[论文解读] A Parameterized View on Multi-Layer Cluster Editing.

Jiehua Chen, Hendrik Molter+2 more|arXiv (Cornell University)|Sep 26, 2017

Advanced biosensing and bioanalysis techniques被引用 1

一句话总结

本文提出了多层聚类编辑（Multi-Layer Cluster Editing），这是一种参数化框架，用于将多个相互关联的图层转换为通过最少边修改实现一致的聚类图，并允许排除最多 d 个标记顶点。主要贡献在于证明该问题关于组合参数 (d, k) 是固定参数可满足的（FPT），并且在 (d, k, l) 参数组合下具有多项式内核；然而，该问题在更小的参数组合下为参数化 NP-难，且不具有多项式内核。

ABSTRACT

In classical Cluster Editing we seek to transform a given graph into a disjoint union of cliques, called a cluster graph, using the fewest of edge modifications (deletions or additions). Motivated by recent applications, we propose and study Cluster Editing in multi-layer graphs. A multi-layer graph consists of a set of simple graphs, called layers, that all have the same vertex set. In Multi-Layer Cluster Editing we aim to transform all layers into cluster graphs that differ only slightly. More specifically, we allow to mark at most d vertices and to transform each layer of the multi-layer graph into a cluster graph with at most k edge modifications per layer such that, if we remove the marked we obtain the same cluster graph in all Multi-Layer Cluster Editing is NP-hard and we analyze its parameterized complexity. We focus on the natural parameters max. d of marked vertices, max. k of edge modifications per layer, number n of vertices, and number l of layers. We fully explore the parameterized computational complexity landscape for those parameters and their combinations. Our main results are that Multi-Layer Cluster Editing is FPT with respect to the parameter combination (d, k) and that it is para-NP-hard for all smaller or incomparable parameter combinations. Furthermore, we give a polynomial kernel with respect to the parameter combination (d, k, l) and show that for all smaller or incomparable parameter combinations, the problem does not admit a polynomial kernel unless NP is in coNP/poly.

研究动机与目标

• 解决在多个图层中实现一致聚类且修改最少的挑战。
• 形式化一个新问题——多层聚类编辑，即在移除最多 d 个标记顶点后，将各层转换为相似的聚类图。
• 分析该问题关于自然参数（d：标记顶点数，k：每层的边修改数，n：顶点数，l：图层数）的参数化复杂性。
• 通过识别哪些参数组合能产生固定参数可满足（FPT）算法或多项式内核，确定问题的可解性边界。

提出的方法

• 提出多层图的正式模型，其中所有图层共享相同的顶点集，但边集可能不同。
• 引入标记最多 d 个顶点的概念，以在移除后实现各层间一致的聚类结构。
• 设计基于 (d, k) 参数的 FPT 算法，利用标记顶点集上的有界搜索与动态规划。
• 应用内核化技术，将问题规模缩减至 (d, k, l) 的多项式界，确保高效的预处理。
• 使用树宽与模块分解技术，处理聚类图中的结构约束。
• 通过交叉组合技术获得下界结果，排除在标准复杂性假设下存在多项式内核的可能性。

实验结果

研究问题

• RQ1 当参数化为组合参数 (d, k) 时，多层聚类编辑是否为固定参数可满足（FPT）？
• RQ2 当参数化为 (d, k, l) 时，该问题是否具有多项式内核？对于更小或不可比较的参数组合，其复杂性如何？
• RQ3 当标记顶点数与每层的边修改数较小时，即使图层数量众多，该问题是否仍可高效求解？
• RQ4 是否存在使问题为参数化 NP-难的参数组合，表明其固有难解性？
• RQ5 在何种条件下，该问题不具有多项式内核，除非 NP ⊆ coNP/poly？

主要发现

• 多层聚类编辑关于组合参数 (d, k) 是固定参数可满足的（FPT），意味着当 d 和 k 均较小时，该问题可高效求解。
• 当参数化为 (d, k, l) 时，该问题具有多项式内核，支持对小参数值的高效预处理。
• 对于所有小于或不可比较于 (d, k) 的参数组合，该问题为参数化 NP-难，表明 (d, k) 是最小的可满足参数组合。
• 对于所有严格小于 (d, k) 或不可比较的参数组合，该问题不具有多项式内核，除非 NP ⊆ coNP/poly，而该假设被认为极不可能成立。
• 内核化结果是紧致的：在标准复杂性假设下，不存在更小或不可比较的参数组合能支持多项式内核。
• 本研究完整刻画了该问题的参数化复杂性图谱，精确界定了可解性与不可解性之间的分界。