[论文解读] A Primal-Dual Parallel Approximation Technique Applied to Weighted Set and Vertex Cover

Samir Khuller, Uzi Vishkin+1 more|arXiv (Cornell University)|May 18, 2002

Complexity and Algorithms in Graphs参考文献 16被引用 5

一句话总结

本文提出了一种新颖的确定性并行近似算法，用于加权顶点覆盖和集合覆盖问题，采用原始-对偶技术，利用局部信息和势函数分析，实现 $ r/(1-\ho) $-近似。该算法在 EREW-PRAM 上以 $ M/\ln^2 m $ 个处理器运行，时间复杂度为 $ O(r \ln^2 m \ln \frac{1}{\epsilon}) $，提供了一种快速、高效且兼容整数算术的解决方案，避免了随机化，同时达到已知的串行近似界。

ABSTRACT

The paper describes a simple deterministic parallel/distributed (2+epsilon)-approximation algorithm for the minimum-weight vertex-cover problem and its dual (edge/element packing).

研究动机与目标

• 开发一种用于最小权重顶点覆盖和集合覆盖问题的快速、确定性并行近似算法。
• 证明原始-对偶线性规划技术可在不依赖随机化的情况下，产生高效的并行算法。
• 设计一种仅在每一步使用局部信息，同时确保强近似保证的方法。
• 实现时间与处理器数量随输入规模和近似因子的高效扩展。
• 提供一种仅使用整数算术的实用实现，以保证数值稳定性。

提出的方法

• 该算法采用原始-对偶框架，其中对偶变量（边或元素打包权重）根据局部顶点信息逐步增加。
• 定义势函数 $ \phi_p $ 以跟踪进度，每轮迭代中至少减少剩余边的数量，从而确保终止。
• 当顶点的剩余权重 $ w_p(v) $ 足够降低时，将其加入覆盖集 $ C_p $，依据比值 $ w_p(v)/d_p(v) $，其中 $ d_p(v) $ 是关联边中具有正对偶权重的数量。
• 该算法确保每条边受一个决定比值计算最小值的顶点限制，从而通过广义版本的引理6实现组合分析。
• 关键创新在于使用一个近乎最大的对偶解，从而得到一个在 $ r/(1-\epsilon) $ 内最优的原始解。
• 通过缩放权重和使用向下取整除法，保持整数算术，同时以有界精度损失维持近似保证。

实验结果

研究问题

• RQ1 原始-对偶技术能否用于设计快速、确定性的并行算法，以解决如顶点覆盖和集合覆盖等 NP-难优化问题？
• RQ2 是否可能仅使用局部信息且不依赖随机化，实现强近似比？
• RQ3 如何设计势函数，以在并行环境中确保多对数时间复杂度？
• RQ4 在此背景下，近似因子与并行效率之间的权衡是什么？
• RQ5 该算法能否仅使用整数算术实现，同时保持近似质量？

主要发现

• 该算法对最小权重集合覆盖问题实现了 $ r/(1-\epsilon) $-近似，其中 $ r $ 是任意元素所属集合的最大数量。
• 对于顶点覆盖问题，该算法保证了 $ 2/(1-\epsilon) $-近似，与最佳已知串行近似比一致。
• 该算法在 EREW-PRAM 上以 $ M/\ln^2 m $ 个处理器运行，时间复杂度为 $ O(r \ln^2 m \ln \frac{1}{\epsilon}) $，其中 $ m $ 为元素数量，$ M $ 为集合大小之和。
• 总操作数被限制在 $ O(r M \ln \frac{1}{\epsilon}) $ 以内，且工作-时间调度原则确保了高效的处理器利用率。
• 对偶解（边或元素打包）被隐式计算，其值在最优解的 $ r/(1-\epsilon) $ 以内，满足近乎互补松弛条件。
• 通过缩放权重并应用向下取整除法，该算法可仅使用整数算术实现，精度损失有界，且渐近性能不变。