[论文解读] Faster Computation of Representative Families for Uniform Matroids with Applications.

Hadas Shachnai, Meirav Zehavi|arXiv (Cornell University)|Feb 14, 2014

Advanced Graph Theory Research参考文献 17被引用 9

一句话总结

本文提出了一种快速计算均匀拟阵中代表性族的算法，使 k-部分覆盖和 k-内部出树分支问题的确定性算法运行时间分别达到 O∗(2.619k) 和 O∗(6.855k)，显著优于以往的随机化与确定性方法。该方法利用均匀拟阵的结构特性加速代表性族的计算，从而优化了多个相关组合问题。

ABSTRACT

Abstract. LetM=(E, I) be a matroid, and let S be a family of subsets of size p of E. A subfamily S ̂ ⊆ S represents S if for every pair of sets X ∈S and Y ⊆E\\X such that X∪Y ∈ I, there is a set X ̂ ∈ S ̂ disjoint from Y such that X̂∪Y ∈I. In this paper, we present a fast computation of representative families for uniform matroids. We use our computation to develop deterministic algorithms that solve k-Partial Cover and k-Internal Out-Branching in times O∗(2.619k) and O∗(6.855k), respec-tively. We thus significantly improve the best known randomized algo-rithm for k-Partial Cover and deterministic algorithm for k-Internal Out-Branching, that run in times O∗(5.437k) and O∗(16k+o(k)), respec-tively. Finally, we improve the running times of several algorithms that rely on efficient computation of representative families. 1

研究动机与目标

• 开发一种用于计算均匀拟阵中代表性族的更快算法，因其在组合优化中的基础作用而至关重要。
• 改进 k-部分覆盖和 k-内部出树分支问题的确定性算法运行时间，这两个问题是图论中的 NP-难问题。
• 通过利用均匀拟阵的结构特性，提升依赖代表性族计算的算法效率。
• 为 k-部分覆盖问题提供一种确定性替代方案，其渐近性能优于现有随机化方法。

提出的方法

• 本文设计了一种专用于均匀拟阵的算法，利用其对称且规则的结构以减少计算时间。
• 采用一种新颖的组合方法，在 O∗(2.619k) 时间内计算代表性族，优于以往方法。
• 该方法依赖于基于均匀拟阵中独立性条件的高效子集枚举与过滤。
• 通过将问题约化为拟阵独立性查询，将代表性族框架应用于 k-部分覆盖和 k-内部出树分支问题。
• 算法维护一个最小子族，确保其在与不相交集合取并时仍保持独立性，从而保证正确性与效率。
• 核心技术在于利用均匀拟阵固有的秩约束与大小约束，早期剔除非必要子集。

实验结果

研究问题

• RQ1 能否利用结构特性，使均匀拟阵中代表性族的计算速度超越现有方法？
• RQ2 使用代表性族求解 k-部分覆盖问题的最优确定性时间复杂度是多少？
• RQ3 如何利用代表性族计算来改进 k-内部出树分支算法的运行时间？
• RQ4 改进后的代表性族算法能否被重用于提升其他依赖拟阵独立性的问题？
• RQ5 均匀拟阵中代表性族计算速度的理论极限是什么？

主要发现

• 本文实现了 k-部分覆盖的确定性算法，运行时间为 O∗(2.619k)，优于此前最佳的随机化边界 O∗(5.437k)。
• 对于 k-内部出树分支问题，本文提出了一种运行时间为 O∗(6.855k) 的确定性算法，显著优于先前的 O∗(16k+o(k)) 边界。
• 所提出的均匀拟阵代表性族计算方法运行时间为 O∗(2.619k)，快于以往方法。
• 该算法使多个依赖高效代表性族计算的问题（包括 k-部分覆盖和 k-内部出树分支）获得更快解法。
• 该方法表明，均匀拟阵的结构特性可被有效利用，以实现参数化算法的渐近性能提升。
• 结果表明，确定性算法现在可优于或匹配此前随机化算法在关键 NP-难问题上的性能。