[论文解读] Approximation thresholds for combinatorial optimization problems

Uriel Feige|ArXiv.org|Apr 28, 2003

Complexity and Algorithms in Graphs参考文献 23被引用 8

一句话总结

本文研究NP难组合优化问题中的近似阈值，识别出一个阈值 $ t $，使得在比率 $ t $ 内的多项式时间近似是可能的，但获得更优比率则是NP难的。本文引入了‘核心’问题的概念及关键参数，以解释此类阈值为何出现，并表明达到该阈值比率的估计算法在P ≠ NP的前提下本质上是最优的。

ABSTRACT

An NP-hard combinatorial optimization problem $Π$ is said to have an {\em approximation threshold} if there is some $t$ such that the optimal value of $Π$ can be approximated in polynomial time within a ratio of $t$, and it is NP-hard to approximate it within a ratio better than $t$. We survey some of the known approximation threshold results, and discuss the pattern that emerges from the known results.

研究动机与目标

• 理解NP难组合优化问题中近似阈值的存在性与性质。
• 确定近似比率属于P或NP难的条件，且不存在中间复杂度。
• 形式化‘核心’问题与‘关键参数’的概念，以解释近似阈值的出现原因。
• 证明达到阈值比率的估计算法在低阶项范围内是最优的。
• 收集已知近似阈值结果的数据，并提出一种识别合理核心版本的框架。

提出的方法

• 将近似阈值 $ t $ 定义为：在比率 $ t $ 内实现多项式时间近似是可能的，但更优比率则为NP难。
• 使用PCP技术证明各类问题的近似难解性结果。
• 识别一个问题的‘核心’版本，其最优解值受涉及关键参数的公式所限制。
• 构建仅使用关键参数的估计算法，输出最优解值的上下界。
• 证明此类算法的估计比率在低阶加法项内达到近似阈值。
• 对核心或关键参数的定义施加结构和计算限制，以避免平凡定义。

实验结果

研究问题

• RQ1 在何种条件下，NP难组合优化问题存在近似阈值？
• RQ2 为何许多问题在多项式时间可近似与近似难解之间表现出明显的突变？
• RQ3 何种定义可使‘有效’的核心问题与关键参数保持阈值行为？
• RQ4 在P ≠ NP的前提下，能否认为达到阈值比率的估计算法是最优的？
• RQ5 是否存在普遍原理可解释近似阈值在各类组合问题中出现的原因？

主要发现

• 对于若干NP难问题（如最大团、染色数、最小最大独立集），最佳近似比率被限制在 $ n^{1-\epsilon} $ 以内，对任意 $ \epsilon > 0 $，若超越此界限则为NP难（在标准假设下）。
• 最大不相交路径问题的近似比率为 $ m^{-1/2} $，且对任意 $ \epsilon > 0 $，实现 $ m^{-1/2 + \epsilon} $ 是NP难的，从而在乘法因子内确立了阈值。
• 输出最优解值上下界的估计算法，其比率可在低阶加法项内匹配近似阈值。
• 近似阈值的存在意味着几乎所有近似比率落入两个等价类：高于阈值的比率（NP难实现）与低于阈值的比率（多项式时间可解）。
• 通过结构不变量和计算简单的成员判定条件定义的核心问题，可导出最优解值的紧致界。
• 若不对核心或关键参数的定义施加限制，该框架将变得平凡；因此，必须施加结构和计算约束，以确保有意义的表征。