[论文解读] Progressive Algorithms for Domination and Independence

Grzegorz Fabiański, Michał Pilipczuk+2 more|arXiv (Cornell University)|Nov 16, 2018

Advanced Graph Theory Research被引用 3

一句话总结

本文提出了一种新颖的算法范式——渐进探索（progressive exploration），用于在稀疏图类上高效求解参数化图问题。通过利用模型论性质——Helly性质的变体（nfcp）与稳定性（stability），该方法在幂次无处处稠密图、地图图（map graphs）及无二分团图（biclique-free graphs）等图类中，实现了 Distance-r Dominating Set 与 Distance-r Independent Set 的线性时间固定参数算法，显著扩展了已知可解决性的边界，并提升了运行时间表现。

ABSTRACT

We consider a generic algorithmic paradigm that we call progressive exploration, which can be used to develop simple and efficient parameterized graph algorithms. We identify two model-theoretic properties that lead to efficient progressive algorithms, namely variants of the Helly property and stability. We demonstrate our approach by giving linear-time fixed-parameter algorithms for the distance-r dominating set problem (parameterized by the solution size) in a wide variety of restricted graph classes, such as powers of nowhere dense classes, map graphs, and (for $r=1$) biclique-free graphs. Similarly, for the distance-r independent set problem the technique can be used to give a linear-time fixed-parameter algorithm on any nowhere dense class. Despite the simplicity of the method, in several cases our results extend known boundaries of tractability for the considered problems and improve the best known running times.

研究动机与目标

• 开发一种通用且高效的算法框架，用于在受限图类上求解参数化图问题。
• 识别出确保渐进探索可高效实现的模型论条件——具体为 Helly 性质的变体（nfcp）与稳定性（stability）。
• 将 Distance-r Dominating Set 与 Distance-r Independent Set 的固定参数可解决性的边界，从子图封闭类进一步拓展。
• 在诸如无处处稠密图的幂次类、地图图及无二分团图等广泛图类中，实现这些问题的线性时间固定参数算法。

提出的方法

• 渐进探索范式通过多轮逐步构建候选解与验证证据，每轮利用先前发现的不可行性证据来细化搜索空间。
• 其依赖于候选解与验证证据之间一致性的首阶可定义性，以确保每轮计算的高效性。
• 该方法利用模型论中的 nfcp 概念（Helly 性质的变体）保证存在小规模验证证据，从而实现紧凑表示与高效计算。
• 逻辑公式的稳定性确保了轮次数在参数 k 上有界，从而实现固定参数可解决性。
• 通过分析图类的轮廓复杂度 ν_C^r(m)，将该方法应用于 Distance-r Dominating Set 与 Distance-r Independent Set。
• 结合拉姆齐理论论证与结构图论，对轮廓复杂度进行有界，尤其适用于无处处稠密图与地图图。

实验结果

研究问题

• RQ1 能否开发一种通用的算法框架，使得在稀疏图类上，支配与独立集问题能够实现线性时间的固定参数算法？
• RQ2 哪些模型论性质能确保渐进探索在有界轮数内终止，并生成小规模验证证据？
• RQ3 Distance-r Dominating Set 与 Distance-r Independent Set 的可解决性边界，能够多大程度上超越子图封闭类？
• RQ4 轮廓复杂度 ν_C^r(m) 与半阶梯索引（semi-ladder indices）在特定图类中如何影响渐进探索的效率？
• RQ5 与现有算法相比，该方法能否实现更优的运行时间？

主要发现

• 本文证明，渐进探索在无处处稠密图的幂次类、地图图及无二分团图（当 r=1 时）中，可为 Distance-r Dominating Set 问题提供线性时间固定参数算法。
• 对于 Distance-r Independent Set，该方法在任意无处处稠密图类中均能提供线性时间固定参数算法。
• 该方法在运行时间上优于已有算法，并将可解决性的边界拓展至子图封闭类之外。
• 轮廓复杂度 ν_C^r(m) 满足：当 C = D^s 时，ν_C^r(m) ≤ ν_D^{rs}(m)；当 C 为地图图时，ν_C^r(m) ≤ ν_P^{2r}(m)，其中 D 与 P 为无处处稠密类。
• 对于 K_t,t-自由图，ν_C^1(m) = O(m^t)，这使得在渐进探索框架中可实现高效计算。
• 通过拉姆齐理论论证证明：若某公式具有有界半阶梯索引，则其轮廓复杂度为多项式有界，从而确保算法中轮次数有界。