Разрывающее множество вершин на неориентированном графе
Ключевые слова и синонимы
Постановка задачи
Задача нахождения разрывающего множества вершин на неориентированном графе (The UNDIRECTED FEEDBACK VERTEX SET, UFVS) определяется следующим образом.
Дано: неориентированный граф G = (V, E) и целое число k > 0.
Требуется: найти разрывающее множество вершин F С V с jFj < k, такое, что каждый цикл в графе G содержит не менее одной вершины из F. (В результате удаления всех вершин F из G граф превращается в лес).
Карп [11] показал, что эта задача является NP-полной. Лунд и Янакаккис [12] доказали, что существует некоторая константа e > 0, такая, что аппроксимация версии оптимизации UFVS с коэффициентом 1 + e является NP-полной задачей. Лучший известный на данный момент алгоритм аппроксимации с полиномиальным временем выполнения имеет коэффициент 2 [1, 4]. Беккер и др. [3] предложили простой и элегантный рандомизированный алгоритм, решающий задачу UFVS за время O(c-4k-kn) на графе с n вершинами и m ребрами при помощи нахождения разрывающего множества вершин размера k с вероятностью не менее 1 — (1 — 4 k)ci для произвольной константы c. Точный алгоритм решения задачи UFVS с временем выполнения O(1.7548n) недавно разработали Фомин и др. [9]. В контексте параметризованной сложности [8, 13] Бодлендер [5], а также Дауни и Феллоуз [7] первыми показали, что задача разрешима при помощи алгоритмов с фиксированными параметрами, т.е. что комбинаторный взрыв при ее решении может быть ограничен параметром k. Наилучший известный на данный момент алгоритм решения задачи UFVS с фиксированным параметром выполняется за время O(ck-mn) для константы c [6, 10] (в [6] представлен анализ наилучшего времени выполнения, имеющего место при значении константы c = 10,567). Этот алгоритм будет рассмотрен далее.
1Supported by the Deutsche Forschungsgemeinschaft, Emmy Noether research group PIAF (fixed-parameter algorithms), NI369/4
Основные результаты
Алгоритм решения задачи UFVS за время O(ck-mn)основан на так называемой технике «итеративного сжатия», введенной Ридом и др. [14]. Основная идея этой техники проста, но эффективна: для вывода алгоритма с фиксированным параметром для задачи минимизации достаточно задать «подпрограмму сжатия» с фиксированным параметром, которая для решения размера (k + 1) либо доказывает, что решения размера k не существует, либо строит такое решение. Начиная с тривиального экземпляра и итеративно применяя подпрограмму сжатия линейное количество раз к экземплярам большего размера, получаем алгоритм решения задачи с фиксированным параметром. Главная проблема при применении этой техники к задаче UFVS заключается в том, чтобы показать, что такая подпрограмма сжатия с фиксированным параметром существует.
Подпрограмма сжатия из [6, 10] работает следующим образом:
1 Рассмотрим все возможные разбиения (X, Y), имеющие размер (k + 1), для разрывающего множества вершин F с jXj < k в предположении, что множество X полностью содержится в новом разрывающем множестве F0 размера k и что Y \ F0 = ;
2 Для каждого разбиения (X, Y), в случае, если вершины из Y порождают циклы, ответ для этого разбиения будет отрицательным; в противном случае следует удалить вершины из X. После э того необходимо применить следующие правила редукции данных к оставшемуся графу:
• Удалить вершины степени 1.
• Если существует вершина степени 2 с двумя соседями v1 и v2, где v1 £ Y или v2 £ Y, то удалить v и соединить v1 и v2. Если при этом создается второе параллельное ребро между v1 и v2, удалить вершину v1 или v2, не принадлежащую к Y, и добавить ее к любому разрывающему множеству вершин для сокращенного экземпляра. Наконец, исчерпывающим образом для каждого множества вершин S сокращенного графа, размер которого не превышает k — |X|, проверить, можно ли добавить S к X для образования разрывающего множества вершин входного графа. Если такое множество вершин существует, вывести его вместе с X в качестве нового разрывающего множества вершин размера k.
Корректность подпрограммы сжатия следует из ее прямолинейной природы и из корректности двух правил редукции данных, доказать которую несложно. Сложнее всего доказать, что время выполнения подпрограммы сжатия составляет O(ck-m): Существует 2k+1 разбиений множества F на вышеупомянутые подмножества (X, Y); можно показать, что для каждого разбиения сокращенный граф после выполнения правил редукции данных имеет не более d-k вершин для константного значения d; в противном случае для этого разбиения не существует разрывающего множества вершин размера k. Таким образом, время выполнения составляет O(c'c-m). Более детальное доказательство границы размера d-k см. в [6, 10].
Для входного графа G с множеством вершин fv1 ;::: ;vng алгоритм с фиксированным параметром из работ [6, 10] решает задачу UFVS путем итеративного рассмотрения подграфов Gi := G[fv1 , ... , vig]. Для i = 1 оптимальное разрывающее множество вершин является пустым. Предположим, что в случае i > 1 оптимальное разрывающее множество вершин Xi для Gi неизвестно. Очевидно, что Xi [ fvi+1g является искомым множеством для Gi+1. Используя подпрограмму сжатия, алгоритм за время O(ck-m) может определить, является ли Xi [ fvi+1g оптимальным разрывающим множеством вершин для Gi+1, и в случае, если оно таковым не является, вычислить оптимальное разрывающее множество вершин для Gi+1. Таким образом, в случае i = n мы получаем оптимальное разрывающее множество вершин для графа G за время O(c -mri).
Теорема 1. Задачу нахождения разрывающего множества вершин на неориентированном графе можно решить за время O(ck-mn) для константного значения c.
Применение
Задача нахождения разрывающего множества вершин на неориентированном графе имеет огромное значение для комбинаторной оптимизации. Типичным примером может служить разработка комбинаторных схем [ ]. Приложения в области задач на удовлетворение ограничений и баейсовского вывода см. в работе Бар-Йехуды и др. [2].
Открытые вопросы
До сих пор не исследована эффективность описанного алгоритма на практике. Еще одно перспективное направление исследований заключается в улучшении границы времени выполнения, приведенной в теореме 1. Наконец, долгое время остается нерешенным вопрос, является ли задача нахождения разрывающего множества на ориентированном графе разрешимой с фиксированным параметром. Ответ на этот вопрос станет серьезным прорывом в данной области.
Литература
1. Bafna, V., Berman, P., Fujito, T.: A 2-approximation algorithm for the undirected feedback vertex set problem. SIAM J. Discret. Math. 3(2), 289-297 (1999)
2. Bar-Yehuda, R., Geiger, D., Naor, J., Roth, R.M.: Approximation algorithms for the feedback vertex set problem with applications to constraint satisfaction and Bayesian inference. SIAM J. Comput. 27(4), 942-959 (1998)
3. Becker, A., Bar-Yehuda, R., Geiger, D.: Randomized algorithms for the Loop Cutset problem. J. Artif. Intell. Res. 12, 219-234 (2000)
4. Becker, A., Geiger, D.: Approximation algorithms for the Loop Cutset problem. In: Proc. 10th Conference on Uncertainty in Artificial Intelligence, pp. 60-68. Morgan Kaufman, San Fransisco (1994)
5. Bodlaender, H.L.: On disjoint cycles. Int. J. Found. Comp. Sci. 5(1),59-68(1994)
6. Dehne, F., Fellows, M.R., Langston, M.A., Rosamond, F., Stevens, K.: An O(2O(k)n3) FPT algorithm for the undirected feedback vertex set problem. In: Proc. 11th COCOON. LNCS, vol. 3595, pp. 859-869. Springer, Berlin (2005). Long version to appear in: J. Discret. Algorithms
7. Downey, R.G., Fellows, M.R.: Fixed-parameter tractability and completeness. Congres. Numerant.87,161-187 (1992)
8. Downey, R.G., Fellows, M.R.: Parameterized Complexity. Springer, Heidelberg (1999)
9. Fomin, F.V., Gaspers, S., Pyatkin, A.V.: Finding a minimum feedback vertex set in time O(1.7548n). In: Proc. 2th IWPEC. LNCS, vol.4196, pp. 184-191. Springer, Berlin (2006)
10. Guo, J., Gramm, J., HCiffner, F., Niedermeier, R., Wernicke, S.: Compression-based fixed-parameter algorithms for Feedback Vertex Set and Edge Bipartization. J. Comp. Syst. Sci. 72(8), 1386-1396 (2006)
11. Karp, R.: Reducibility among combinatorial problems. In: Miller, R., Thatcher, J. (eds.) Complexity of Computer Computations, pp. 85-103. Plenum Press, New York (1972)
12. Lund, C., Yannakakis, M.: The approximation of maximum subgraph problems. In: Proc. 20th ICALP. LNCS, vol. 700, pp.40-51. Springer, Berlin (1993)
13. Niedermeier, R.: Invitation to Fixed-Parameter Algorithms. Oxford University Press, Oxford (2006)
14. Reed, B., Smith, K., Vetta, A.: Finding odd cycle transversals. Oper. Res. Lett. 32(4), 299-301 (2004)