[论文解读] Integer Programming in Parameterized Complexity: Three Miniatures

Tomáš Gavenčiak, Dušan Knop+1 more|arXiv (Cornell University)|Nov 6, 2017

Advanced Graph Theory Research参考文献 15被引用 5

一句话总结

本文展示了如何通过先进的整数规划技术，实现针对三种在有界邻域多样性图上的 NP-难图问题——容量支配集、和染色问题、Max-q-Cut——的固定参数可满足（FPT）算法。通过将这些问题建模为固定维数下的凸规划或整数规划，作者实现了 f(k)·poly(n) 的 FPT 运行时间，且通过整数性间隙分析与舍入策略，优化了参数依赖性。

ABSTRACT

Powerful results from the theory of integer programming have recently led to substantial advances in parameterized complexity. However, our perception is that, except for Lenstra's algorithm for solving integer linear programming in fixed dimension, there is still little understanding in the parameterized complexity community of the strengths and limitations of the available tools. This is understandable: it is often difficult to infer exact runtimes or even the distinction between FPT and XP algorithms, and some knowledge is simply unwritten folklore in a different community. We wish to make a step in remedying this situation. To that end, we first provide an easy to navigate quick reference guide of integer programming algorithms from the perspective of parameterized complexity. Then, we show their applications in three case studies, obtaining FPT algorithms with runtime $f(k)poly(n)$. We focus on: * Modeling: since the algorithmic results follow by applying existing algorithms to new models, we shift the focus from the complexity result to the modeling result, highlighting common patterns and tricks which are used. * Optimality program: after giving an FPT algorithm, we are interested in reducing the dependence on the parameter; we show which algorithms and tricks are often useful for speed-ups. * Minding the poly(n): reducing $f(k)$ often has the unintended consequence of increasing poly(n); so we highlight the common trade-offs and show how to get the best of both worlds. Specifically, we consider graphs of bounded neighborhood diversity which are in a sense the simplest of dense graphs, and we show several FPT algorithms for Capacitated Dominating Set, Sum Coloring, and Max-q-Cut by modeling them as convex programs in fixed dimension, n-fold integer programs, bounded dual treewidth programs, and indefinite quadratic programs in fixed dimension.

研究动机与目标

• 通过使高级整数规划技术对参数化算法社区更加易用，弥合整数规划理论与参数化复杂性之间的差距。
• 证明将图问题建模为固定维数下的整数规划或凸规划，可产生运行时间为 f(k)·poly(n) 的 FPT 算法。
• 在控制 poly(n) 因子增长的前提下，最小化参数依赖 f(k)。
• 为在 FPT 设置下通过建模为 IP 并选择合适算法以实现加速，提供实用指南。
• 突出展示可复用的建模模式与算法技巧，这些方法在多种问题中均能持续产生高效的 FPT 解决方案。

提出的方法

• 将问题建模为具有凸或线性约束的整数规划（IP），聚焦于固定维数，以支持 FPT 算法。
• 在固定维数下应用已知的 IP 算法——如 n-fold IP、有界对偶树宽、以及不定二次规划算法——以实现 FPT 运行时间。
• 通过连续松弛与舍入，并结合整数性间隙分析，界定连续解与整数解之间的距离。
• 引入递归固定过程：若舍入失败，则将变量固定到边界值并重新求解松弛问题，最多重复 k 次。
• 利用整数性间隙至多为 k² 的事实，限制在连续最优解附近的整数向量搜索空间。
• 通过二分图匹配验证候选解，以检查容量有序支配集的可行性。

实验结果

研究问题

• RQ1 如何系统性地应用整数规划技术，以在参数化复杂性中推导图问题的 FPT 算法？
• RQ2 哪些关键建模模式可使 NP-难问题被简化为固定参数可满足的整数规划？
• RQ3 如何在不显著增加运行时间中 poly(n) 因子的前提下，最小化参数依赖 f(k)？
• RQ4 整数性间隙分析在界定连续最优解附近整数解的搜索空间中起到何种作用？
• RQ5 哪些算法技巧——如迭代固定与有界舍入——最有效地在 FPT 算法中平衡 f(k) 与 poly(n)？

主要发现

• 当以邻域多样性为参数时，容量支配集、和染色问题与 Max-q-Cut 均存在运行时间为 f(k)·poly(n) 的 FPT 算法。
• 连续松弛的整数性间隙至多为 k²，从而可将搜索范围限制在 O((2k²+2)^k) 个靠近连续最优解的整数向量上。
• 通过计算连续最优解，并测试其 l1-距离在 k² 以内的所有整数向量，结合二分图匹配验证可行性，可实现 FPT 算法。
• 通过利用整数性间隙的界，可进一步减小参数依赖 f(k)，尽管这可能增加 poly(n) 因子。
• 该方法通过将搜索空间限制在连续解的小区间内，实现了 f(k) 与 poly(n) 之间的良好平衡。
• 该方法具有通用性与可重用性：相同的建模与算法策略可应用于不同问题，凸显了 FPT 算法设计中的可转移模式。