[论文解读] FPT Constant-Approximations for Capacitated Clustering to Minimize the Sum of Cluster Radii

Sayan Bandyapadhyay, William Lochet+1 more|arXiv (Cornell University)|Jan 1, 2023

Facility Location and Emergency Management被引用 4

一句话总结

本论文提出了首个针对容量受限的半径和聚类问题的固定参数可追踪（FPT）常数因子近似算法，实现了在时间 2^O(k² log k) · n³ 内的 (15 + ϵ)-近似。对于一般度量空间中的均匀容量，近似比进一步提升至 (4 + ϵ)；在欧几里得度量空间中，近似比进一步提升至 (2 + ϵ)。此外，论文在允许容量违反或在 FPT 时间内实现了 (1 + ϵ)-近似，同时证明在标准假设下，不违反容量约束的 (1 + ϵ)-近似在 FPT 时间内是不可能实现的。

ABSTRACT

Clustering with capacity constraints is a fundamental problem that attracted significant attention throughout the years. In this paper, we give the first FPT constant-factor approximation algorithm for the problem of clustering points in a general metric into $k$ clusters to minimize the sum of cluster radii, subject to non-uniform hard capacity constraints. In particular, we give a $(15+ε)$-approximation algorithm that runs in $2^{0(k^2\log k)}\cdot n^3$ time. When capacities are uniform, we obtain the following improved approximation bounds: A (4 + $ε$)-approximation with running time $2^{O(k\log(k/ε))}n^3$, which significantly improves over the FPT 28-approximation of Inamdar and Varadarajan [ESA 2020]; a (2 + $ε$)-approximation with running time $2^{O(k/ε^2 \cdot\log(k/ε))}dn^3$ and a $(1+ε)$-approximation with running time $2^{O(kd\log ((k/ε)))}n^{3}$ in the Euclidean space; and a (1 + $ε$)-approximation in the Euclidean space with running time $2^{O(k/ε^2 \cdot\log(k/ε))}dn^3$ if we are allowed to violate the capacities by (1 + $ε$)-factor. We complement this result by showing that there is no (1 + $ε$)-approximation algorithm running in time $f(k)\cdot n^{O(1)}$, if any capacity violation is not allowed.

研究动机与目标

• 解决长期悬而未决的开放问题：是否存在多项式时间的常数因子近似算法来解决容量受限的半径和聚类问题。
• 设计固定参数可追踪（FPT）算法，即使在容量约束引入的困难下，也能实现常数因子近似。
• 探索在一般度量空间和欧几里得度量空间中近似的极限，特别是考虑容量违反或 FPT 时间约束的情况。
• 建立紧致的下界结果，证明在不违反容量约束的前提下，(1 + ϵ)-近似在 FPT 时间内是不可能实现的。

提出的方法

• 设计一种新颖的 FPT 算法，结合迭代取整与聚类分解技术，以处理非均匀容量。
• 应用原始对偶框架并结合拉格朗日松弛法，以管理半径和目标函数中的容量约束。
• 在欧几里得空间中引入基于核心集的方法，以实现允许容量违反的 (1 + ϵ)-近似。
• 通过从 k-团问题的约化来证明不可近似性结果，表明在不违反容量约束的前提下，(1 + ϵ)-近似在 FPT 时间内不可能实现。
• 在欧几里得空间中利用几何构造，建立 k-团问题中“是”实例与“否”实例之间成本差距的下界。
• 利用 Johnson 覆盖假设和现有不可近似性结果，强化不可近似性论证。

实验结果

研究问题

• RQ1 容量受限的半径和聚类问题是否允许存在多项式时间的常数因子近似，即使在容量均匀的情况下？
• RQ2 在 FPT 时间内，容量受限的半径和聚类问题所能达到的最佳近似比是多少？
• RQ3 在不违反容量约束的前提下，能否在 FPT 时间内实现欧几里得版本的 (1 + ϵ)-近似？
• RQ4 是否存在一个根本性障碍，使得在不允许容量违反的情况下，(1 + ϵ)-近似无法在 FPT 时间内实现？
• RQ5 在欧几里得空间和一般度量空间中，近似比、运行时间与容量违反之间存在怎样的权衡？

主要发现

• 本论文提出了首个针对非均匀容量受限半径和聚类问题的 FPT 常数因子 (15 + ϵ)-近似算法，运行时间为 2^O(k² log k) · n³。
• 对于均匀容量，实现了在 2^O(k log(k/ϵ)) · n³ 时间内的 (4 + ϵ)-近似，显著优于先前的 FPT 28-近似。
• 在欧几里得空间中，实现了在 2^O(k/ϵ² · log(k/ϵ)) · d·n³ 时间内的 (2 + ϵ)-近似，以及在 2^O(kd log((k/ϵ))) · n³ 时间内的 (1 + ϵ)-近似。
• 在欧几里得空间中，通过允许 (1 + ϵ)-容量违反，实现了在 2^O(k/ϵ² · log(k/ϵ)) · d·n³ 时间内的 (1 + ϵ)-近似。
• 论文证明了在不违反容量约束的前提下，不存在在 f(k) · n^O(1) 时间内运行的 (1 + ϵ)-近似算法，从而建立了紧致的不可近似性边界。
• 该下界结果基于从 k-团问题的约化，表明“是”实例与“否”实例之间的成本差距存在一个乘法因子 (1 + 1/(12αn⁵))，这意味着除非 P = NP，否则 FPTAS 不可能实现。