[论文解读] Approximate the k-Set Packing Problem by Local Improvements

Martin Fürer, Huiwen Yu|arXiv (Cornell University)|Jul 8, 2013

Complexity and Algorithms in Graphs参考文献 12被引用 4

一句话总结

本论文提出了一种针对 k-集合打包问题的多项式时间局部搜索算法，通过基于集合替换和环/路径分解的新型局部改进策略，实现了对任意 $\epsilon > 0$ 的 $\frac{k+1}{3} + \epsilon$ 近似比。该算法在 $\frac{1}{\epsilon^2}$ 上呈单指数时间复杂度，优于以往的双指数时间界，并建立了匹配的下界，表明任何大小为 $O(n^{1/5})$ 的局部改进算法都无法超越此近似比。

ABSTRACT

We study algorithms based on local improvements for the $k$-Set Packing problem. The well-known local improvement algorithm by Hurkens and Schrijver has been improved by Sviridenko and Ward from $\frac{k}{2}+ε$ to $\frac{k+2}{3}$, and by Cygan to $\frac{k+1}{3}+ε$ for any $ε>0$. In this paper, we achieve the approximation ratio $\frac{k+1}{3}+ε$ for the $k$-Set Packing problem using a simple polynomial-time algorithm based on the method by Sviridenko and Ward. With the same approximation guarantee, our algorithm runs in time singly exponential in $\frac{1}{ε^2}$, while the running time of Cygan's algorithm is doubly exponential in $\frac{1}ε$. On the other hand, we construct an instance with locality gap $\frac{k+1}{3}$ for any algorithm using local improvements of size $O(n^{1/5})$, here $n$ is the total number of sets. Thus, our approximation guarantee is optimal with respect to results achievable by algorithms based on local improvements.

研究动机与目标

• 开发一种更高效的多项式时间局部搜索算法，用于 k-集合打包问题，以在保持最佳已知近似比的同时改进运行时间。
• 弥合最佳已知近似比与基于局部改进算法理论极限之间的差距。
• 建立局部改进算法性能的紧致下界，证明对于使用大小为 $O(n^{1/5})$ 的改进的算法，$\frac{k+1}{3}$ 是最优的。
• 通过引入当前打包中不包含的集合的环和路径变换，将局部改进的范围从标准替换扩展至更广的结构。

提出的方法

• 该算法首先在当前打包 $\mathcal{A}$ 中识别出一组 $p$ 个不相交的集合 $\mathcal{Q}$，并用一组不在 $\mathcal{A}$ 中的 $p$ 个新不相交集合 $\mathcal{T}$ 替代，形成一次交换。
• 随后，通过考虑来自 $\mathcal{S} \setminus (\mathcal{A} \cup \mathcal{T})$ 的集合，这些集合与 $\mathcal{A}$ 中至多两个集合相交，将改进分解为环和路径。
• 使用颜色编码技术，确保在搜索对数规模改进时保持多项式时间复杂度，从而高效检测有效的局部改进结构。
• 该算法采用两阶段搜索：首先进行集合替换阶段，随后进行基于路径/环的改进阶段，两个阶段均由交集模式的组合分析引导。
• 通过概率分析，限制不稳定配置（即可能破坏改进的集合）的期望数量，证明在给定约束下，有效改进结构的存在性。
• 运行时间被限制在 $\text{poly}(n) \cdot 2^{O(1/\epsilon^2)}$，即在 $1/\epsilon^2$ 上为单指数时间，显著优于先前工作中双指数时间界 $2^{O(1/\epsilon)}$。

实验结果

研究问题

• RQ1 能否设计一种多项式时间局部搜索算法，使 k-集合打包问题的近似比达到 $\frac{k+1}{3} + \epsilon$，且运行时间优于现有方法？
• RQ2 $\frac{k+1}{3}$ 是否为使用大小为 $O(n^{1/5})$ 的改进的任何局部改进算法所能达到的最优近似比？
• RQ3 局部改进的范围能否从简单替换扩展至包含环和路径的变换，以提升性能？
• RQ4 颜色编码与组合分析如何协同作用，以高效检测复杂局部改进结构？
• RQ5 在问题结构的约束下，局部改进算法在 k-集合打包问题上的最紧致下界是什么？

主要发现

• 所提出的算法对任意 $\epsilon > 0$ 实现了 $\frac{k+1}{3} + \epsilon$ 的近似比，与先前工作的最佳已知性能保证完全一致。
• 该算法的运行时间为 $\text{poly}(n) \cdot 2^{O(1/\epsilon^2)}$，即在 $1/\epsilon^2$ 上为单指数时间，显著优于 Cygan 算法的双指数时间 $2^{O(1/\epsilon)}$。
• 本文构造了一类实例，其中任何使用大小为 $O(n^{1/5})$ 的改进的局部改进算法的局部性间隙至少为 $\frac{k+1}{3}$，证明该比值对这类算法是最优的。
• 分析表明，在给定参数下，不稳定配置（即可能破坏改进的集合）的期望数量小于 1，从而保证了有效改进结构的存在性。
• 该方法通过引入来自当前打包中不包含的集合的路径和环改进，扩展了以往的局部搜索技术，扩大了有效改进的搜索空间。
• 结果表明，$\frac{k+1}{3} + \epsilon$ 是任何使用大小为 $O(n^{1/5})$ 的改进的局部改进算法所能达到的最佳近似比，从而解决了长期存在的关于此类方法极限的开放性问题。