[论文解读] The Parameterized Hardness of the k-Center Problem in Transportation Networks

Andreas Emil Feldmann, Dániel Marx|arXiv (Cornell University)|Feb 23, 2018

Advanced Graph Theory Research被引用 6

一句话总结

本文证明了在满足有界膨胀维数的平面图上，k-Center问题在参数化为k、高速公路维度h和路径宽p时，即使在指数时间假设（ETH）下，仍是W[1]-难的。此外，本文提出了一个参数化(1+ε)-近似算法，时间复杂度为(k^k / ε^{O(kd)}) · n^{O(1)}，适用于膨胀维数为d的图，推广了先前针对L_q度量的结果。

ABSTRACT

In this paper we study the hardness of the $k$-Center problem on inputs that model transportation networks. For the problem, a graph $G=(V,E)$ with edge lengths and an integer $k$ are given and a center set $C\\subseteq V$ needs to be chosen such that $|C|\\leq k$. The aim is to minimize the maximum distance of any vertex in the graph to the closest center. This problem arises in many applications of logistics, and thus it is natural to consider inputs that model transportation networks. Such inputs are often assumed to be planar graphs, low doubling metrics, or bounded highway dimension graphs. For each of these models, parameterized approximation algorithms have been shown to exist. We complement these results by proving that the $k$-Center problem is W[1]-hard on planar graphs of constant doubling dimension, where the parameter is the combination of the number of centers $k$, the highway dimension $h$, and the pathwidth $p$. Moreover, under the Exponential Time Hypothesis there is no $f(k,p,h)\\cdot n^{o(p+\\sqrt{k+h})}$ time algorithm for any computable function $f$. Thus it is unlikely that the optimum solution to $k$-Center can be found efficiently, even when assuming that the input graph abides to all of the above models for transportation networks at once! Additionally we give a simple parameterized $(1+\\varepsilon)$-approximation algorithm for inputs of doubling dimension $d$ with runtime $(k^k/\\varepsilon^{O(kd)})\\cdot n^{O(1)}$. This generalizes a previous result, which considered inputs in $D$-dimensional $L_q$ metrics.

研究动机与目标

• 研究k-Center问题在真实交通网络模型（如平面图、低膨胀度量和有界高速公路维度图）中的参数化复杂性。
• 确定在k、路径宽p和高速公路维度h等组合结构参数下，k-Center是否存在高效的固定参数可追踪（FPT）或参数化近似算法。
• 弥合现有正面结果（近似算法）与负面结果（难解性）在建模交通网络的结构化图类之间的差距。
• 为低膨胀度量中的k-Center提供一个参数化(1+ε)-近似算法，推广先前在L_q空间中的结果。

提出的方法

• 通过从W[1]-难的基树（GT ≤）问题归约，证明了在常数膨胀维数的平面图上，k-Center问题是W[1]-难的。
• 使用一种归约方法，构造出大小为O(κ)的袋集合的路径分解，其中κ = Θ(√k)，从而确保路径宽有界。
• 应用指数时间假设（ETH），排除了在f(k,p,h) · n^{o(p+√(k+h))}时间内运行的算法，其中f为任意可计算函数。
• 通过猜测最优半径ρ，计算ερ/2-网Y，并对Y上的问题进行暴力搜索，设计出(1+ε)-近似算法。
• 利用膨胀维数的性质，将Y中任意半径ρ的球的大小限制在ε^{O(d)}个点以内，从而限制|Y| ≤ k / ε^{O(d)}。
• 将基于网的方法与候选ρ值的二分查找相结合，确保首次找到的有效解即为(1+ε)-近似解。

实验结果

研究问题

• RQ1 在有界膨胀维数的平面图中，当参数化为k、路径宽p和高速公路维度h时，k-Center问题是否是固定参数可追踪的？
• RQ2 在低膨胀度量中，k-Center是否存在高效的参数化近似方案，其依赖关系如何？
• RQ3 指数时间假设是否排除了在结合了这些参数的交通网络模型中，k-Center的亚指数时间算法？
• RQ4 在L_q度量上的正面结果能否推广到任意低膨胀度量？
• RQ5 在低膨胀度量中，(1+ε)-近似k-Center问题的最紧可能的参数化运行时间是什么？

主要发现

• 当参数化为k、路径宽p和高速公路维度h时，即使在常数膨胀维数的平面图上，k-Center问题仍是W[1]-难的。
• 在指数时间假设（ETH）下，对于任意可计算函数f，均无法在f(k,p,h) · n^{o(p+√(k+h))}时间内求解k-Center，即使这三个结构参数均被有界。
• 存在一个针对膨胀维数为d的图的参数化(1+ε)-近似算法，其时间复杂度为(k^k / ε^{O(kd)}) · n^{O(1)}。
• 该算法通过猜测最优半径ρ，计算ερ/2-网Y，并对Y上的问题进行暴力搜索实现，利用膨胀性质限制|Y|的大小。
• Y中任意半径ρ的球的大小被限制在ε^{O(d)}个点以内，确保网足够小，可进行高效暴力搜索。
• 该算法通过确保每个顶点距离网中某点不超过ερ/2，且每个最优中心距离网中某点不超过ερ/2，从而保证最终解能覆盖所有顶点，实现(1+ε)-近似。