[论文解读] Kernelizing Temporal Exploration Problems

Emmanuel Arrighi, Fedor V. Fomin+2 more|arXiv (Cornell University)|Jan 1, 2023

Opportunistic and Delay-Tolerant Networks被引用 1

一句话总结

该论文提出了一种新颖的结构参数 p(G) = Σ|E(Gi)| − |V| + 1，用于度量时序图的动力学特性，并首次为以 p(G) 为参数的加权 k-arb NS-TEXP 问题提供了多项式核。研究证明，在标准复杂性假设下，n、L、k 和 γ 等标准参数无法获得多项式核，但表明 p(G) 能够实现高效的核化以及加权时序图探索问题的固定参数可满足性算法。

ABSTRACT

We study the kernelization of exploration problems on temporal graphs. A temporal graph consists of a finite sequence of snapshot graphs $\mathcal{G}=(G_1, G_2, \dots, G_L)$ that share a common vertex set but might have different edge sets. The non-strict temporal exploration problem (NS-TEXP for short) introduced by Erlebach and Spooner, asks if a single agent can visit all vertices of a given temporal graph where the edges traversed by the agent are present in non-strict monotonous time steps, i.e., the agent can move along the edges of a snapshot graph with infinite speed. The exploration must at the latest be completed in the last snapshot graph. The optimization variant of this problem is the $k$-arb NS-TEXP problem, where the agent's task is to visit at least $k$ vertices of the temporal graph. We show that under standard computational complexity assumptions, neither of the problems NS-TEXP nor $k$-arb NS-TEXP allow for polynomial kernels in the standard parameters: number of vertices $n$, lifetime $L$, number of vertices to visit $k$, and maximal number of connected components per time step $γ$; as well as in the combined parameters $L+k$, $L + γ$, and $k+γ$. On the way to establishing these lower bounds, we answer a couple of questions left open by Erlebach and Spooner. We also initiate the study of structural kernelization by identifying a new parameter of a temporal graph $p(\mathcal{G}) = \sum_{i=1}^{L} (|E(G_i)|) - |V(G)| +1$. Informally, this parameter measures how dynamic the temporal graph is. Our main algorithmic result is the construction of a polynomial (in $p(\mathcal{G})$) kernel for the more general Weighted $k$-arb NS-TEXP problem, where weights are assigned to the vertices and the task is to find a temporal walk of weight at least $k$.

研究动机与目标

• 识别时序图中能够为探索问题实现有效核化的结构参数。
• 解决关于非严格时序探索问题（NS-TEXP 和 k-arb NS-TEXP）核化复杂性的开放问题。
• 利用新颖参数 p(G) 为更一般的加权 k-arb NS-TEXP 问题开发多项式核。
• 证明在标准复杂性假设下，n、L、k 和 γ 等标准参数无法获得多项式核。

提出的方法

• 提出一种新的结构参数 p(G) = Σ|E(Gi)| − |V| + 1，用于量化时序图的稀疏性与动态行为。
• 设计了针对加权 k-arb NS-TEXP 的核化算法，将实例规模减少至 p(G) 的多项式级别。
• 应用约化规则，对所有快照中均存在的边进行收缩，移除冗余连通分量，并利用顶点权重。
• 通过边收缩、连通分量合并与权重聚合的组合方式，在保持解等价性的前提下简化实例。
• 将核化方法适配以处理连通与非连通的底层图。
• 在核化后，通过 2^O(p) · (nL)^O(1) 算法建立固定参数可满足性。

实验结果

研究问题

• RQ1 在标准参数如 n、L、k 和 γ 下，NS-TEXP 和 k-arb NS-TEXP 是否能获得多项式核？
• RQ2 时序图的何种结构参数能够实现探索问题的有效核化？
• RQ3 新参数 p(G) 是否能够实现更一般化加权 k-arb NS-TEXP 问题的多项式核化？
• RQ4 该核化框架能否适配于严格时序探索（TEXP）变体？
• RQ5 参数 p(G) 在动态设置下与经典图参数有何关联？

主要发现

• 在标准参数 n、L、k 和 γ 下，NS-TEXP 和 k-arb NS-TEXP 无法获得多项式核，除非 NP ⊆ coNP/poly。
• 在相同假设下，组合参数 L+k、L+γ 和 k+γ 也无法获得多项式核。
• 所提出的参数 p(G) = Σ|E(Gi)| − |V| + 1 能够捕捉时序图的动态稀疏性，并实现多项式核化。
• 为以 p(G) 为参数的加权 k-arb NS-TEXP 问题构建了大小为 O(p^4) 的多项式核。
• 加权 k-arb NS-TEXP 的固定参数可满足性算法运行时间为 2^O(p) · (nL)^O(1)，其中 p = p(G)。
• 在相同参数化下，通过简化约化规则可获得线性规模的核用于 NS-TEXP。