[论文解读] Global Cardinality Constraints Make Approximating Some Max-2-CSPs Harder

Per Austrin, Aleksa Stanković|arXiv (Cornell University)|Jan 1, 2019

Complexity and Algorithms in Graphs参考文献 33被引用 3

一句话总结

该论文在唯一博弈假设（Unique Games Conjecture）下证明，针对基数约束型 Max-2-CSP 问题（特别是 CC-Max-Cut 和 CC-Max-2-Sat）的现有近似算法是最优的。论文证明了 CC-Max-Cut 的近似比下限约为 0.858，CC-Max-2-Sat 的近似比下限约为 0.929，表明全局基数约束显著提高了问题的不可近似性，超越了无约束情形。

ABSTRACT

Assuming the Unique Games Conjecture, we show that existing approximation algorithms for some Boolean Max-2-CSPs with cardinality constraints are optimal. In particular, we prove that Max-Cut with cardinality constraints is UG-hard to approximate within ~~0.858, and that Max-2-Sat with cardinality constraints is UG-hard to approximate within ~~0.929. In both cases, the previous best hardness results were the same as the hardness of the corresponding unconstrained Max-2-CSP (~~0.878 for Max-Cut, and ~~0.940 for Max-2-Sat). The hardness for Max-2-Sat applies to monotone Max-2-Sat instances, meaning that we also obtain tight inapproximability for the Max-k-Vertex-Cover problem.

研究动机与目标

• 在唯一博弈假设下，确定针对基数约束型 Max-2-CSP 的现有近似算法是否最优。
• 研究全局基数约束相较于无约束情形，如何影响 Max-2-CSP 的不可近似性。
• 为 CC-Max-Cut 和 CC-Max-2-Sat 建立紧致的不可近似性阈值，包括其单调变体。
• 拓展对基数约束型 CSP 中近似难度的理解，特别是针对 Max-k-Vertex-Cover 等问题。
• 探索该相同困难性框架是否适用于其他二元 Max-CSP 问题，如 Max-k-DS 和 CC-Max-DiCut。

提出的方法

• 以唯一博弈假设（UGC）作为基础假设，推导不可近似性结果。
• 应用 Raghavendra 的框架，在 UGC 下通过半定规划松弛实现最优近似。
• 通过在 µ 和 ρ 上参数化优化问题，分析变量分布的最坏情况配置。
• 采用数值优化方法计算最小近似比，假设最坏情况配置位于可行多面体的边界上。
• 利用函数 αcc_cut(q) 和 αcc_2sat(q) 推导闭式表达式，其中参数 q = (1−µ)/2。
• 依赖约束多面体的对称性与结构，将全局优化问题简化为单变量最小化问题。

实验结果

研究问题

• RQ1 在唯一博弈假设下，CC-Max-Cut 的现有近似算法是否最优？
• RQ2 添加全局基数约束是否使 Max-2-Sat 的近似难度显著高于无约束版本？
• RQ3 该困难性框架是否可应用于 Max-2-Sat 的单调变体，如 Max-k-Vertex-Cover？
• RQ4 在 UGC 下，CC-Max-2-Sat 的最紧致不可近似性边界是什么？是否与目前已知的最佳算法近似比一致？
• RQ5 是否存在其他二元 Max-CSP 问题（如 Max-k-DS 或 CC-Max-DiCut），其在基数约束下表现出类似的困难性增强？

主要发现

• 在唯一博弈假设下，CC-Max-Cut 的近似比下限约为 0.858，属于 UG-hard。
• 对于 CC-Max-2-Sat，论文建立了近似比下限约为 0.929 的 UG-hardness，该结果与目前已知的最佳算法近似比一致。
• CC-Max-2-Sat 的不可近似性阈值同样适用于其单调变体 Max-k-Vertex-Cover，表明该问题具有紧致的困难性。
• 困难性结果通过最小化涉及正态累积分布函数的函数推导得出，最小值出现在 µ ≈ 0.27 和 ρ ≈ -0.575 处。
• 分析表明，CC-Max-2-Lin 的近似比与 CC-Max-Cut 相同，证实了 Raghavendra 和 Tan 提出的算法的最优性。
• 结果表明，基数约束显著提高了不可近似性，因为 UG-hardness 边界严格劣于无约束 Max-2-CSP 的边界（Max-Cut 为 0.878，Max-2-Sat 为 0.9401）。