[论文解读] On finding minimal w-cutset

Bozhena Bidyuk, Rina Dechter|arXiv (Cornell University)|Jul 7, 2004

Constraint Satisfaction and Optimization参考文献 19被引用 17

一句话总结

本文通过树分解将问题简化为集合多重覆盖问题，提出了一种新颖的方法来寻找图模型中的最小w-割集，证明了其NP-完全性，并提出了一种贪心算法，从而在有界诱导宽度的模型中实现了高效的推理。该方法显著提升了低w-割集大小图模型中推理任务的可扩展性。

ABSTRACT

The complexity of a reasoning task over a graphical model is tied to the induced width of the underlying graph. It is well-known that the conditioning (assigning values) on a subset of variables yields a subproblem of the reduced complexity where instantiated variables are removed. If the assigned variables constitute a cycle-cutset, the rest of the network is singly-connected and therefore can be solved by linear propagation algorithms. A w-cutset is a generalization of a cycle-cutset defined as a subset of nodes such that the subgraph with cutset nodes removed has induced-width of w or less. In this paper we address the problem of finding a minimal w-cutset in a graph. We relate the problem to that of finding the minimal w-cutset of a tree-decomposition. The latter can be mapped to the well-known set multi-cover problem. This relationship yields a proof of NP-completeness on one hand and a greedy algorithm for finding a w-cutset of a tree decomposition on the other. Empirical evaluation of the algorithms is presented.

研究动机与目标

• 为解决图模型中最小化w-割集的挑战，以降低推理复杂度。
• 在树分解中建立w-割集计算与集合多重覆盖问题之间的正式联系。
• 基于该简化，开发一种可扩展的贪心算法，用于计算最小w-割集。
• 在真实世界的推理任务上，对所提出算法的性能和有效性进行实证评估。

提出的方法

• 通过在图的树分解上求解集合多重覆盖问题，将寻找最小w-割集的问题简化为该问题。
• 对集合多重覆盖公式应用贪心算法，迭代选择能以最低成本覆盖最多未覆盖约束的节点。
• 利用树分解表示图结构，从而高效计算诱导宽度和w-割集候选。
• 该算法确保在移除计算出的w-割集后，剩余子图的诱导宽度至多为w。
• 通过归约为集合多重覆盖问题，证明了w-割集问题的NP-完全性。
• 在基准图模型上进行实证评估，以衡量运行时间和割集大小。

实验结果

研究问题

• RQ1 在图模型中寻找最小w-割集的计算复杂度是什么？
• RQ2 w-割集问题能否被归约为已知的NP难问题，以支持算法设计？
• RQ3 基于集合多重覆盖的贪心方法在计算小w-割集方面的有效性如何？
• RQ4 所提出算法在割集大小和运行时间方面的实证性能如何？

主要发现

• 通过归约为集合多重覆盖问题，证明了寻找最小w-割集的问题是NP-完全的。
• 该归约使得可应用贪心算法，从而在实践中高效计算w-割集。
• 在实证评估中，所提出方法相较于基线启发式方法实现了显著更小的w-割集。
• 该算法在诱导宽度较低的图上表现出良好的可扩展性，通过在剩余子图中进行线性传播，实现了更快的推理。