[论文解读] Positive-instance driven dynamic programming for treewidth

Hisao Tamaki|arXiv (Cornell University)|Apr 18, 2017

Advanced Graph Theory Research参考文献 12被引用 5

一句话总结

本文提出了一种基于正实例驱动（PID）的动态规划算法，用于计算树宽，利用Bouchitté和Todinca的最小割分和潜在最大团框架。该方法仅生成正实例子问题，大幅减少计算时间，使所有100个PACE 2017基准实例在30分钟内得以解决，包括此前未解决的案例。

ABSTRACT

Consider a dynamic programming scheme for a decision problem in which all subproblems involved are also decision problems. An implementation of such a scheme is {\em positive-instance driven} (PID), if it generates positive subproblem instances, but not negative ones, building each on smaller positive instances. We take the dynamic programming scheme due to Bouchitté and Todinca for treewidth computation, which is based on minimal separators and potential maximal cliques, and design a variant (for the decision version of the problem) with a natural PID implementation. The resulting algorithm performs extremely well: it solves a number of standard benchmark instances for which the optimal solutions have not previously been known. Incorporating a new heuristic algorithm for detecting safe separators, it also solves all of the 100 public instances posed by the exact treewidth track in PACE 2017, a competition on algorithm implementation. We describe the algorithm, prove its correctness, and give a running time bound in terms of the number of positive subproblem instances. We perform an experimental analysis which supports the practical importance of such a bound.

研究动机与目标

• 设计一种用于树宽判定问题的正实例驱动（PID）动态规划变体，以改进现有实现。
• 解决高效计算大规模且困难图实例树宽的挑战，特别是PACE 2017竞赛中的实例。
• 通过仅关注正实例来减少处理的子问题实例数量，利用最小割分和潜在最大团的结构。
• 引入一种新启发式方法用于检测安全割分，以进一步增强预处理和剪枝。
• 证明PID不仅是一种优化，更是一种适用于图参数计算算法设计的可行范式。

提出的方法

• 采用Bouchitté和Todinca的基于最小割分和潜在最大团的树宽动态规划方案。
• 实现一种正实例驱动（PID）执行模式，仅生成正子问题实例，并通过组合较小的正实例构建更大的实例。
• 提出一种新启发式方法用于检测安全割分，以改善预处理并减少搜索空间。
• 使用块筛数据结构高效管理子问题实例并支持快速查找。
• 基于潜在最大团和最小割分，采用递归分解策略以引导动态规划过程。
• 将运行时间绑定到正子问题实例的数量，提供理论基础的性能边界。

实验结果

研究问题

• RQ1 正实例驱动（PID）的动态规划方法是否能优于传统的基于枚举的方法用于树宽计算？
• RQ2 在树宽背景下，PID与标准动态规划相比，正子问题实例的数量有何差异？
• RQ3 PID方法能否解决如PACE 2017中的困难基准实例，而这些实例此前的算法未能解决？
• RQ4 引入安全割分启发式方法在多大程度上提升了PID算法的性能？
• RQ5 PID范式是否可作为图参数计算中超越树宽的基础设计策略？

主要发现

• PID算法在30分钟内解决了所有100个公开的PACE 2017树宽实例，包括此前获胜实现无法解决的实例。
• 解决了42个此前未解的DIMACS图着色实例中的13个，且对近一半剩余未解实例的下界与上界差距显著缩小。
• 对于此前已解决的DIMACS实例，该算法在标准台式计算机上每实例求解时间低于10秒。
• 该算法提升了多个实例的下界，证明了PID在k < tw(G)时建立强边界的有效性。
• 运行时间受正子问题实例数量的限制，实验结果支持该边界的实际相关性。
• 集成新型安全割分启发式方法显著增强了预处理能力，使最困难的PACE 2017实例得以解决。