[论文解读] Towards a Theory of Parameterized Streaming Algorithms

Rajesh Chitnis, Graham Cormode|arXiv (Cornell University)|Jan 1, 2019

Advanced Graph Theory Research参考文献 34被引用 2

一句话总结

本文通过引入空间复杂度类的层级结构——FPS、SubPS、SemiPS、SupPS 和 BrutePS，为参数化流算法建立了基础理论，并将关键图问题（如最长路径、反馈顶点集和树宽）归类于该框架。论文提出了利用 FPT 技术（如双维性与迭代压缩）的新参数化流算法，并通过通信复杂度和基于核化的约化方法证明了紧致的空间下界，表明即使在参数化设置下，许多问题仍需近乎最优的空间。

ABSTRACT

Parameterized complexity attempts to give a more fine-grained analysis of the complexity of problems: instead of measuring the running time as a function of only the input size, we analyze the running time with respect to additional parameters. This approach has proven to be highly successful in delineating our understanding of NP-hard problems. Given this success with the TIME resource, it seems but natural to use this approach for dealing with the SPACE resource. First attempts in this direction have considered a few individual problems, with some success: Fafianie and Kratsch [MFCS'14] and Chitnis et al. [SODA'15] introduced the notions of streaming kernels and parameterized streaming algorithms respectively. For example, the latter shows how to refine the Omega(n^2) bit lower bound for finding a minimum Vertex Cover (VC) in the streaming setting by designing an algorithm for the parameterized k-VC problem which uses O(k^{2}log n) bits. In this paper, we initiate a systematic study of graph problems from the paradigm of parameterized streaming algorithms. We first define a natural hierarchy of space complexity classes of FPS, SubPS, SemiPS, SupPS and BrutePS, and then obtain tight classifications for several well-studied graph problems such as Longest Path, Feedback Vertex Set, Dominating Set, Girth, Treewidth, etc. into this hierarchy (see Figure 1 and Table 1). On the algorithmic side, our parameterized streaming algorithms use techniques from the FPT world such as bidimensionality, iterative compression and bounded-depth search trees. On the hardness side, we obtain lower bounds for the parameterized streaming complexity of various problems via novel reductions from problems in communication complexity. We also show a general (unconditional) lower bound for space complexity of parameterized streaming algorithms for a large class of problems inspired by the recently developed frameworks for showing (conditional) kernelization lower bounds. Parameterized algorithms and streaming algorithms are approaches to cope with TIME and SPACE intractability respectively. It is our hope that this work on parameterized streaming algorithms leads to two-way flow of ideas between these two previously separated areas of theoretical computer science.

研究动机与目标

• 开发图问题参数化流算法的系统性理论，解决传统流模型之外的空间复杂度问题。
• 定义并表征专用于参数化流的层级空间复杂度类（FPS、SubPS、SemiPS、SupPS、BrutePS）。
• 将知名 NP-难图问题（如最长路径、反馈顶点集和树宽）归类于这些复杂度类。
• 通过来自通信复杂度和核化下界的新约化方法，建立参数化流算法的紧致空间下界。
• 弥合参数化算法（关注时间）与流算法（关注空间）之间的差距，促进两领域间的交叉融合。

提出的方法

• 提出参数化流的正式空间复杂度类层级，以 FPS 为核心类，用于描述可在 f(k) · poly(log n) 空间内求解的问题。
• 设计基于 FPT 技术的参数化流算法：对平面图使用双维性，对 k-OCT 等问题使用迭代压缩，对核化启发的剪枝使用有界深度搜索树。
• 采用通信复杂度约化方法证明下界，特别是通过从 Index 问题约化，建立 d-SAT 及其他问题的空间下界。
• 将 FPT 领域中的条件核化下界适配为参数化流算法的无条件空间下界。
• 在 d-SAT 的条款到达模型中使用，表明任何流算法至少需要 Ω((N/d)^d) 位空间，证明对 d ≥ 2，存储所有条款几乎是不可避免的。
• 引入流算法的指数时间假设类比，表明当 d ≥ 2 时，d-SAT 在变量数量上需要指数空间。

实验结果

研究问题

• RQ1 我们能否为参数化流算法定义一个正式的复杂度层级，以捕捉参数 k 与空间使用之间的相互作用？
• RQ2 哪些经典图问题（如最长路径、反馈顶点集和树宽）属于 FPS、SubPS 或 BrutePS 类？
• RQ3 我们能否在流环境中使用 FPT 技术（如迭代压缩和双维性）设计高效的参数化流算法？
• RQ4 参数化流算法的内在空间下界是什么？能否通过通信复杂度无条件推导出这些下界？
• RQ5 FPT 中的条件核化下界在多大程度上可转化为流模型中的无条件空间下界？

主要发现

• k-顶点覆盖问题可在 O(k² log n) 位空间内求解，优于经典流模型中的 Ω(n²) 下界。
• k-OCT 问题（判断图是否为 k-边删去二分图）在单轮算法中已知有 Ω(n log n) 位的下界，但即使对 k=1，也尚未发现高效的多轮算法。
• 在条款到达模型中，d-SAT 的任何流算法至少需要 Ω((N/d)^d) 位空间，表明对 d ≥ 2，存储所有条款几乎是不可避免的。
• 论文通过从 Index 问题约化，证明了 d-SAT（d ≥ 2）的无条件空间下界为 Ω(n) 位，表明不存在亚线性空间算法。
• 该框架表明，最长路径、反馈顶点集和圈长等问题属于 SupPS 或 BrutePS 类，表明即使在参数化设置下，仍需近乎完整图存储。
• 本研究表明，FPT 中的条件核化下界可转化为参数化流算法的无条件空间下界，为证明不可解性提供了新工具。