[论文解读] A Faster Algorithm for Vertex Cover Parameterized by Solution Size

David G. Harris, N. S. Narayanaswamy|arXiv (Cornell University)|May 16, 2022

Advanced Graph Theory Research被引用 6

一句话总结

本论文提出了一种新的确定性、多项式空间算法，用于参数化为解大小 $k$ 的顶点覆盖问题，其时间复杂度为 $O^*(1.25284^k)$，优于过去十余年来的最佳结果 $O^*(1.2738^k)$。关键创新在于提出了一种结合 $k$ 和线性规划松弛间隙 $μ = k - \lambda$ 的新度量，使得能够在递归分支中对高阶顶点进行处理，同时确保 $k$ 和 $μ$ 均减少，并通过自定义规则解决标准分支失效时的局部障碍。

ABSTRACT

We describe a new algorithm for vertex cover with runtime $O^*(1.25284^k)$, where $k$ is the size of the desired solution and $O^*$ hides polynomial factors in the input size. This improves over previous runtime of $O^*(1.2738^k)$ due to Chen, Kanj, & Xia (2010) standing for more than a decade. The key to our algorithm is to use a potential function which simultaneously tracks $k$ as well as the optimal value $λ$ of the vertex cover LP relaxation. This approach also allows us to make use of prior algorithms for Maximum Independent Set in bounded-degree graphs and Above-Guarantee Vertex Cover. The main step in the algorithm is to branch on high-degree vertices, while ensuring that both $k$ and $μ= k - λ$ are decreased at each step. There can be local obstructions in the graph that prevent $μ$ from decreasing in this process; we develop a number of novel branching steps to handle these situations.

研究动机与目标

• 改进自2010年以来长期停滞在 $O^*(1.2738^k)$ 的顶点覆盖问题的固定参数时间复杂度，该问题以解大小 $k$ 为参数。
• 通过引入一种新度量来跟踪 $k$ 和线性规划松弛间隙 $\mu = k - \lambda$（其中 $\lambda$ 为最优线性规划值），设计更有效的分支策略。
• 针对标准分支无法使 $μ$ 减少的局部结构障碍（如具有相同邻接关系的顶点），设计新颖的分支规则。
• 针对最大度有界的图，实现更紧的时间复杂度界限，利用已知的有界度图中最大独立集算法结果。

提出的方法

• 引入一种分段线性度量，结合解大小 $k$ 和线性规划间隙 $μ = k - \lambda$，以同时跟踪解大小和整数规划间隙。
• 对高阶顶点进行递归分支，确保每次递归调用中 $k$ 和 $μ$ 均减少。
• 当标准分支无法减少 $μ$ 时（例如由于对称或冗余的邻接关系），改用自定义分支规则（如对共享邻居的顶点对进行分支），而非对高阶顶点本身分支。
• 利用已知的有界度图中最大独立集算法（如度为3时的 $O^*(1.0835^n)$）作为子程序，以指导并限制分支成本。
• 应用预处理规则（P1–P3）简化图结构，如移除孤立顶点、收缩度为2的顶点、消除冗余结构。
• 通过精心选择的分支因子进行归纳与递推分析，证明整体时间复杂度为 $O^*(1.25284^k)$。

实验结果

研究问题

• RQ1 固定参数顶点覆盖的时间复杂度能否突破自2010年以来长期停滞的 $O^*(1.2738^k)$ 边界？
• RQ2 如何有效利用线性规划松弛间隙 $μ = k - \lambda$ 作为与 $k$ 并行的参数，以指导分支并改进时间复杂度？
• RQ3 在标准分支无法减少 $μ$ 的结构障碍下，需要哪些新颖的分支规则？
• RQ4 该算法能否针对最大度有界的图进一步优化？可实现哪些更紧的界限？
• RQ5 能否仅使用多项式空间和确定性递归实现 $O^*(1.25284^k)$ 的时间复杂度？

主要发现

• 本论文实现了顶点覆盖问题新的时间复杂度界限 $O^*(1.25284^k)$，优于陈、坎贾和夏（2010）提出的 $O^*(1.2738^k)$。
• 对于最大度不超过3的图，算法运行时间为 $O^*(1.14416^k)$，远快于一般界限。
• 对于最大度不超过4的图，时间复杂度为 $O^*(1.21131^k)$；对于最大度不超过5的图，为 $O^*(1.24394^k)$，显示出对度界的高度依赖性。
• 该算法使用一种新颖的度量，结合 $k$ 和 $μ = k - \lambda$，使得在确保两个参数均减少的前提下能够进行更激进的分支。
• 作者设计了专门的分支规则，以解决局部障碍（如具有相同邻接关系的顶点），在标准分支无法减少 $μ$ 时仍能推进，从而实现更优的时间复杂度。
• 该算法是确定性的，仅使用多项式空间，因此具有实际可行性，并适用于理论分析。