[论文解读] A Quasi-Polynomial Algorithm for Well-Spaced Hyperbolic TSP

‪Sándor Kisfaludi-Bak|arXiv (Cornell University)|Jan 1, 2020

Computational Geometry and Mesh Generation参考文献 19被引用 1

一句话总结

本文提出了一种拟多项式时间算法，用于解决双曲平面上高斯曲率为−1的欧几里得旅行商问题，其时间复杂度为 $ n^{O(\log^2 n)} \cdot \max(1, 1/\alpha) $，其中 $\alpha$ 是输入点之间最小成对距离。该算法利用了双曲几何中一种新颖的分隔定理和重路由论证，使得在点集分布较稀疏时计算速度更快，而对于密集输入，性能退化为 $ n^{O(\sqrt{n})} $。

ABSTRACT

We study the traveling salesman problem in the hyperbolic plane of Gaussian curvature $-1$. Let $α$ denote the minimum distance between any two input points. Using a new separator theorem and a new rerouting argument, we give an $n^{O(\log^2 n)\max(1,1/α)}$ algorithm for Hyperbolic TSP. This is quasi-polynomial time if $α$ is at least some absolute constant, and it grows to $n^{O(\sqrt{n})}$ as $α$ decreases to $\log^2 n/\sqrt{n}$. (For even smaller values of $α$, we can use a planarity-based algorithm of Hwang et al. (1993), which gives a running time of $n^{O(\sqrt{n})}$.)

研究动机与目标

• 开发一种适用于曲率为−1的双曲平面上旅行商问题（TSP）的精确算法，其时间复杂度快于一般情况下的 $ O(2^n \text{poly}(n)) $ 上限。
• 解决尽管在负曲率度量空间中已知存在PTAS，但双曲几何中仍缺乏TSP精确算法的问题。
• 通过间距参数 $\alpha$（定义为任意两个输入点之间的最小距离）刻画算法效率与点集密度的依赖关系。
• 在指数时间假设（ETH）下证明，当 $\alpha = \Theta(1/\sqrt{n})$ 时，该算法的时间复杂度无法被显著改进，从而建立紧致的复杂度下界。
• 探索在双曲几何中是否存在多项式时间算法求解TSP，特别是针对稀疏点集。

提出的方法

• 在双曲平面上提出一种新的分隔定理，基于几何结构对点集进行划分，从而支持分治策略。
• 提出一种新颖的重路由论证，用于控制递归深度，限制最优TSP路径中穿过特定区域的边数。
• 使用庞加莱圆盘模型将平面图嵌入双曲平面，保持拓扑与度量性质，且控制距离。
• 通过顶点组件、弯折四边形和连接条带构建双曲平面中的网格状结构，以模拟间距为 $\Theta(1/\sqrt{n})$ 的图嵌入。
• 将有向平面图中的哈密顿圈问题归约为双曲平面上的TSP问题，以建立条件下的下界。
• 将该算法与 Hwang 等人（1993）针对密集输入（$\alpha \leq \log^2 n / \sqrt{n}$）的基于平面性的算法结合，实现 $ n^{O(\sqrt{n})} $ 时间复杂度。

实验结果

研究问题

• RQ1 当输入点集稀疏（$\alpha = \Omega(1)$）时，能否设计出双曲平面上TSP的拟多项式时间算法？
• RQ2 时间复杂度对间距参数 $\alpha$ 的最优依赖关系为何？是否可将 $ n^{O(\log^2 n)} \cdot \max(1, 1/\alpha) $ 进一部改进？
• RQ3 对于常数间距点集，能否实现双曲平面上TSP的多项式时间算法？还是存在超多项式时间下界？
• RQ4 当点集变得越来越密集时，该算法性能如何退化？对于 $\alpha = \Theta(\log^2 n / \sqrt{n})$，是否可改进 $ n^{O(\sqrt{n})} $ 的上界？
• RQ5 该算法框架能否推广至更高维双曲空间 $H^d$，以实现 $ 2^{n^{1-1/(d-1)}} $ 时间复杂度的算法？

主要发现

• 本文提出一种针对稀疏双曲TSP的拟多项式算法，时间复杂度为 $ n^{O(\log^2 n)} \cdot \max(1, 1/\alpha) $，当 $\alpha \geq 1$ 时为 $ n^{O(\log^2 n)} $。
• 当间距 $\alpha = \Theta(\log^2 n / \sqrt{n})$ 时，该算法的时间复杂度退化为 $ n^{O(\sqrt{n})} $，与 Hwang 等人（1993）在欧几里得空间中的算法性能一致。
• 当 $\alpha \leq \log^2 n / \sqrt{n} $ 时，采用 Hwang 等人（1993）的算法，时间复杂度为 $ n^{O(\sqrt{n})} $，在ETH下为最优。
• 本文证明，在指数时间假设（ETH）下，当 $\alpha = \Theta(1/\sqrt{n})$ 时，该算法的时间复杂度无法被显著改进，因为若存在 $ 2^{o(\sqrt{n})} $ 的算法将与ETH矛盾。
• 该算法在密度依赖性方面被证明为最优：除非ETH不成立，否则不存在比该算法更快的算法用于 $\alpha = \Theta(1/\sqrt{n})$ 的情形。
• 该框架被扩展以表明，若存在 $ 2^{o(n^{1-1/(d-1)})} $ 时间复杂度的TSP算法于 $H^d$，将与ETH矛盾，这表明对于高维空间中常数 $\alpha$ 的情形，$ n^{O(\log^2 n)} \cdot \max(1, 1/\alpha) $ 可能是最佳可能的复杂度。