[논문 리뷰] On Polynomial Kernels for Sparse Integer Linear Programs

Stefan Kratsch|arXiv (Cornell University)|2013. 02. 14.

Advanced Optimization Algorithms Research인용 수 6

한 줄 요약

이 논문은 변수 범위가 변수 수 n에 대해 다항적으로 유계일 경우 r-희소 정수선형계획문제(ILP)의 타당성은 다항 커널화가 가능하지만, 변수 범위가 유계가 아닐 경우 그렇지 않음을 규명한다. 핵심 결과는 변수 범위가 유계일 조건 하에서, 시간 복잡도가 n + d(여기서 d는 최대 변수 범위)에 대해 다항식이 되는 커널화가 가능하다는 것이며, 반대로 변수 범위가 무한할 경우 다항 커널화가 불가능하며, NP ⊆ coNP/poly가 성립하지 않는 한 다항 커널화가 불가능하다.

ABSTRACT

Integer linear programs (ILPs) are a widely applied framework for dealing with combinatorial problems that arise in practice. It is known, e.g., by the success of CPLEX, that preprocessing and simplification can greatly speed up the process of optimizing an ILP. The present work seeks to further the theoretical understanding of preprocessing for ILPs by initiating a rigorous study within the framework of parameterized complexity and kernelization. A famous result of Lenstra (Mathematics of Operations Research, 1983) shows that feasibility of any ILP with n variables and m constraints can be decided in time O(c^{n^3} m^c'). Thus, by a folklore argument, any such ILP admits a kernelization to an equivalent instance of size O(c^{n^3}). It is known, that unless NP \subseteq coNP/poly and the polynomial hierarchy collapses, no kernelization with size bound polynomial in n is possible. However, this lower bound only applies for the case when constraints may include an arbitrary number of variables since it follows from lower bounds for Satisfiability and Hitting Set, whose bounded arity variants admit polynomial kernelizations. We consider the feasibility problem for ILPs Ax<= b where A is an r-row-sparse matrix parameterized by the number of variables. We show that the kernelizability of this problem depends strongly on the range of the variables. If the range is unbounded then this problem does not admit a polynomial kernelization unless NP \subseteq coNP/poly. If, on the other hand, the range of each variable is polynomially bounded in n then we do get a polynomial kernelization. Additionally, this holds also for the more general case when the maximum range d is an additional parameter, i.e., the size obtained is polynomial in n+d.

연구 동기 및 목표

• 매개변수 복잡도와 커널화를 활용하여 정수선형계획문제(ILP)의 사전처리 이론적 한계를 공식적으로 조사하기.
• 다양한 매개변수화 조건 하에서 r-희소 ILP 타당성 문제가 다항 커널화를 갖는지 여부를 규명하기.
• 특히 변수 범위 유계 조건에 따라 커널화가 가능하거나 불가능한 정확한 조건을 규명하기.
• 실제 ILP 솔버(CPLEX 등)의 사전처리 기법과 커널화 이론적 보장 간 격차를 메우기.

제안 방법

• 논문은 각 원래 제약 조건을, 특정 r개 변수에 대해 타당하지 않은 점들만 배제하는 새로운 제약 조합으로 대체하는 감소 기법을 사용한다.
• 각 금지된 점 (p₁,…,pᵣ)에 대해 보조 변수 sᵢ와 tᵢ를 도입하여 (xᵢ − pᵢ) = sᵢ − d·tᵢ 를 만족시키며, sᵢ ∈ {0,…,d−1} 및 tᵢ ∈ {0,1} 이 되도록 한다.
• 최소한 하나의 sᵢ > 0 이 되도록 ∑sᵢ ≥ 1 제약 조건을 도입함으로써, 금지된 점이 배제됨을 보장한다.
• 이 구성은 각 금지된 점당 3r개의 변수와 4r+1개의 제약 조건을 사용하며, 계수는 {−1,0,1,d}에 속함으로써 효율적인 인코딩이 가능하다.
• 새로운 제약 조건과 변수 총 수는 O(dʳ·nʳ) 이하로 유계지며, 이는 n과 d에 대해 다항식 크기의 커널을 이룬다.
• 정당성은 새로운 제약 조건을 만족하는 모든 해가 모든 r-변수 부분집합에 대해 타당하지 않은 점들을 모두 피해야 하므로, 타당성이 유지됨을 보여 증명된다.

실험 결과

연구 질문

• RQ1 r-희소 ILP 타당성 문제가 어떤 조건에서 다항 커널화를 갖는가?
• RQ2 변수 범위가 무한할 경우 r-희소 ILP에 대한 다항 커널화가 불가능한가?
• RQ3 최대 변수 범위 d를 추가 매개변수로 간주함으로써 다항 커널화를 달성할 수 있는가?
• RQ4 CPLEX와 같은 ILP 솔버에서의 사전처리 효과성에 대한 이론적 근거는 경험적 관찰을 넘어서 존재하는가?

주요 결과

• 변수 범위가 무한할 경우, r-희소 ILP 타당성 문제에 대해 다항 커널화가 존재하지 않으며, NP ⊆ coNP/poly가 성립하지 않는 한 불가능하다.
• 변수 범위가 n에 대해 다항적으로 유계일 경우, 다항 커널화가 존재하며, 커널 크기는 n + d에 대해 다항식이다.
• d를 추가 매개변수로 간주하더라도 커널화가 효과적으로 작동하며, 커널 크기는 O(dʳ·nʳ)가 된다.
• 이 구성은 각 제약 조건을 O(dʳ·nʳ)개의 새로운 제약 조건과 변수로 대체하며, 모든 계수는 {−1,0,1,d}에 속함으로써 효율적인 인코딩이 가능하다.
• 최소한 하나의 변수가 금지된 값으로부터 d 미만으로 벗어나도록 강제함으로써, 모든 타당하지 않은 r-튜플이 정확히 배제된다.
• 전체 변환 과정은 다항 시간 내에 수행되며 타당성을 유지하므로, 유효한 커널화가 성립한다.