[论文解读] On Equivalence of Parameterized Inapproximability of k-Median, k-Max-Coverage, and 2-CSP

C. S. Karthik, Euiwoong Lee+1 more|arXiv (Cornell University)|Jan 1, 2024

Constraint Satisfaction and Optimization被引用 1

一句话总结

本文通过保持间隙的FPT归约，建立了k-中位数、k-最大覆盖和2-约束满足问题（2-CSP）参数化不可近似性的紧密等价关系。它表明，若k-最大覆盖问题在(1−δ)因子内近似为W[1]-难，则2-CSP问题在(1−δ²/4)因子内近似也为W[1]-难，从而证明了若能解决k-最大覆盖问题的不可近似性，将意味着参数化不可近似性假设（PIH）成立。

ABSTRACT

Parameterized Inapproximability Hypothesis (PIH) is a central question in the field of parameterized complexity. PIH asserts that given as input a 2-CSP on $k$ variables and alphabet size $n$, it is W[1]-hard parameterized by $k$ to distinguish if the input is perfectly satisfiable or if every assignment to the input violates 1% of the constraints. An important implication of PIH is that it yields the tight parameterized inapproximability of the $k$-maxcoverage problem. In the $k$-maxcoverage problem, we are given as input a set system, a threshold $τ>0$, and a parameter $k$ and the goal is to determine if there exist $k$ sets in the input whose union is at least $τ$ fraction of the entire universe. PIH is known to imply that it is W[1]-hard parameterized by $k$ to distinguish if there are $k$ input sets whose union is at least $τ$ fraction of the universe or if the union of every $k$ input sets is not much larger than $τ\cdot (1-\frac{1}{e})$ fraction of the universe. In this work we present a gap preserving FPT reduction (in the reverse direction) from the $k$-maxcoverage problem to the aforementioned 2-CSP problem, thus showing that the assertion that approximating the $k$-maxcoverage problem to some constant factor is W[1]-hard implies PIH. In addition, we present a gap preserving FPT reduction from the $k$-median problem (in general metrics) to the $k$-maxcoverage problem, further highlighting the power of gap preserving FPT reductions over classical gap preserving polynomial time reductions.

研究动机与目标

• 为在不假设PIH的前提下，无条件地确立k-最大覆盖问题在常数因子内近似的W[1]-难性。
• 研究k-最大覆盖问题在W[1]-难性近似下的更广泛参数化不可近似性假设（PIH）的含义。
• 建立从k-最大覆盖到2-CSP的反向保持间隙的FPT归约，表明k-最大覆盖的难解性意味着2-CSP的难解性。
• 通过将保持间隙的FPT归约从k-中位数扩展到k-最大覆盖，展示其强大之处，凸显其相对于经典多项式时间归约的优越性。

提出的方法

• 构建从k-最大覆盖到2-CSP的保持间隙的FPT归约，表明若在(1−δ)因子内近似k-最大覆盖为W[1]-难，则在(1−δ²/4)因子内近似2-CSP也为W[1]-难。
• 将Feige对最大覆盖问题的NP难性框架适配到参数化设置中，采用具有T层的分层构造，每层由t∈[T]索引。
• 定义一个大小为T·(log n)^O(1)·k·A(k)的全集U，以及一个包含T·k·n个集合的集合系统S，其中每个集合S(t,j,v)对应于一个2-CSP实例中的变量赋值。
• 通过分层上的集合覆盖的组合分析，将所选集合按每层的计数划分为eS−、eS=和eS+三类，以限制未被覆盖的元素数量。
• 应用概率论证，表明在新实例中任意kT个集合的选择都无法覆盖U中至少Tℓ/2个元素，从而建立常数因子的间隙。
• 以[KLM19]中k-最大覆盖的W[1]-难性作为基础，构建一个保持间隙和参数化的归约。

实验结果

研究问题

• RQ1 能否在不假设PIH的前提下，无条件地证明k-最大覆盖问题在常数因子内近似的W[1]-难性？
• RQ2 k-最大覆盖问题在(1−δ)因子内近似为W[1]-难，是否意味着2-CSP问题在(1−δ²/4)因子内近似也为W[1]-难？
• RQ3 是否存在从k-中位数到k-最大覆盖的保持间隙的FPT归约？这对其在参数化不可近似性层次结构中的意义是什么？
• RQ4 与经典归约相比，保持间隙的FPT归约在多大程度上增强了参数化不可近似性的推论？

主要发现

• 本文证明，在随机图灵归约下，若k-最大覆盖问题在(1−δ)因子内近似为W[1]-难，则2-CSP问题在(1−δ²/4)因子内近似也为W[1]-难。
• 这建立了从k-最大覆盖到2-CSP的反向归约，表明若能解决k-最大覆盖的不可近似性，将意味着PIH成立。
• 该归约保持间隙，并通过k保持参数化，展示了不可近似间隙的紧密性。
• 构造采用具有T层的分层全集，以及基于2-CSP实例构造的集合系统，确保原问题中完美覆盖意味着新问题中完全覆盖。
• 证明了在新实例中，任意kT个集合的选择都无法覆盖U中至少Tℓ/2个元素，从而建立了常数因子的间隙。
• 结果表明，在FPT归约下，k-最大覆盖的不可近似性与2-CSP的不可近似性等价，凸显了k-最大覆盖在参数化不可近似性层次结构中的核心作用。