分层技术求解顶点覆盖问题

分层技术求解顶点覆盖问题

图上的顶点覆盖问题是一类特殊的集合覆盖问题，如果你把每一个顶点变换成其邻边的集合，那么顶点的集合就会被替换成一个邻边集合的集合，记为S。可以看到，我们把图中的边集记为全集U，那么从S中选择集合来覆盖U就是一个集合覆盖问题。本文我们介绍一种叫做分层的技术来求解顶点覆盖问题。

一个特殊顶点权重的例子

在一个图中，如果每个顶点的权重被定义为它的度，那么这个图会变得非常特殊（如下图）。

在这个图中，最小覆盖集（之一）如下：

我们想阐述一个事实：
在图G=（V，E）中，记最小覆盖集的权重和为OPT，那么即使我们选完图上的所有顶点作为覆盖集C（C=V），那么也有:
$$cost(C)\le 2\cdot OPT$$
显然在上例中OPT=12，而cost(V)=24，是满足这个不等式的。

证明：

首先有：OPT>=|E| ，因为覆盖集是必须要覆盖到每一条边的，就算每一条边只和覆盖集中一个顶点相连，OPT也得等于|E|，何况可能会有一些边和覆盖集中的两个顶点相连呢。

其次有：cost(V)=2*|E|，其实cost(V)就是顶点度的和，由度和公式知该等式成立。

因此有：cost(V)=2*|E|<=2·OPT

一般化结论：

如果所有顶点的权重都是度的某一常数c倍（满足这个性质，我们就称该图顶点的权重叫做基于度的权重），也有cost(V)<=2·OPT。（其实就是不等式两边同时乘以了c，方法和上面雷同，就不证明了）。

一般权重的情况

一般权重下，我们可以借鉴上述性质构造一个算法，从图中一层一层地剥离出顶点基于度的权重的子图来。算法步骤如下：

1. 去除图中的孤立点将他们添加到集合d_i(i表示循环轮数，因此这个集合表示i轮循环中出现的孤立点)，如果图为空，结束循环
2. 遍历剩余图中的所有顶点v，计算c=cost(v)/deg(v),找到最小的c_min，从图中剥离出基于c_min倍顶点权重的子图，对于c=c_min的顶点，将其添加到集合w_i（i表示循环的轮数，因此该集合表示i轮循环中平均代价最小的点）
3. 循环上述步骤
4. 输出顶点覆盖集为所有w_i的并集W。

用一幅图来概括大概就是这样：

一个具体实例如下：
一开始的图G0：

清除孤立点：

计算出c_min=1/4，从图中剥离出基于c_min倍度数权重的子图：

没有孤立点可以去除，继续计算出c_min=1/8，从图中剥离出基于c_min倍度数权重的子图：

现在只剩下孤立点，去除后程序运行完毕，下面是最终生成的覆盖集合（红色点，我们还标记出了每个点的分类）：

下面我们来分析算法，讨论为什么W是一个覆盖集，以及为什么cost(W)<=2·OPT

首先为什么W是覆盖集？我们说明这样一个事实，所有的边只有两种情况：

• 一个顶点在W中，一个顶点在D中
• 两个顶点都在W中

这两个条件就表明了W是覆盖集，也就等价于不存在这样的情况：

• 两个顶点都在D中

我们来证明这个命题。从上图也能看出来他是成立的，原因何在呢？很简单，如果两个顶点i，j相互连接，他们二者之一必有一个是被集合W选走的，否则它两不可能被D选走。因为W不选走他们之一，它两就不会落单，不会落单就不会被D选走。

所以，W是覆盖集就得证了，下面我们考虑为什么这个近似算法的cost<=2·OPT：

基于分层，这个问题就很容易得证了，我们可以把cost看成覆盖集W在每个分层图中的cost的累加：

OPT也能如此分解在每个分层图中，并且OPT对应的覆盖集在每个分层图中的分解也是分层图的覆盖集，这是很显然的。当然在分层图中OPT可能还会有位于D上的顶点，这更不妨碍在W第i层分解上的开销不大于2倍OPT在第i层分解上的开销。对每一层求和，即可得到cost(W)<=2·OPT