[论文解读] Complexity and Applications of Edge-Induced Vertex-Cuts

Marko Samer, Stefan Szeider|ArXiv.org|Jul 25, 2006

Advanced Graph Theory Research参考文献 11被引用 3

一句话总结

本文引入了一种新型图割概念——边诱导的顶点割（edge-induced vertex-cuts），其中通过边来诱导顶点的断开连接，并证明在超图中计算最小此类割是 NP-难问题。该研究建立了此类割与约束满足问题中超树分解之间的理论基础，表明传统图划分启发式算法（以最小化边割为目标）由于优化目标不同，不适用于超图分解。

ABSTRACT

Motivated by hypergraph decomposition algorithms, we introduce the notion of edge-induced vertex-cuts and compare it with the well-known notions of edge-cuts and vertex-cuts. We investigate the complexity of computing minimum edge-induced vertex-cuts and demonstrate the usefulness of our notion by applications in network reliability and constraint satisfaction.

研究动机与目标

• 形式化并分析一种新型图割——边诱导的顶点割，其中边的失效会导致顶点断开连接。
• 从大小和计算复杂度的角度，将边诱导的顶点割与经典的边割和顶点割进行比较。
• 证明在超图中，最小边诱导顶点割的大小始终小于或等于最小边割或顶点割的大小。
• 建立计算最小边诱导顶点割的理论不可解性，证明其为 NP-难问题，并具有固定参数不可解性。
• 表明现有最小化边割的超图划分启发式算法在构造低宽度超树分解时表现不佳，原因在于其优化目标与目标不匹配。

提出的方法

• 将边诱导的顶点割定义为：当一组边被移除后，其端点被断开连接的顶点集合，且要求每条被移除的边均对端点的断开连接有贡献。
• 证明在任意超图中，最小边诱导顶点割的大小至多等于最小边割或顶点割的大小。
• 形式化边诱导顶点割与广义超树分解之间的联系，表明此类分解中的 λ-集合即为边诱导顶点割。
• 通过分析超树分解条件（连通性、覆盖性和边包含性）的结构，证明 λ-集合满足边诱导顶点割的性质。
• 通过从已知 NP-难问题约化，建立计算最小 s-t 边诱导顶点割的 NP-难性。
• 分析固定参数可解性，表明即使将解的大小作为参数，该问题在超图中仍保持不可解性。

实验结果

研究问题

• RQ1 在超图中，最小边诱导顶点割的大小与最小边割和顶点割的大小相比如何？
• RQ2 边诱导顶点割能否被高效计算，还是该问题在计算上不可解？
• RQ3 边诱导顶点割与约束满足问题中的超树分解之间存在何种关系？
• RQ4 为何现有的超图划分启发式算法在构建低宽度超树分解时表现不佳？
• RQ5 是否存在有效的近似算法或启发式方法，可用于在超图划分中最小化边诱导顶点割？

主要发现

• 在超图中，最小边诱导顶点割的大小始终小于或等于最小边割或顶点割的大小。
• 计算最小 s-t 边诱导顶点割是 NP-难问题，即使在超图中也是如此。
• 在超图中，计算最小边诱导顶点割的问题具有固定参数不可解性。
• 广义超树分解中使用的 λ-集合本质上是边诱导顶点割，建立了直接的理论联系。
• 非平凡大小的 χ-约化超树分解中，总是至少包含一个 λ-集合，该集合是边诱导顶点割。
• 现有最小化边割的超图划分启发式算法在超树分解中理论上表现次优，原因在于其优化目标与目标不匹配。