[论文解读] Recognizing Unit Multiple Intervals Is Hard

Virginia Ardévol Martínez, Roméo Rizzi+2 more|arXiv (Cornell University)|Jan 1, 2023

Constraint Satisfaction and Optimization被引用 1

一句话总结

本文证明了对所有 d ≥ 2，识别单位 d-区间图是 NP-完全的，确立了图识别中一个重要的复杂性边界。作者设计了一种新颖的从 3-SAT 到单位 2-区间图的归约，使用专门的区间构件，证明即使在单位长度区间的限制下，识别问题依然计算困难。该结果可推广至所有 x ≥ 11 的 (x,…,x) d-区间图，以及所有 r ≥ 4 的深度 r 单位 d-区间图。

ABSTRACT

Multiple interval graphs are a well-known generalization of interval graphs introduced in the 1970s to deal with situations arising naturally in scheduling and allocation. A $d$-interval is the union of $d$ intervals on the real line, and a graph is a $d$-interval graph if it is the intersection graph of $d$-intervals. In particular, it is a unit $d$-interval graph if it admits a $d$-interval representation where every interval has unit length. Whereas it has been known for a long time that recognizing 2-interval graphs and other related classes such as 2-track interval graphs is NP-complete, the complexity of recognizing unit 2-interval graphs remains open. Here, we settle this question by proving that the recognition of unit 2-interval graphs is also NP-complete. Our proof technique uses a completely different approach from the other hardness results of recognizing related classes. Furthermore, we extend the result for unit $d$-interval graphs for any $d\geq 2$, which does not follow directly in graph recognition problems --as an example, it took almost 20 years to close the gap between $d=2$ and $d> 2$ for the recognition of $d$-track interval graphs. Our result has several implications, including that recognizing $(x, \dots, x)$ $d$-interval graphs and depth $r$ unit 2-interval graphs is NP-complete for every $x\geq 11$ and every $r\geq 4$.

研究动机与目标

• 本文旨在解决长期悬而未决的开放问题：识别单位 2-区间图是否为 NP-完全。
• 研究 d-区间图子类中多项式时间可解与 NP-完全之间的精确复杂性边界。
• 作者将他们的困难性结果扩展至所有 x ≥ 11 的 (x,…,x) d-区间图。
• 同时，他们为在深度 r 单位 d-区间图中识别问题的运行时间建立了下界，其中 r ≥ 4。

提出的方法

• 作者通过使用自定义区间构件编码变量和子句，构建了从 3-SAT 到单位 2-区间图识别的多项式时间归约。
• 他们设计了一个黑色顶点构件和最长连续块表示法，以在单位长度区间框架下模拟逻辑约束。
• 该归约确保存在满足赋值当且仅当构造出的图具有有效的单位 2-区间表示。
• 该证明技术与以往针对相关类别的 NP-难结果有本质不同，其核心依赖于单位长度区间的结构特性。
• 为推广至 d > 2 的情况，他们将构件扩展为 (11,…,11) d-区间表示，同时保持单位长度和结构约束。
• 他们利用指数时间假设（ETH）推导出任何识别算法运行时间的下界，表明其无法在 2^o(|V|+|E|) 时间内完成。

实验结果

研究问题

• RQ1 尽管单位 2-区间图是 d-区间图的一个自然且受限的子类，其识别问题是否为 NP-完全？
• RQ2 深度 r 单位 d-区间图的精确复杂性边界是什么，特别是当 r = 3 时？
• RQ3 对于较小的 x 值（如 x < 11），(x,…,x) d-区间图是否可在多项式时间内识别？
• RQ4 单位 d-区间图识别的 NP-难性是否对所有 d ≥ 2 成立？若成立，该构造如何扩展？
• RQ5 在标准复杂性假设下，识别单位 2-区间图的任何算法的最优运行时间下界是什么？

主要发现

• 对所有 d ≥ 2，识别单位 d-区间图是 NP-完全的，解决了长期悬而未决的开放问题。
• 该困难性结果对所有 x ≥ 11 的 (x,…,x) d-区间图成立，因为构造出的图是有效的 (11,…,11) d-区间表示。
• 对所有 r ≥ 4 和 d ≥ 2，深度 r 单位 d-区间图的识别是 NP-完全的，构造出的表示深度恰好为 4。
• 从 3-SAT 到单位 2-区间图识别的归约生成了大小为 O(n + m) 的实例，其中 n 和 m 分别为变量数和子句数。
• 在指数时间假设（ETH）下，任何算法都无法在 2^o(|V|+|E|) 时间内识别单位 2-区间图，从而建立了强下界。
• 通过整数线性规划（ILP）求解器验证，构造出的图对任意 x < 11 均不是 (x,…,x) d-区间图。