[论文解读] On the Power of Tree-Depth for Fully Polynomial FPT Algorithms

Yoichi Iwata, Tomoaki Ogasawara+1 more|arXiv (Cornell University)|Oct 12, 2017

Advanced Graph Theory Research参考文献 18被引用 3

一句话总结

本文提出了若干图问题在P中的完全多项式FPT算法，参数化为树深度（tree-depth）。通过在消除森林上采用分治策略，作者实现了$O(\text{td} \times m)$或$O(\text{td} \times (m+n/\log n))$的时间复杂度，解决了多个开放问题，包括在树深度参数化下，加权匹配（Weighted Matching）和2-hop覆盖（2-hop Cover）的完全多项式FPT算法。

ABSTRACT

There are many classical problems in P whose time complexities have not been improved over the past decades. Recent studies of "Hardness in P" have revealed that, for several of such problems, the current fastest algorithm is the best possible under some complexity assumptions. To bypass this difficulty, Fomin et al. (SODA 2017) introduced the concept of fully polynomial FPT algorithms. For a problem with the current best time complexity $O(n^c)$, the goal is to design an algorithm running in $k^{O(1)}n^{c'}$ time for a parameter $k$ and a constant $c'

研究动机与目标

• 解决几十年来在P-完全图问题中设计更快算法的挑战，这些经典问题长期难以改进。
• 通过引入基于树深度的完全多项式FPT算法，突破P类问题中的困难障碍（hardness-in-P）。
• 解决参数复杂性理论中的开放问题，包括首次实现基于树宽参数化的加权匹配的完全多项式FPT算法。
• 提出一个统一框架，通过在消除森林上使用分治策略，实现多个问题的高效参数化解法。

提出的方法

• 在图的消除森林上应用分治策略，利用由树深度导出的小型平衡分隔子。
• 使用动态规划并支持增量更新，以维护和合并消除顺序中顶点子集上的解。
• 在合并操作中利用最小堆，高效计算不相交子图上最小值的合并。
• 设计两个关键算法： <code>Increment</code> 用于将顶点添加到子集，以及 <code>Union</code> 用于合并不相交子集的解。
• 在 <code>Increment</code> 步骤中使用戴克斯特拉算法（Dijkstra’s algorithm），计算新顶点在扩展子图中与之相关的最短路径。
• 通过证明2-hop覆盖及其他函数在合并与增量扩展操作下保持不变，确保算法的正确性。

实验结果

研究问题

• RQ1 我们能否基于树深度参数化，为P类中的基础图问题设计完全多项式FPT算法？
• RQ2 与树宽相比，树深度是否能更有效地实现P类中更快的参数化算法？
• RQ3 在消除森林上应用的分治策略能否推广，以高效求解多个图问题？
• RQ4 能否实现基于树宽参数化的加权匹配的完全多项式FPT算法，如Fomin等人所提出的问题？
• RQ5 在树深度参数化下，2-hop覆盖和最小权环（Minimum Weight Cycle）等问题的最优时间复杂度是多少？

主要发现

• 本文提出了一种$O(\text{td} \times m)$时间复杂度的算法用于负环检测（Negative Cycle Detection）和最小权环（Minimum Weight Cycle），优于先前的界。
• 为加权匹配设计了$O(\text{td} \times (m+n/\log n))$时间复杂度的算法，解决了Fomin等人提出的一个开放问题。
• 在$O(\text{td} \times (m+n/\log n))$时间复杂度内实现了2-hop覆盖的完全多项式FPT算法，最大标签大小为$2\text{td}$。
• 替换路径（Replacement Paths）的算法运行时间为$O(\text{td} \times (m+n/\log n))$，与基于树宽的先前结果相当或更优。
• 当以树宽为参数时，该框架对所有问题均达到$O(\text{tw} \times m \times \text{polylog}\ n)$的时间复杂度，因为$\text{td} \triangleq O(\text{tw} \times \text{log }n)$。
• 通过在消除顺序中对顶点子集使用<code>Increment</code>和<code>Union</code>操作的一般框架，证明了算法的正确性与高效性。