[论文解读] Approximating the MaxCover Problem with Bounded Frequencies in FPT Time

Piotr Skowron, Piotr Faliszewski|arXiv (Cornell University)|Sep 17, 2013

Complexity and Algorithms in Graphs参考文献 25被引用 14

一句话总结

本文针对元素频率受限的 MaxCover 问题，提出了固定参数可追踪（FPT）近似方案，实现了超越多项式时间限制的改进近似比。提出了一个针对最大化覆盖元素的 FPT β-近似算法，以及一个针对最小化未覆盖元素的随机化 FPT 近似方案，其保证强于以往工作，尤其在与指数时间环境下的精确算法结合时表现更优。

ABSTRACT

We study approximation algorithms for several variants of the MaxCover problem, with the focus on algorithms that run in FPT time. In the MaxCover problem we are given a set N of elements, a family S of subsets of N, and an integer K. The goal is to find up to K sets from S that jointly cover (i.e., include) as many elements as possible. This problem is well-known to be NP-hard and, under standard complexity-theoretic assumptions, the best possible polynomial-time approximation algorithm has approximation ratio (1 - 1/e). We first consider a variant of MaxCover with bounded element frequencies, i.e., a variant where there is a constant p such that each element belongs to at most p sets in S. For this case we show that there is an FPT approximation scheme (i.e., for each B there is a B-approximation algorithm running in FPT time) for the problem of maximizing the number of covered elements, and a randomized FPT approximation scheme for the problem of minimizing the number of elements left uncovered (we take K to be the parameter). Then, for the case where there is a constant p such that each element belongs to at least p sets from S, we show that the standard greedy approximation algorithm achieves approximation ratio exactly (1-e^{-max(pK/|S|, 1)}). We conclude by considering an unrestricted variant of MaxCover, and show approximation algorithms that run in exponential time and combine an exact algorithm with a greedy approximation. Some of our results improve currently known results for MaxVertexCover.

研究动机与目标

• 设计在每个元素最多出现在 p 个集合中的 MaxCover 问题的 FPT 近似算法。
• 为 MinNonCovered 变体（在相同频率约束下最小化未覆盖元素）开发随机化 FPT 近似方案。
• 分析标准贪心算法在下界频率条件下的性能，表明其近似比优于一般情况。
• 提出结合精确与贪心策略的混合指数时间近似算法，用于无限制的 MaxCover 问题，实现运行时间与近似质量之间的平滑权衡。

提出的方法

• 通过将问题参数化为 K（解中允许的集合数量）来利用 FPT 框架，从而实现仅在 K 上呈 FPT 增长的指数时间算法。
• 借鉴 Guo 等人的方法，应用动态规划与分支策略，证明频率受限的 MaxCover 问题为 W[1]-完全。
• 设计一种基于迭代选择能最大化覆盖增量的集合的 β-近似算法，用于频率受限的 MaxCover 问题。
• 通过在 FPT 时间内采样并以高概率验证解，提出一种针对 MinNonCovered 的随机化 FPT 近似方案。
• 在混合算法中，将暴力精确搜索与贪心近似相结合，在生成部分解后应用贪心阶段。
• 通过调整精确求解与贪心求解的比例，分析运行时间与近似比之间的权衡。

实验结果

研究问题

• RQ1 当每个元素最多出现在 p 个集合中时，能否为 MaxCover 设计一个 FPT 近似方案？
• RQ2 在频率受限条件下，是否存在一个最小化未覆盖元素数量的随机化 FPT 近似方案？
• RQ3 当每个元素至少出现在 p 个集合中时，标准贪心算法能达到多高的近似比？
• RQ4 如何在指数时间环境下结合精确算法与贪心算法，以实现运行时间与近似质量之间的平滑权衡？
• RQ5 通过重新排序精确阶段与贪心阶段的应用顺序，能否改进现有算法的近似保证？

主要发现

• 对于频率受限的 MaxCover 问题，存在一个 FPT β-近似算法，其中 β ∈ (0,1)，且运行时间仅依赖于 K 和 β。
• 提出了一种针对频率受限 MinNonCovered 问题的随机化 FPT 近似方案，在 K、β 和 ε 的 FPT 时间内，以至少 1−ε 的概率实现 β-近似。
• 当每个元素至少出现在 p 个集合中时，标准贪心算法的近似比恰好为 1−e−max(pK/‖S‖,1)，优于一般情况下的 (1−1/e) 比。
• 结合暴力精确搜索与贪心近似的混合算法，在使用多项式空间精确求解器时，其近似比优于先前方案（如 Croce 和 Paschos [7]）。
• 所提出的算法 5 在相同运行时间下，其近似比优于 Croce 和 Paschos 的算法，尤其当精确算法未能找到最优子解时表现更优。
• 频率受限的 MaxCover 问题为 W[1]-完全，而无限制版本为 W[2]-难且属于 W[P]，表明频率约束导致了明确的复杂性差异。