[论文解读] Fully Polynomial-Time Algorithms Parameterized by Vertex Integrity Using Fast Matrix Multiplication

Martin Hoefer, Kevin Schewior|arXiv (Cornell University)|Jan 1, 2023

Auction Theory and Applications被引用 2

一句话总结

本文提出了一种针对独立同分布随机变量的自适应阈值测试模型，其中每个随机变量仅通过一次二元阈值测试进行探测，最终选择在所有测试完成后进行。作者提出了一种新颖的自适应算法，实现了 0.869 − o(1) 的竞争比，显著优于非自适应 prophet 不等式界 ≈0.745，且表明每个盒子进行多次测试可实现 1 − o(1) 的竞争比。该方法利用基于分位数的阈值与动态规划，实现具有部分反馈的序列测试。

ABSTRACT

We study the computational complexity of several polynomial-time-solvable graph problems parameterized by vertex integrity, a measure of a graph’s vulnerability to vertex removal in terms of connectivity. Vertex integrity is the smallest number ι such that there is a set S of ι' ≤ ι vertices such that every connected component of G-S contains at most ι-ι' vertices. It is known that the vertex integrity lies between the well-studied parameters vertex cover number and tree-depth. Our work follows similar studies for vertex cover number [Alon and Yuster, ESA 2007] and tree-depth [Iwata, Ogasawara, and Ohsaka, STACS 2018]. Alon and Yuster designed algorithms for graphs with small vertex cover number using fast matrix multiplications. We demonstrate that fast matrix multiplication can also be effectively used when parameterizing by vertex integrity ι by developing efficient algorithms for problems including an O(ι^{ω-1}n)-time algorithm for Maximum Matching and an O(ι^{(ω-1)/2}n²) ⊆ O(ι^{0.687} n²)-time algorithm for All-Pairs Shortest Paths. These algorithms can be faster than previous algorithms parameterized by tree-depth, for which fast matrix multiplication is not known to be effective.

研究动机与目标

• 研究一个半在线版本的 prophet 不等式，其中每个随机变量仅通过一次二元阈值查询进行测试。
• 分析非自适应与自适应阈值测试策略之间的性能差距。
• 设计一种自适应算法，显著提升竞争比，超越标准的 0.745 界。
• 在各种测试约束下，建立可实现竞争比的紧致上下界。
• 将模型扩展至每个盒子的多次测试，并证明可实现接近最优的性能（1−o(1)）。

提出的方法

• 算法使用形式为 F⁻¹(1−q) 的分位数阈值，其中 q ∈ (0,1)，且与基础分布无关。
• 自适应阈值选择基于先前测试的反馈，允许动态调整阈值以提升选择质量。
• 采用动态规划方法进行每个盒子的多次测试的序列测试，通过三个关键参数追踪状态：先前最佳期望值、最小正向测试值与最大负向测试值。
• 算法使用逆向归纳法计算最优测试决策，仅考虑多项式数量的状态组合。
• 对于每个盒子的多次测试，方法在类型上应用二分查找，并使用状态压缩以保持可计算性。
• 通过罕见事件的概率界与条件期望的理论保证，推导出理论结果，分析针对 FA 和 FB 等参数分布进行了定制化处理。

实验结果

研究问题

• RQ1 在独立同分布的阈值测试模型中，自适应阈值测试策略是否能显著优于非自适应策略？
• RQ2 当每个随机变量仅允许一次测试时，自适应阈值测试可实现的最佳竞争比是多少？
• RQ3 是否存在某些分布，使得即使当 n → ∞，任何自适应算法也无法实现接近 1 的竞争比？
• RQ4 每个盒子的多次自适应测试是否可在阈值测试模型中实现 1−o(1) 的竞争比？
• RQ5 在部分信息与延迟选择条件下，阈值测试的性能与经典 prophet 不等式相比如何？

主要发现

• 所提出的自适应算法实现了至少 0.869 − o(1) 的竞争比，显著优于非自适应界 ≈0.745。
• 存在某些分布（如 FA 和 FB），使得即使当 n → ∞，任何自适应算法也无法超过严格小于 1 的常数竞争比。
• 对于每个盒子的多次测试（最多 n 次），该算法实现了 1 − o(1) 的竞争比，接近最优。
• 基于动态规划的多次测试序列测试方法，由于状态空间有界，可在多项式时间内运行。
• 对于任意随机化阈值测试算法，均存在一个性能至少不差的确定性等价算法，从而实现高效优化。
• 该模型揭示了显著的自适应差距，表明在部分信息在线选择问题中，自适应性提供了显著优势。