[论文解读] Optimal parameterized algorithms for planar facility location problems using Voronoi diagrams

Marx, Dániel, Pilipczuk, Michał|arXiv (Cornell University)|Apr 21, 2015

Genome Rearrangement Algorithms被引用 7

一句话总结

本文提出了一种新颖的参数化算法框架，可在时间 $n^{/mathcal{O}(ackslash sqrt{k})}$ 内解决一大类平面设施位置问题，显著优于标准的 $n^{/mathcal{O}(k)}$ 暴力搜索方法。该方法利用 Voronoi 图与 Voronoi 结构中的平衡分隔环进行递归分解，从而在指数时间假设下实现最优运行时间。

ABSTRACT

We study a general family of facility location problems defined on planar graphs and on the 2-dimensional plane. In these problems, a subset of $k$ objects has to be selected, satisfying certain packing (disjointness) and covering constraints. Our main result is showing that, for each of these problems, the $n^{O(k)}$ time brute force algorithm of selecting $k$ objects can be improved to $n^{O(\\sqrt{k})}$ time. The algorithm is based on an idea that was introduced recently in the design of geometric QPTASs, but was not yet used for exact algorithms and for planar graphs. We focus on the Voronoi diagram of a hypothetical solution of $k$ objects, guess a balanced separator cycle of this Voronoi diagram to obtain a set that separates the solution in a balanced way, and then recurse on the resulting subproblems. We complement our study by giving evidence that packing problems have $n^{O(\\sqrt{k})}$ time algorithms for a much more general class of objects than covering problems have.

研究动机与目标

• 开发适用于当前缺乏亚二次或亚指数时间解法的一类广泛平面设施位置问题的最优参数化算法。
• 突破在平面图与几何设置下解决打包与覆盖问题时的 $n^{\mathcal{O}(k)}$ 限制。
• 在指数时间假设（ETH）下建立紧致下界，证明新运行时间对许多问题而言在渐近意义上是最优的。
• 通过引入基于 Voronoi 图与平衡分隔符的新技术，统一并推广现有亚指数时间算法。

提出的方法

• 核心方法为大小为 $k$ 的解构造一个假设的 Voronoi 图，并利用该图的结构引导递归分解。
• 它猜测 Voronoi 图中的一个平衡分隔环，将解划分为两个大致相等的部分，从而实现分治递归。
• 该算法利用 Voronoi 图的几何特性，确保分隔环以平衡方式分离解，从而最小化子问题规模。
• 对由分隔符诱导的子问题应用动态规划或穷举搜索，由于平面分隔定理，递归深度被限制在 $\mathcal{O}(\sqrt{k})$。
• 该方法具有通用性，适用于基于图与几何的设施位置问题，包括不相交集合、覆盖问题及支配集变种。
• 该方法在 ETH 下被证明是最优的，因为对于这些问题，不存在 $f(k)n^{o(\sqrt{k})}$ 时间算法。

实验结果

研究问题

• RQ1 能否将平面设施位置问题的 $n^{\mathcal{O}(k)}$ 暴力搜索时间改进为 $n^{\mathcal{O}(\sqrt{k})}$？
• RQ2 能否开发一个统一的算法框架，适用于平面与几何设置下各类打包与覆盖问题？
• RQ3 在指数时间假设下，$n^{\mathcal{O}(\sqrt{k})}$ 的运行时间是否最优？
• RQ4 为何打包问题比覆盖问题更广泛地支持 $n^{\mathcal{O}(\sqrt{k})}$ 算法？
• RQ5 Voronoi 图能否作为结构工具，用于指导平面问题中的参数化分治？

主要发现

• 本文证明，$d$-Scattered Set、$d$-Dominating Set 及其他若干平面设施位置问题均可在 $n^{\mathcal{O}(\sqrt{k})}$ 时间内求解。
• 该算法框架具有通用性，适用于平面图、圆盘、多边形以及平面上的轴对齐矩形问题。
• 对于 $k$-Internal Out-Branching 与 $k$-Leaf Out-Branching 问题，该方法提供了 $n^{\mathcal{O}(\sqrt{k})}$ 时间算法，优于先前的 $n^{\mathcal{O}(k)}$ 上界。
• 本文证明，在假设 ETH 成立的前提下，对于所研究的问题，不存在 $f(k)n^{o(\sqrt{k})}$ 时间算法，从而证明了 $n^{\mathcal{O}(\sqrt{k})}$ 上界的最优性。
• 该框架揭示了一种类结构不对称性：打包问题（如不相交圆盘）对更广泛类别的对象支持 $n^{\mathcal{O}(\sqrt{k})}$ 算法，而覆盖问题（如用矩形覆盖点）则不具此特性。
• 对于用 $k$ 个轴对齐矩形覆盖 $\mathcal{P}$ 中所有点的问题，本文表明在 ETH 下不存在 $f(k)n^{o(k)}$ 时间算法，表明打包与覆盖之间存在根本性的复杂度差距。