[论文解读] Anti-Factor Is FPT Parameterized by Treewidth and List Size (But Counting Is Hard)

Dániel Marx, Govind S. Sankar+1 more|arXiv (Cornell University)|Oct 18, 2021

Advanced Graph Theory Research被引用 2

一句话总结

该论文证明了当以树宽和每个顶点的禁止度数最大数量为参数时，Anti-Factor 问题具有固定参数可满足性（FPT）。该结果通过代表性集合和动态规划技术实现。然而，其计数版本被证明是 #W[1]-难的，并且在计数强指数时间假设（cSeth）下本质上是最优的，其紧致下界为 (max X + 2 − ϵ)^tw，其中 ϵ > 0 任意。

ABSTRACT

In the general AntiFactor problem, a graph G and, for every vertex v of G, a set X_v ⊆ ℕ of forbidden degrees is given. The task is to find a set S of edges such that the degree of v in S is not in the set X_v. Standard techniques (dynamic programming plus fast convolution) can be used to show that if M is the largest forbidden degree, then the problem can be solved in time (M+2)^{tw}⋅n^{O(1)} if a tree decomposition of width tw is given. However, significantly faster algorithms are possible if the sets X_v are sparse: our main algorithmic result shows that if every vertex has at most x forbidden degrees (we call this special case AntiFactor_x), then the problem can be solved in time (x+1)^{O(tw)}⋅n^{O(1)}. That is, AntiFactor_x is fixed-parameter tractable parameterized by treewidth tw and the maximum number x of excluded degrees. Our algorithm uses the technique of representative sets, which can be generalized to the optimization version, but (as expected) not to the counting version of the problem. In fact, we show that #AntiFactor₁ is already #W[1]-hard parameterized by the width of the given decomposition. Moreover, we show that, unlike for the decision version, the standard dynamic programming algorithm is essentially optimal for the counting version. Formally, for a fixed nonempty set X, we denote by X-AntiFactor the special case where every vertex v has the same set X_v = X of forbidden degrees. We show the following lower bound for every fixed set X: if there is an ε > 0 such that #X-AntiFactor can be solved in time (max X+2-ε)^{tw}⋅n^{O(1)} given a tree decomposition of width tw, then the Counting Strong Exponential-Time Hypothesis (#SETH) fails.

研究动机与目标

• 该论文研究了 Anti-Factor 问题的参数化复杂性，其中每个顶点都禁止一组度数。
• 重点研究每个顶点最多有 x 个禁止度数的情形，称为 AntiFactorx。
• 目标是确定该限制是否能带来比一般情况更快的算法。
• 旨在弥合 Anti-Factor 问题决策版本与计数版本之间的复杂性差距。
• 论文旨在在标准复杂性假设（如 #SETH）下为计数版本建立紧致下界。

提出的方法

• 作者使用代表性集合技术，将动态规划方法推广至 Anti-Factor 的优化版本。
• 设计了一种基于树分解的动态规划算法，该算法在 AntiFactorx 上的时间复杂度为 (x + 1)^O(tw) · n^O(1)。
• 该算法利用快速子集卷积和代表性集合技术，高效追踪有效的部分解。
• 对于计数版本，通过边细分和路径连接，将 #MaxIndSet 在正则图上的问题归约至 #EdgeCover。
• 利用斐波那契数列上的插值技术，恢复特定未覆盖顶点数的边覆盖数量。
• 通过假设 #X-AntiFactor 存在更快的算法并导出与 #SETH 的矛盾，证明了下界。

实验结果

研究问题

• RQ1 当以树宽 tw 和每个顶点的最大禁止度数 x 为参数时，Anti-Factor 是否为固定参数可满足的（FPT）？
• RQ2 在标准复杂性假设下，计数版本的 Anti-Factor 是否能比 (max X + 2)^tw · n^O(1) 更快求解？
• RQ3 计数 Anti-Factor 的标准动态规划方法是否具有最优时间复杂度？
• RQ4 决策版本与计数版本的 Anti-Factor 之间是否存在显著的复杂性差距？
• RQ5 能否将计数版本的 Anti-Factor 归约至其他已知难题，以建立紧致下界？

主要发现

• Anti-Factorx 在树宽 tw 和最大列表大小 x 上为 FPT，可在 (x + 1)^O(tw) · n^O(1) 时间内求解。
• 当以树宽为参数时，AntiFactor1 的计数版本为 #W[1]-难。
• 对于任意固定的非空集合 X，#X-AntiFactor 无法在时间 (max X + 2 − ϵ)^tw · n^O(1) 内求解，其中 ϵ > 0 任意，除非 #SETH 失效。
• 在 #SETH 假设下，计数 Anti-Factor 的标准动态规划算法本质上是最优的。
• 通过边细分和路径连接，将 #MaxIndSet 在正则图上的问题归约至 #EdgeCover，从而建立了紧致下界。
• 通过斐波那契数列上的插值，可恢复特定未覆盖顶点数的边覆盖数量，从而实现向 #MaxIndSet 的归约。