[论文解读] A Note on Isolating Cut Lemma for Submodular Function Minimization

Sagnik Mukhopadhyay, Danupon Nanongkai|arXiv (Cornell University)|Mar 29, 2021

Complexity and Algorithms in Graphs被引用 8

一句话总结

本文将 Li 和 Panigrahi（2020）提出的隔离割引理推广至对称子模函数最小化，从而实现一种随机化算法，仅需对子模函数最小化预言机进行多对数次调用，即可计算出非平凡最小化器。核心贡献是一个通用框架，显著降低了子模函数最小化问题的查询复杂度，并支持高效的超图最小割算法，实现对预言机的多对数次调用。

ABSTRACT

It has been observed independently by many researchers that the isolating cut lemma of Li and Panigrahi [FOCS 2020] can be easily extended to obtain new algorithms for finding the non-trivial minimizer of a symmetric submodular function and solving the hypergraph minimum cut problem. This note contains these observations.

研究动机与目标

• 将图中最小割的隔离割引理推广至对称子模函数最小化问题。
• 提供一种框架，通过黑箱访问子模函数最小化算法，计算对称子模函数的非平凡最小化器。
• 通过利用隔离集引理，改进子模函数最小化问题的查询复杂度。
• 将该框架应用于超图最小割问题，将预言机调用次数减少至顶点数的多对数级别。

提出的方法

• 引入对称子模函数的最小隔离集概念，其中对于子集 R 中的每个元素 v，存在一个最小集合 S_v，满足 f(S_v) 最小且 S_v ∩ R = {v}。
• 提出一种随机化算法，以概率 1/k 采样顶点子集 R，确保以常数概率使 R 恰好包含非平凡最小化器中的一个元素及其补集中的一个元素。
• 利用隔离集引理，通过在全基集上进行 O(log |R|) 次子模函数最小化预言机调用，以及在不相交子集上进行 O(|R|) 次调用（总和不超过 |V|），计算最小隔离集。
• 在 O(log n) 次迭代中递归应用该框架，逐步增大大小估计值 k = 1.5^i，以覆盖非平凡最小化器的所有可能大小。
• 通过将多个 (s,t)-最小割实例合并为一个共享源点与汇点的超图，优化算法第二阶段，保持表示大小不变。
• 通过结合子模函数最小化算法的复杂度与调用次数，利用查询成本函数的凸性，推导出查询复杂度上界。

实验结果

研究问题

• RQ1 Li 和 Panigrahi（2020）提出的隔离割引理能否推广至图割之外的对称子模函数？
• RQ2 计算对称子模函数非平凡最小化器所需的最少子模函数最小化预言机调用次数是多少？
• RQ3 如何利用隔离集框架改进子模函数最小化问题的查询复杂度？
• RQ4 推广后的隔离集引理能否应用于超图最小割问题，以减少预言机调用次数？
• RQ5 当使用黑箱 (s,t)-最小割子程序且调用次数为多对数级别时，超图最小割的时间复杂度是多少？

主要发现

• 本文建立了一种随机化算法，通过在全基集上进行 O(log n log(n/k)) 次子模函数最小化预言机调用，以及在 O(log n) 组大小为 O(n/k) 的不相交子集上进行调用，计算出对称子模函数的非平凡最小化器。
• 寻找非平凡最小化器的查询复杂度为 O(n² log(nM) log³n)，优于 Queyranne 的 O(n³)（当 M 为亚指数时），以及 O(n³ log⁵n)（强多项式复杂度下）。
• 对于超图最小割，该算法实现复杂度 Õ(f(O(n), O(p)))，其中 f(p,n) 为 (s,t)-最小割子程序的复杂度，且仅需对 (s,t)-最小割预言机进行多对数次调用。
• 该框架可通过将多个 (s,t)-最小割实例合并为一个共享源点与汇点的超图，实现高效实现，同时保持表示大小不变。
• 在最小化器大小的 1.5 倍近似假设下，该算法以高概率 1 - n⁻ᶜ 输出非平凡最小化器，其中 c ≥ 1 为任意常数。
• 该结果具有鲁棒性与模块化特性，可无缝集成未来子模函数最小化算法的改进，进一步降低查询与时间复杂度。