이론을 확장하는 것.
• 최소 정점 커버 및 최대 클리크와 같은 최적화 문제를 위한 다항식 바이커널 프레임워크를 제공하는 것.

제안 방법

• 고정된 랭크-너비 유계 클래스 $\mathcal{C}$에 속하는 부분그래프를 유도하는 모듈의 분할로 이루어진 정점 집합의 최소 수인 $\mathcal{C}$-커버 수를 도입한다.
• 모듈의 조합적 성질과 부분성(partitivity)을 이용해 가장 작은 랭크-너비-$d$ 커버를 다항식 시간 내에 계산할 수 있음을 증명한다.
• 모듈 분해와 유형 동치성을 활용해 MSO 공식 유형과 모듈 유형에 기반한 애너테이션 커널을 구성한다.
• 해결책이 커널에서의 해와 원래 인스턴스의 해에 대응되도록 보장하기 위해 동치 기반 추론을 적용한다.
• 각 모듈의 유형과 가중치 제약 조건을 인코딩하여 문제를 작은 애너테이션 인스턴스로 축소함으로써 바이커널을 구성한다.
• MSO 모델 체킹 및 최적화 문제의 결정 시간이 $O(2^{nl})$ 이내로 유 bounds 되므로, 커널의 해를 푸는 데 소요되는 런타임을 제한한다.

실험 결과

연구 질문

• RQ1 해결책 크기 대신 입력 그래프의 구조적 매개변수에 기반한 메타 커널화 정리를 확장할 수 있는가?
• RQ2 랭크-너비 유계 그래프 클래스에 대해 $\mathcal{C}$-커버 수를 사용해 MSO로 정의 가능한 문제에 대해 다항식 커널을 달성할 수 있는가?
• RQ3 최소 정점 커버 및 최대 클리프와 같은 최적화 문제가 랭크-너비-$d$ 커버 수에 따라 다항식 바이커널을 갖는가?
• RQ4 해결책 동치성을 유지하면서 $\mathcal{C}$-커버 수에 대해 커널 크기를 선형으로 유 bounds 할 수 있는가?
• RQ5 랭크-너비-$d$ 커버 수는 트리너비나 이웃 밀도와 같은 다른 구조적 매개변수와 비교해 커널화 능력에서 어떻게 다를 수 있는가?

주요 결과

• 임의의 고정된 $d$에 대해 그래프의 가장 작은 랭크-너비-$d$ 커버는 다항식 시간 내에 계산 가능하므로 효율적인 매개변수 계산이 가능하다.
• 랭크-너비 유계 그래프 클래스 $\mathcal{C}$의 $\mathcal{C}$-커버 수에 따라 매개변수화된 모든 MSO 모델 체킹 문제는 정점 수가 선형인 다항식 커널을 갖는다.
• 최소 정점 커버 및 최대 클리프와 같은 모든 MSO 최적화 문제들은 $\mathcal{C}$-커버 수에 따라 매개변수화되었을 때 다항식 바이커널을 갖는다.
• 구축된 바이커널은 각 모듈의 기여가 유형과 가중치 제약 조건을 통해 인코딩된 원래 문제의 애너테이션 인스턴스이다.
• 이 프레임워크는 모듈의 랭크-너비($d$)와 모듈 수($k$) 사이의 트레이드오프를 지원하여 다변량 복잡도 분석이 가능하다.
• 결론들로는 10개의 잘 알려진 문제들에 대해 다항식 바이커널이 확립되며, 이에는 최소 독립 집합, 최장 유도 경로, 최대 이분 부분그래프 등이 포함된다.