[论文解读] Solving weighted and counting variants of connectivity problems parameterized by treewidth deterministically in single exponential time

Hans L. Bodlaender, Marek Cygan+2 more|arXiv (Cornell University)|Nov 7, 2012

Advanced Graph Theory Research参考文献 45被引用 14

一句话总结

本文提出了用于解决在有界分支宽图上加权和计数型连通性问题（如哈密顿回路和斯坦纳树）的确定性算法，时间复杂度为单指数时间，O(1.94^tw n^O(1))。该文引入了两种基于线性代数的新技术：一种基于秩的方法，利用代表性集合压缩动态规划状态；另一种基于行列式的方法，利用矩阵树定理推导出计数解的闭式公式。关键贡献在于，首次实现了对以往仅能通过类似运行时间界限的随机化算法解决的问题的确定性单指数时间复杂度。

ABSTRACT

It is well known that many local graph problems, like Vertex Cover and Dominating Set, can be solved in 2^{O(tw)}|V|^{O(1)} time for graphs G=(V,E) with a given tree decomposition of width tw. However, for nonlocal problems, like the fundamental class of connectivity problems, for a long time we did not know how to do this faster than tw^{O(tw)}|V|^{O(1)}. Recently, Cygan et al. (FOCS 2011) presented Monte Carlo algorithms for a wide range of connectivity problems running in time $c^{tw}|V|^{O(1)} for a small constant c, e.g., for Hamiltonian Cycle and Steiner tree. Naturally, this raises the question whether randomization is necessary to achieve this runtime; furthermore, it is desirable to also solve counting and weighted versions (the latter without incurring a pseudo-polynomial cost in terms of the weights). We present two new approaches rooted in linear algebra, based on matrix rank and determinants, which provide deterministic c^{tw}|V|^{O(1)} time algorithms, also for weighted and counting versions. For example, in this time we can solve the traveling salesman problem or count the number of Hamiltonian cycles. The rank-based ideas provide a rather general approach for speeding up even straightforward dynamic programming formulations by identifying "small" sets of representative partial solutions; we focus on the case of expressing connectivity via sets of partitions, but the essential ideas should have further applications. The determinant-based approach uses the matrix tree theorem for deriving closed formulas for counting versions of connectivity problems; we show how to evaluate those formulas via dynamic programming.

研究动机与目标

• 填补参数化为分支宽的连通性问题中随机化与确定性算法之间的差距。
• 为哈密顿回路和斯坦纳树等NP难连通性问题的加权和计数变种开发高效的确定性算法。
• 消除在有界分支宽图上连通性问题的单指数时间算法中对随机化的依赖。
• 提出一种基于线性代数技术（特别是矩阵秩与行列式）的新框架，用于优化树分解上的动态规划。

提出的方法

• 提出一种基于秩的动态规划方法，利用矩阵秩识别部分解的代表性集合，以减少状态空间大小。
• 利用矩阵树定理推导出计数连通性解的闭式表达式，随后通过动态规划进行求值。
• 应用高斯消去法与秩约化，仅在DP表中保留线性无关状态，确保对分支宽的单指数依赖。
• 在树分解节点中设计合并操作，通过基于状态映射逆置换的带符号置换，组合来自子节点的状态。
• 通过使用共享变量（如sY）在子树间保持一致的状态表示，确保树分解遍历过程中的正确性。
• 将该框架扩展至处理连通性问题的无权与加权版本，且不引入权重上的伪多项式代价。

实验结果

研究问题

• RQ1 是否能够使确定性算法在有界分支宽图上实现加权和计数型连通性问题的单指数时间复杂度？
• RQ2 是否可以利用矩阵秩与行列式等线性代数技术压缩基于树分解算法的动态规划状态？
• RQ3 是否可能在保留单指数运行时间的前提下，消除Cut&Count风格算法中对连通性问题的随机化？
• RQ4 基于秩的方法能否推广至连通性问题之外，应用于具有结构化状态空间的其他动态规划场景？
• RQ5 将基于秩的压缩集成到标准树分解基动态规划流水线中的实际可行性如何？

主要发现

• 本文提出了一种反馈顶点集问题的确定性算法，当给定宽度为pw的路径分解时，其时间复杂度为Õ(5^pw · pw^O(1) · n^3)。
• 对于宽度为tw的树分解，反馈顶点集问题在Õ(10^tw · tw^O(1) · n^3)时间内求解，展示了基于秩方法的有效性。
• 基于行列式的方法实现了哈密顿回路及其他连通结构的精确计数，且在单指数时间内完成，通过动态规划实现闭式求值。
• 基于秩的方法确保每个节点处理的状态数被限制在2^tw以内，与朴素动态规划相比显著减少了状态空间。
• 这些算法实现了对分支宽的单指数依赖，与目前已知的最佳随机化算法相当，但无需依赖随机化。
• 该框架可推广至分支宽度，并可通过利用部分解的代数结构，适配至其他问题。