[论文解读] Improved Approximation for Node-Disjoint Paths in Planar Graphs

Julia Chuzhoy, David H. K. Kim+1 more|arXiv (Cornell University)|Mar 17, 2016

Complexity and Algorithms in Graphs参考文献 13被引用 7

一句话总结

本文提出了首个针对平面图中节点不相交路径（NDP）问题的近似算法，突破了长期以来多商品流松弛方法所面临的 $O(\sqrt{n})$ 局限。通过引入一种新颖的线性规划松弛方法，并利用分解为圆盘和圆柱子问题的结构化方法，作者实现了 $\tilde{O}(n^{9/19})$ 的近似比，显著优于以往的界限，展示了绕过整数规划间隙限制的新途径。

ABSTRACT

We study the classical Node-Disjoint Paths (NDP) problem: given an $n$-vertex graph $G$ and a collection $M=\{(s_1,t_1),\ldots,(s_k,t_k)\}$ of pairs of vertices of $G$ called demand pairs, find a maximum-cardinality set of node-disjoint paths connecting the demand pairs. NDP is one of the most basic routing problems, that has been studied extensively. Despite this, there are still wide gaps in our understanding of its approximability: the best currently known upper bound of $O(\sqrt n)$ on its approximation ratio is achieved via a simple greedy algorithm, while the best current negative result shows that the problem does not have a better than $Ω(\log^{1/2-δ}n)$-approximation for any constant $δ$, under standard complexity assumptions. Even for planar graphs no better approximation algorithms are known, and to the best of our knowledge, the best negative bound is APX-hardness. Perhaps the biggest obstacle to obtaining better approximation algorithms for NDP is that most currently known approximation algorithms for this type of problems rely on the standard multicommodity flow relaxation, whose integrality gap is $Ω(\sqrt n)$ for NDP, even in planar graphs. In this paper, we break the barrier of $O(\sqrt n)$ on the approximability of the NDP problem in planar graphs and obtain an $ ilde O(n^{9/19})$-approximation. We introduce a new linear programming relaxation of the problem, and a number of new techniques, that we hope will be helpful in designing more powerful algorithms for this and related problems.

研究动机与目标

• 为突破平面图中节点不相交路径（NDP）问题长期存在的 $O(\sqrt{n})$ 近似比瓶颈，尽管该问题已得到广泛研究。
• 设计一种新型线性规划松弛方法，避免标准多商品流松弛中固有的 $\Omega(\sqrt{n})$ 整数规划间隙。
• 构建一种新颖的算法框架，将平面 NDP 实例分解为在圆盘和圆柱上定义的结构化子问题，从而实现更优的路由保证。
• 为 NDP-Planar 建立一个严格优于 $O(\sqrt{n})$ 的近似比，推动网络路由与近似算法领域的研究进展。
• 为未来在平面图及结构化图族中近似求解 NDP 及相关问题奠定基础。

提出的方法

• 作者提出了一种针对 NDP-Planar 的新型线性规划松弛方法，其能够捕捉标准多商品流方法无法体现的平面图结构特性。
• 他们利用一个定理将输入实例分解为具有良好连接性的子问题，从而控制各子问题对流值的贡献。
• 对每个子问题，应用针对圆盘和圆柱上 NDP 的专用近似算法，利用已知的精确刻画和高效的路由算法。
• 该算法区分了两类实例：类型-1 实例（其中常数比例的需求对可通过节点不相交路径实现路由）与类型-2 实例（其中较大子集的最优解值较低）。
• 关键步骤包括迭代识别 LP 公式中的违反约束，并通过流分解与路径选择技术对解进行迭代优化。
• 最终的近似保证通过结合类型-1 实例的路由结果与类型-2 实例的结构洞察获得，利用了 $\Omega(\text{OPT}^{1/19}/\text{poly}\log n)$ 的路由下界。

实验结果

研究问题

• RQ1 能否通过新型算法技术突破平面图中 NDP 问题的 $O(\sqrt{n})$ 近似比瓶颈？
• RQ2 能否为 NDP-Planar 设计一种线性规划松弛方法，避免标准多商品流松弛中固有的 $\Omega(\sqrt{n})$ 整数规划间隙？
• RQ3 将实例结构化分解为圆盘与圆柱子问题，是否能实现平面图中更优的路由近似？
• RQ4 NDP-Planar 的最佳可实现近似比是多少？是否可进一步超越 $\tilde{O}(n^{9/19})$？
• RQ5 在圆盘与圆柱上，NDP 的优化版本是否为 NP-难问题，还是可实现优于多项式的近似比？

主要发现

• 本文在平面图中节点不相交路径问题上实现了 $\tilde{O}(n^{9/19})$ 的近似比，突破了长期存在的 $O(\sqrt{n})$ 局限。
• 该算法可高效地路由 $\Omega\left(\frac{\mathsf{OPT}^{1/19}}{\operatorname{poly}\log n}\right)$ 对需求对，为解的质量相对于最优解提供了非平凡的下界。
• 新型 LP 松弛方法成功避免了标准多商品流松弛在平面图中固有的 $\Omega(\sqrt{n})$ 整数规划间隙。
• 通过将实例分解为具有良好连接性的组件，该算法能够处理最优解值相对于流值较小的实例，从而实现约束违反检测与解的迭代优化。
• 该方法推广了对 NDP-Grid 实现 $\tilde{O}(n^{1/4})$ 近似比的洞察，为改进相关路由问题的算法提供了可行路径。
• 该工作为平面图中的近似算法开辟了新方向，特别是通过利用圆盘与圆柱等几何与拓扑结构。