Відповіді:
Основна ідея відповіді: якщо ми зменшимо екземпляр параметризованого незалежного набору до параметризованого Vertex Cover, то параметр, ніж ми в кінцевому підсумку, залежить від розміру графіка, і не залежить тільки від вхідного параметра. Тепер ще трохи детальніше.
Як відомо, параметризована задача знаходиться в (рівномірному) FPT, якщо є алгоритм, який вирішує, чи міститься вхід у в часі для деяка функція .( x , k ) Q f ( k ) | х | O ( 1 ) f
Так як ви можете вирішити , є чи граф має верхове покриття розміру , вибираючи ребро, і розгалуження , на якому з двох кінцевих точок , щоб покласти в кришці вершини, це розгалуження тільки йде глибоко (інакше ви поклали більше , ніж вершини в обкладинці) і легко пробігає в часі ; тому -Vertex Cover знаходиться у FPT.k k k O ( 2 k n 2 ) k
Тепер припустимо, ми хочемо спробувати використовувати цей алгоритм, щоб показати, що параметризований незалежний набір є у FPT; припустимо, що нам дано графік на вершинах і хочемо вирішити, чи має він незалежний набір розміру . Це рівнозначно питанню, чи має вершина кришки розміром . Тому ми використовуємо наш вище алгоритм для обчислення відповіді за час . Для нашого алгоритму FPT експоненціальна функція за час роботи може залежати від параметра, який є , але він НЕ може залежати від розміру вводу, який дорівнює ; але підхід, який ми накреслили, використовує показник часу вn ℓ G n - ℓ O ( 2 n - ℓ n 2 ) ℓ n n - ℓ ℓі тому не є параметром FPT стосовно параметра . Ось чому той факт, що Vertex Cover знаходиться в FPT, не означає, що незалежний набір знаходиться в FPT.
Я б не сказав, що «природа» проблеми змінюється, що б це не означало. Все, що змінюється, - це параметр, тобто спосіб вимірювання складності проблеми.
Графіки з розміром кришки вершини не більше настільки структуровані, що можна ефективно зменшити їх розмір: Ми можемо жадібно знайти максимальну відповідність розміру не більше а решта графа - незалежний набір розміру принаймні . Використання правил скорочення , такі як зниження крони, число вершин може бути зменшено до самого більшого .k n - 2 k 2 k
З іншого боку, графіки, які мають вершинні кришки розміру не більше (або, що еквівалентно, максимальні незалежні мають розмір не менше ), схоже, не мають такої простої структури. Це можна зробити точно, як ви вказуєте: їх структура дозволяє нам кодувати будь-яку -проблему.k W [ 1 ]
Наступне може дати певну інтуїцію різниці. Підмножина вершин S - це вершинна кришка G = (V, E) тоді і лише тоді, коли VS є незалежним набором, тому якщо MVC - розмір мінімальної кришки вершин, то MIS = | V | -MVC - розмір максимальний незалежний набір. Алгоритм FPT, параметризований X, дозволяє експоненціальним режимом виконання як функцію X. Випадковий графік на n вершинах з вірогідністю ребра в половину має високу вірогідність MIS розміром близько 2logn і MVC розміром приблизно n-2logn. Таким чином, принаймні для цих графіків алгоритм FPT, параметризований MVC, просто дозволяє набагато більше часу, ніж один параметризований MIS.
Хоча я погоджуюся з тим, що сказали інші, інший спосіб, який я вважаю корисним при роздумах над цими речами, - це переробити проблему як проблему розпізнавання, тобто "Чи вхідний графік належить до сімейства графіків, які мають покриття вершини не більше k?" / "Чи належить вхідний графік до сімейства графіків, які мають незалежний набір принаймні k?".
Тож для мене це одне інтуїтивне пояснення, чому я б очікував, що легше буде розпізнати кришку малих вершин, ніж малий незалежний набір. Звичайно, повинно бути очевидним, що наведені думки ніде не є офіційним аргументом, і я думаю, що наприкінці дня найбільш переконливим доказом того, що насправді важче визнати незалежний набір розміром k, є саме W-твердість незалежної набір!
Це дуже непряма відповідь і може не зовсім вирішити вашу стурбованість. Але FPT та ієрархія W тісно пов'язані з наближенням (проблеми FPT часто мають PTAS тощо). У цьому контексті зауважте, що для будь-якого графіка VC = n - MIS, і тому наближення для VC не дає апроксимації для MIS. Ось чому вам потрібні зменшення L для наближення. Я підозрюю, що існує еквівалентне поняття "зменшення збереження ядра" для параметризованої складності.