[论文解读] New algorithms for Steiner tree reoptimization

Davide Bilò|arXiv (Cornell University)|Apr 28, 2018

Formal Methods in Verification被引用 2

一句话总结

本文首次为斯坦纳树重优化提出了多项式时间近似方案（PTAS），适用于四种局部修改——边权变化与顶点状态变化，显著优于以往的常数因子近似算法。通过结合新型的Connect算法、受限斯坦纳树构造以及基于路径增广的迭代优化，作者在从最优解或ρ-近似解出发时，实现了(1+ϵ)-近似解，关键结果为：除非P=NP，否则无法获得更优的近似。

ABSTRACT

{\em Reoptimization} is a setting in which we are given an (near) optimal solution of a problem instance and a local modification that slightly changes the instance. The main goal is that of finding an (near) optimal solution of the modified instance. We investigate one of the most studied scenarios in reoptimization known as {\em Steiner tree reoptimization}. Steiner tree reoptimization is a collection of strongly NP-hard optimization problems that are defined on top of the classical Steiner tree problem and for which several constant-factor approximation algorithms have been designed in the last decade. In this paper we improve upon all these results by developing a novel technique that allows us to design {\em polynomial-time approximation schemes}. Remarkably, prior to this paper, no approximation algorithm better than recomputing a solution from scratch was known for the elusive scenario in which the cost of a single edge decreases. Our results are best possible since none of the problems addressed in this paper admits a fully polynomial-time approximation scheme, unless P=NP.

研究动机与目标

• 为解决斯坦纳树重优化在局部修改下设计高效近似算法这一长期挑战。
• 克服以往研究的局限性，即依赖常数因子近似算法，且无法优于从头重新计算的保证。
• 开发一种通用技术，使在原始解为最优或近似最优时，能够实现重优化场景下的多项式时间近似方案（PTAS）。
• 填补边权降低这一难以处理情形的近似性空白，此前该情形尚无优于重新计算的已知近似方法。

提出的方法

• 利用Connect算法，通过添加最小代价边来扩充斯坦纳森林，确保在多项式时间内构造出可行的斯坦纳树。
• 采用Borchers和Du的算法证明，将任意斯坦纳树转换为(1+ξ)-近似f(ξ)-受限斯坦纳树，从而实现可控的近似权衡。
• 引入基于递归路径的增广策略，通过一系列k-受限森林与路径集H，迭代优化解。
• 采用ℓ = ⌈2/ϵ⌉层的分层构造，以限制中间解的成本，确保收敛至(1+ϵ)-近似解。
• 通过对ℓ个中间解进行加权平均，以界最终解的成本，利用其平均成本至多为最优解的(1+ϵ)倍这一事实。

实验结果

研究问题

• RQ1 当单条边的权值降低时，能否为斯坦纳树重优化设计出多项式时间近似方案？
• RQ2 当从最优解出发时，是否可能在顶点状态变化（终端点与斯坦纳点互换）的重优化中实现(1+ϵ)-近似？
• RQ3 通过利用原始解的结构特性，能否将近似比超越常数因子？
• RQ4 在重优化下，可达到的最佳近似比是多少？其是否依赖于初始解的质量？

主要发现

• 本文首次为所有四种标准斯坦纳树重优化场景（包括此前难以处理的边权降低情形）提出了多项式时间近似方案（PTAS）。
• 对于边权降低与终端点到斯坦纳点的顶点状态变化，当初始解为最优（ρ=1）时，PTAS可实现(1+ϵ)-近似，这在除非P=NP的前提下为最优结果。
• 该算法运行时间多项式，且保证在修改后实例中，解的成本至多为最优解的(1+ϵ)倍，即使原始解仅为ρ-近似。
• 该方法依赖于受限斯坦纳树构造与迭代路径增广的创新组合，确保各层间成本增长有界。
• 分析证明，ℓ个中间解的平均成本至多为最优解的(1+ϵ)倍，从而导出(1+ϵ)-近似解。
• 结果是紧致的：除非P=NP，否则这些问题均不存在全多项式时间近似方案，因此所提出的PTAS在该复杂度类中为最优。