[论文解读] Breaking the Barrier $2^k$ for Subset Feedback Vertex Set in Chordal Graphs

Tian Bai, Mingyu Xiao|arXiv (Cornell University)|Dec 9, 2022

Advanced Graph Theory Research被引用 1

一句话总结

本文提出了一种在弦图和分裂图中求解子集反馈顶点集问题的 O*(1.8192^k) 时间参数化算法，打破了长期存在的 2^k 障壁。通过利用 Dulmage-Mendelsohn 分解和一种新度量，该方法在 3-击中集问题上的精确计算速度优于以往已知结果，并首次在超图中实现了低于 2^n 阈值的奖励收集最大独立集问题的精确算法。

ABSTRACT

The Subset Feedback Vertex Set problem (SFVS) is to delete k vertices from a given graph such that in the remaining graph, any vertex in a subset T of vertices (called a terminal set) is not in a cycle. The famous Feedback Vertex Set problem is the special case of SFVS with T being the whole set of vertices. In this paper, we study exact algorithms for SFVS in Split Graphs (SFVS-S) and SFVS in Chordal Graphs (SFVS-C). SFVS-S generalizes the minimum vertex cover problem and the prize-collecting version of the maximum independent set problem in hypergraphs (PCMIS), and SFVS-C further generalizes SFVS-S. Both SFVS-S and SFVS-C are implicit 3-Hitting Set problems. However, it is not easy to solve them faster than 3-Hitting Set. In 2019, Philip, Rajan, Saurabh, and Tale (Algorithmica 2019) proved that SFVS-C can be solved in 𝒪^*(2^k) time, slightly improving the best result 𝒪^*(2.0755^k) for 3-Hitting Set. In this paper, we break the "2^k-barrier" for SFVS-S and SFVS-C by introducing an 𝒪^*(1.8192^k)-time algorithm. This achievement also indicates that PCMIS can be solved in 𝒪^*(1.8192ⁿ) time, marking the first exact algorithm for PCMIS that outperforms the trivial 𝒪^*(2ⁿ) threshold. Our algorithm uses reduction and branching rules based on the Dulmage-Mendelsohn decomposition and a divide-and-conquer method.

研究动机与目标

• 打破弦图和分裂图中子集反馈顶点集问题的 2^k 障壁。
• 开发一种比已知 O*(2.0755^k) 边界更快的 3-击中集精确算法。
• 在低于 2^n 阈值的条件下，建立超图中奖励收集最大独立集问题的第一个精确算法。
• 利用弦图和分裂图的结构特性，使其优于通用的 3-击中集方法。
• 提出一种基于 Dulmage-Mendelsohn 分解的新度量，以改进参数化算法的设计与分析。

提出的方法

• 提出一种基于 Dulmage-Mendelsohn 分解的新度量，以指导分支和约简规则。
• 采用针对弦图和分裂图结构量身定制的约简与分支规则。
• 引入分治策略，递归处理子问题。
• 利用小顶点割集和结构分解，简化图并缩小解空间。
• 应用从 PCMIS 到 SFVS-S 的变换，以转移算法加速效果。
• 将传统参数 k 与结构分解相结合，用于分析和界定搜索树的大小。

实验结果

研究问题

• RQ1 子集反馈顶点集问题在弦图中能否打破 2^k 障壁？
• RQ2 能否利用弦图和分裂图的结构特性，使其优于通用的 3-击中集算法？
• RQ3 是否存在比 O*(2^n) 更快的超图中奖励收集最大独立集问题的精确算法？
• RQ4 基于 Dulmage-Mendelsohn 分解的新度量能否改进 SFVS 的参数化算法设计？
• RQ5 在结构约束下，弦图中 SFVS 问题的最紧可能运行时间是多少？

主要发现

• 本文实现了弦图中 SFVS 问题的 O*(1.8192^k) 时间算法，打破了 2^k 障壁。
• 该算法同样适用于分裂图中的 SFVS 问题，优于以往的 O*(2^k) 界。
• 该算法实现了首次在低于 2^n 阈值下求解 PCMIS 的精确解，运行时间为 O*(1.8192^n)。
• 关键创新在于基于 Dulmage-Mendelsohn 分解推导出的新度量，使得分支情况的分析更加紧密。
• 该算法的瓶颈出现在处理分裂图中的 SFVS 问题，表明这是进一步优化的关键挑战。
• 从 PCMIS 到 SFVS-S 的约简建立了两个问题之间的强关联，使得算法改进能够有效转移。