[论文解读] Gap Preserving Reductions Between Reconfiguration Problems

Naoto Ohsaka|arXiv (Cornell University)|Dec 8, 2022

Optimization and Packing Problems被引用 3

一句话总结

该论文在重配置不可近似性假设（RIH）下，通过新颖的保间隙约化方法，建立了重配置优化问题变体的PSPACE难解性。引入了'字母平方'技术，并利用弥散图和弥散图混合引理，在保持近似间隙的同时实现度数降低，证明了在RIH下，具有有界出现次数的Maxmin 3-SAT重配置问题是PSPACE难近似的，其应用涵盖NCL、独立集、团、顶点覆盖以及2-SAT重配置问题。

ABSTRACT

Combinatorial reconfiguration is a growing research field studying problems on the transformability between a pair of solutions of a search problem. We consider the approximability of optimization variants of reconfiguration problems; e.g., for a Boolean formula $φ$ and two satisfying truth assignments $σ_{\sf s}$ and $σ_{\sf t}$ for $φ$, Maxmin SAT Reconfiguration requires to maximize the minimum fraction of satisfied clauses of $φ$ during transformation from $σ_{\sf s}$ to $σ_{\sf t}$. Solving such optimization variants approximately, we may obtain a reconfiguration sequence comprising almost-satisfying truth assignments. In this study, we prove a series of gap-preserving reductions to give evidence that a host of reconfiguration problems are PSPACE-hard to approximate, under some plausible assumption. Our starting point is a new working hypothesis called the Reconfiguration Inapproximability Hypothesis (RIH), which asserts that a gap version of Maxmin CSP Reconfiguration is PSPACE-hard. This hypothesis may be thought of as a reconfiguration analogue of the PCP theorem. Our main result is PSPACE-hardness of approximating Maxmin $3$-SAT Reconfiguration of bounded occurrence under RIH. The crux of its proof is a gap-preserving reduction from Maxmin Binary CSP Reconfiguration to itself of bounded degree. Because a simple application of the degree reduction technique using expander graphs due to Papadimitriou and Yannakakis does not preserve the perfect completeness, we modify the alphabet as if each vertex could take a pair of values simultaneously. To accomplish the soundness requirement, we further apply an explicit family of near-Ramanujan graphs and the expander mixing lemma. As an application of the main result, we demonstrate that under RIH, optimization variants of popular reconfiguration problems are PSPACE-hard to approximate.

研究动机与目标

• 建立重配置问题优化变体的不可近似性结果，这些变体推广了如SAT重配置等决策问题。
• 提供证据表明，在合理假设下，这些优化变体在PSPACE下难以近似。
• 开发新技术——特别是'字母平方'——以克服经典度数降低方法在重配置设置中的局限性。
• 将不可近似性结果扩展到广泛的重配置问题类别，包括非确定性约束逻辑和基于图的重配置问题。
• 证明所有不可近似性结果在将PSPACE替换为NP时，可无条件地成立为NP难，从而提供更强的基线结果。

提出的方法

• 提出重配置不可近似性假设（RIH），即Maxmin CSP重配置的间隙版本是PSPACE难的。
• 开发从Maxmin二元CSP重配置到自身、具有有界度数的保间隙约化，使用一种新颖的技术——'字母平方'，以模拟同时赋值对。
• 利用弥散图和弥散图混合引理，在度数降低过程中维持可靠性，避免了先前方法中完美完备性丢失的问题。
• 通过Karp风格约化，从3-SAT约化到Max 2-SAT，将不可近似性传递至2-SAT重配置问题。
• 采用一种变换，将原公式的满足赋值映射为2-CNF目标中7/10比例的满足赋值，同时保持间隙结构。
• 构建中间重配置序列，并分析子句满足计数，以证明保间隙约化中的完备性和可靠性。

实验结果

研究问题

• RQ1 在重配置不可近似性假设（RIH）下，具有有界出现次数的Maxmin 3-SAT重配置问题是否为PSPACE难近似？
• RQ2 当标准技术因完美完备性丢失而失效时，重配置问题中的度数降低能否保持近似间隙？
• RQ3 保间隙约化框架在多大程度上可推广至其他重配置问题，如独立集或团重配置？
• RQ4 在RIH下，Maxmin 2-SAT重配置的不可近似性是否可由Maxmin 3-SAT重配置的不可近似性推出？
• RQ5 当将PSPACE替换为NP时，结果能否加强为无条件的NP难近似性？

主要发现

• 在重配置不可近似性假设（RIH）下，具有有界出现次数的Maxmin 3-SAT重配置问题是PSPACE难近似的。
• 本文引入了'字母平方'作为新颖技术，使重配置问题中的保间隙度数降低成为可能，克服了经典基于弥散图方法的局限性。
• 通过弥散图混合引理和显式近-Ramanujan弥散图族，维持了约化的可靠性，确保不满足赋值不会人为增加子句满足数。
• 构建了从Maxmin E3-SAT(B)重配置到Maxmin 2-SAT(4B)重配置的保间隙约化，表明在RIH下，2-SAT重配置问题在常数因子内是PSPACE难近似的。
• 所有不可近似性结果在将'PSPACE难'替换为'NP难'时，均可无条件成立为NP难，提供了更强的基线结果。
• 该框架具有广泛适用性，证明了在RIH下，非确定性约束逻辑、独立集、团、顶点覆盖以及2-SAT重配置问题的优化变体均为PSPACE难近似。