[论文解读] Speeding-up Dynamic Programming with Representative Sets - An Experimental Evaluation of Algorithms for Steiner Tree on Tree Decompositions

Stefan Fafianie, Hans L. Bodlaender+1 more|arXiv (Cornell University)|May 31, 2013

Algorithms and Data Compression被引用 3

一句话总结

本文评估了基于秩的动态规划方法——通过高斯消去法生成代表性集合——在树分解上的Steiner树问题。结果表明，该方法显著减小了表的大小并加快了计算速度，即使在小分枝宽度实例上也优于经典动态规划，证实了其在实际应用中的可行性，而不仅限于理论优势。

ABSTRACT

Dynamic programming on tree decompositions is a frequently used approach to solve otherwise intractable problems on instances of small treewidth. In recent work by Bodlaender et al., it was shown that for many connectivity problems, there exist algorithms that use time, linear in the number of vertices, and single exponential in the width of the tree decomposition that is used. The central idea is that it suffices to compute representative sets, and these can be computed efficiently with help of Gaussian elimination. In this paper, we give an experimental evaluation of this technique for the Steiner Tree problem. A comparison of the classic dynamic programming algorithm and the improved dynamic programming algorithm that employs the table reduction shows that the new approach gives significant improvements on the running time of the algorithm and the size of the tables computed by the dynamic programming algorithm, and thus that the rank based approach from Bodlaender et al. does not only give significant theoretical improvements but also is a viable approach in a practical setting, and showcases the potential of exploiting the idea of representative sets for speeding up dynamic programming algorithms.

研究动机与目标

• 评估基于秩的动态规划方法在Steiner树问题上的实际性能。
• 比较经典动态规划（CDP）与基于代表性集合的算法（RBA）在运行时间和表大小效率方面的表现。
• 评估时间复杂度的理论改进是否能在实际实例中转化为可测量的加速效果。
• 分析树分解结构（如连接节点数量）对基于秩的算法性能的影响，而不仅限于分枝宽度本身。
• 探索将代表性集合技术应用于NP难问题的精确算法的可行性。

提出的方法

• 基于秩的方法利用代表性集合，在树分解的动态规划过程中仅保留最具前景的部分解。
• 通过在编码部分解可行扩展的矩阵上应用高斯消去法，计算行的最小代表性集合。
• 该方法利用可代表性的概念与线性代数技术，在保持最优性的同时减少表的大小。
• 对于树分解中的每个节点，算法通过扩展矩阵的基计算出一个压缩后的表，以最小化冗余条目。
• 该方法被实现，并与经典动态规划（CDP）及两种变体（RBA、RBC）在基准图和随机图上进行比较。
• 性能通过运行时间、表大小和时间限制内的成功率进行衡量，同时详细记录表填充和高斯消去法所花费的时间。

实验结果

研究问题

• RQ1 基于秩的方法结合代表性集合是否在Steiner树问题上为经典动态规划带来可测量的运行时间改进？
• RQ2 经典动态规划与基于代表性集合的动态规划在中间表大小方面有何差异？
• RQ3 树分解结构（如连接节点数量）在多大程度上影响基于秩的算法性能？
• RQ4 用于表压缩的高斯消去法所花费的时间是否被更小的表大小带来的收益所抵消？
• RQ5 当分枝宽度增加时，基于秩的方法是否能解决经典动态规划在时间限制内超时的实例？

主要发现

• 基于秩的方法（RBA）在经典动态规划（CDP）基础上实现了显著的加速，且随着分枝宽度的增加，性能提升更加明显。
• 表的大小被大幅减少——例如，在分枝宽度为11的es500fst05实例中，CDP存储了860,867个部分解，而RBA将其减少至80,694个。
• 与表大小减少所节省的时间相比，高斯消去法所花费的时间微不足道，因此其开销可忽略不计。
• 对于i080-004实例，基于秩的方法在时间限制内成功求解，而CDP未能完成，尤其归因于分解中连接节点数量较多。
• 表大小的减少在较高分枝宽度下最为显著，证实了该方法的可扩展性与实际优势。
• RBA与RBC变体表现出完全相同的性能，表明在实际应用中，基表示的选择对运行时间影响极小。