[论文解读] Tight Bounds for Chordal/Interval Vertex Deletion Parameterized by Treewidth

Michał Włodarczyk|arXiv (Cornell University)|Jan 1, 2023

Algorithms and Data Compression被引用 1

一句话总结

本文提出了一种确定性算法，用于弦图顶点删除问题，当给定一个分枝宽为 $tw$ 的树分解时，其时间复杂度为 $2^{O(tw)} \cdot n$，优于先前的 $2^{O(tw^2)} \cdot n^{O(1)}$ 界限。关键创新在于发现弦图与图形拟阵之间的一种新联系，从而能够利用代表性族技术，实现与分枝宽的单指数依赖关系。对于区间顶点删除问题，本文在指数时间假设下证明了 $2^{\Omega(tw \log tw)} \cdot n$ 的下界，从而确立了已知上界紧致性。

ABSTRACT

In Chordal/Interval Vertex Deletion we ask how many vertices one needs to remove from a graph to make it chordal (respectively: interval). We study these problems under the parameterization by treewidth tw of the input graph G. On the one hand, we present an algorithm for Chordal Vertex Deletion with running time 2^𝒪(tw)⋅|V(G)|, improving upon the running time 2^𝒪(tw²)⋅|V(G)|^𝒪(1) by Jansen, de Kroon, and Włodarczyk (STOC'21). When a tree decomposition of width tw is given, then the base of the exponent equals 2^{ω-1}⋅3 + 1. Our algorithm is based on a novel link between chordal graphs and graphic matroids, which allows us to employ the framework of representative families. On the other hand, we prove that the known 2^𝒪(tw log tw)⋅|V(G)|-time algorithm for Interval Vertex Deletion cannot be improved assuming Exponential Time Hypothesis.

研究动机与目标

• 为基于分枝宽参数化的弦图顶点删除问题，弥合上界与下界之间的差距。
• 在提供树分解的前提下，建立 $2^{O(tw)} \cdot n$ 时间复杂度的紧致 $2^{O(tw)} \cdot n$ 算法。
• 在指数时间假设下，证明区间顶点删除问题的已知 $2^{O(tw \log tw)} \cdot n$ 时间复杂度算法是最优的。
• 开发弦图与拟阵之间新的结构联系，以支持高效动态规划算法的设计。

提出的方法

• 利用弦图与图形拟阵之间新颖的联系，通过可表示集合建模弦图完成。
• 使用代表性族框架，在树分解遍历过程中高效维护和压缩部分解。
• 在每个树分解节点定义状态为四元组 $(X, \pi, I, c)$，其中 $X$ 为未被删除的顶点集合，$\pi$ 为 $X$ 上的区间表示，$I$ 跟踪被删除顶点的连通分量，$c$ 为被删除顶点的数量。
• 应用支配规则：若 $(X, \pi, I, c)$ 支配 $(X, \pi, I', c')$（即 $I \sqsubseteq_\pi I'$ 且 $c \leq c'$），则可安全舍弃后者。
• 当 $|\chi(t)| = k$ 时，利用区间表示的结构与包含极小区间的性质，将每个节点的非支配状态数量限制在 $2^{O(k \log k)}$ 以内。
• 将算法扩展至加权图，并证明即使未提供树分解，$2^{O(tw)} \cdot n$ 的时间复杂度依然成立，这是由于存在 $2^{O(tw)}$-近似分枝宽的算法。

实验结果

研究问题

• RQ1 当以分枝宽为参数时，弦图顶点删除问题是否能在单指数时间 $2^{O(tw)} \cdot n$ 内求解？
• RQ2 在指数时间假设下，区间顶点删除问题的 $2^{O(tw \log tw)} \cdot n$ 时间复杂度算法是否是最优的？
• RQ3 能否利用弦图与拟阵之间的结构联系，设计高效的动态规划算法？
• RQ4 该基于拟阵的新方法能否扩展至改进以解大小 $k$ 为参数的弦图顶点删除问题的算法？

主要发现

• 当给定一个分枝宽为 $k$ 的树分解时，弦图顶点删除问题的确定性算法时间复杂度为 $O(c^{k\omega+1} n)$，其中 $c = 2^{\omega-1} \cdot 3 + 1$，实现了与分枝宽的单指数依赖。
• 该算法利用弦图与图形拟阵之间新颖的联系，使得代表性族技术可用于高效的状态压缩。
• 对于区间顶点删除问题，本文在指数时间假设下证明了 $2^{\Omega(tw \log tw)} \cdot n$ 的下界，与目前已知的最佳上界匹配，从而确立了紧致性。
• 每个树分解节点的非支配状态数量被限制在 $2^{O(k \log k)}$ 以内，确保了算法的效率。
• 该算法可扩展至加权图，并且即使未提供输入树分解，也能实现 $2^{O(tw)} \cdot n$ 的时间复杂度，这是由于存在 $2^{O(tw)}$-近似分枝宽的算法。
• 该结果意味着，弦图顶点删除问题的指数底数进一步优化的可能性极低，因为其复杂性已相对于反馈顶点集问题达到紧致性，仅差常数因子。