Complexité paramétrée (3) Recherche de noyaux - bornes inférieures Christophe PAUL (CNRS - LIRMM) Noyaux exponentiels Edge Clique-Cover Longest Path Algorithmes de distillation et de composition Conjecture de ou-distillation Non-existence de noyau polynomial Exemples Transformations paramétrées polynomiales Définition et exemple Réductions non-triviales Compositions croisées Définition et théorèmes Dominating set Autres techniques et-composition Bornes inférieures polynomiales Observation Le théorème prouvant, pour un problème paramétré (Q, κ), l’équivalence entre l’existence d’un noyau et son appartenance à la classe de complexité FPT, ne permet que de déduire des noyaux de tailles exponentiels. I Peut-on démontrer que certains problèmes n’admettent pas de noyau polynomial ? L’exemple de Edge Clique-Cover x y I I Un graphe G = (V , E ) et un paramètre k ∈ N Peut-on couvrir les arètes E par au plus k cliques ? L’exemple de Edge Clique-Cover x y Théorème [Gramm, Guo, Hüffner, Niedermeier] Edge Clique-Cover admet un noyau de taille 2k sommets. L’exemple de Edge Clique-Cover x y Théorème [Gramm, Guo, Hüffner, Niedermeier] Edge Clique-Cover admet un noyau de taille 2k sommets. Règles de réduction 1. Supprimer les sommets isolés 2. S’il existe deux sommets x et y tels que N[x] = N[y ], supprimer l’un des deux sommets. L’exemple de Edge Clique-Cover x y Théorème [Gramm, Guo, Hüffner, Niedermeier] Edge Clique-Cover admet un noyau de taille 2k sommets. Preuve : Supposons qu’il existe k cliques C1 . . . Ck couvrant E . A chaque sommet x on asscocie un verteur C de k bits tel que C [x, i] = 1 ⇐⇒ x ∈ Ci Observation : ∀i ∈ [k] C [x, i] = C [y , i] ssi N[x] = N[y ] L’exemple de Edge Clique-Cover x y Théorème [Gramm, Guo, Hüffner, Niedermeier] Edge Clique-Cover admet un noyau de taille 2k sommets. Preuve : Supposons qu’il existe k cliques C1 . . . Ck couvrant E . A chaque sommet x on asscocie un verteur C de k bits tel que C [x, i] = 1 ⇐⇒ x ∈ Ci Observation : ∀i ∈ [k] C [x, i] = C [y , i] ssi N[x] = N[y ] Problème ouvert Edge Clique-Cover admet-il un noyau polynomial ? L’exemple de Edge Clique-Cover x y Théorème [Gramm, Guo, Hüffner, Niedermeier] Edge Clique-Cover admet un noyau de taille 2k sommets. Preuve : Supposons qu’il existe k cliques C1 . . . Ck couvrant E . A chaque sommet x on asscocie un verteur C de k bits tel que C [x, i] = 1 ⇐⇒ x ∈ Ci Observation : ∀i ∈ [k] C [x, i] = C [y , i] ssi N[x] = N[y ] Problème ouvert Edge Clique-Cover admet-il un noyau polynomial ? NON Longest Path I Un graphe G = (V , E ) et un paramètre k ∈ N I G contient-il un chemin de taille k ? Longest Path est NP-Complet (cf. chemin hamiltonien) mais peut-être résolu en temps O(c k .nO(1) ) grâce à Color Coding. Longest Path Hypothèse Il existe un algorithme de kernelization A pour Longest Path qui retourne un noyau polynomial. I construisons une instance (G , k) avec t instances différentes (G , k) = (G1 , k) ⊕ (G2 , k) ⊕ . . . ⊕ (Gt , k) Longest Path Hypothèse Il existe un algorithme de kernelization A pour Longest Path qui retourne un noyau polynomial. I construisons une instance (G , k) avec t instances différentes (G , k) = (G1 , k) ⊕ (G2 , k) ⊕ . . . ⊕ (Gt , k) Observation : (G , k) admet un chemin de longueur k ssi ∃i tq Gi admet un chemin de taille k. Question : Est-il possible que A identifie en temps polynomial quel Gi , parmi n les 22 possibles, possède un chemin de longueur k ? Noyaux exponentiels Edge Clique-Cover Longest Path Algorithmes de distillation et de composition Conjecture de ou-distillation Non-existence de noyau polynomial Exemples Transformations paramétrées polynomiales Définition et exemple Réductions non-triviales Compositions croisées Définition et théorèmes Dominating set Autres techniques et-composition Bornes inférieures polynomiales Algorithmes de distillation Un algorithme de ou-distillation A pour un problème de décision Q (i.e. non paramétré) sur l’alphabet Σ est un algorithme qui : I reçoit une séquence (x1 , . . . xt ), avec xi ∈ Σ∗ , ∀i ∈ [t]; Algorithmes de distillation Un algorithme de ou-distillation A pour un problème de décision Q (i.e. non paramétré) sur l’alphabet Σ est un algorithme qui : I I reçoit une séquence (x1 , . . . xt ), avec xi ∈ Σ∗ , ∀i ∈ [t]; P possède une complexité polynomiale en ti=1 |xi |, Algorithmes de distillation Un algorithme de ou-distillation A pour un problème de décision Q (i.e. non paramétré) sur l’alphabet Σ est un algorithme qui : I reçoit une séquence (x1 , . . . xt ), avec xi ∈ Σ∗ , ∀i ∈ [t]; P possède une complexité polynomiale en ti=1 |xi |, I retourne y ∈ Σ∗ tel que I 1. y ∈ Q ⇔ ∃i ∈ [t], xi ∈ Q; 2. |y | est polynomial en maxi∈[t] |xi |. Algorithmes de distillation Un algorithme de ou-distillation A pour un problème de décision Q (i.e. non paramétré) sur l’alphabet Σ est un algorithme qui : I reçoit une séquence (x1 , . . . xt ), avec xi ∈ Σ∗ , ∀i ∈ [t]; P possède une complexité polynomiale en ti=1 |xi |, I retourne y ∈ Σ∗ tel que I 1. y ∈ Q ⇔ ∃i ∈ [t], xi ∈ Q; 2. |y | est polynomial en maxi∈[t] |xi |. Conjecture [Bodlaender, Downey, Fellows, Hermelin] Aucun problème NP-Complet n’est ou-distillable. Algorithmes de distillation Un algorithme de ou-distillation A pour un problème de décision Q (i.e. non paramétré) sur l’alphabet Σ est un algorithme qui : I reçoit une séquence (x1 , . . . xt ), avec xi ∈ Σ∗ , ∀i ∈ [t]; P possède une complexité polynomiale en ti=1 |xi |, I retourne y ∈ Σ∗ tel que I 1. y ∈ Q ⇔ ∃i ∈ [t], xi ∈ Q; 2. |y | est polynomial en maxi∈[t] |xi |. Conjecture [Bodlaender, Downey, Fellows, Hermelin] Aucun problème NP-Complet n’est ou-distillable. Théorème [Fortnow et Santhanam] S’il existe un problème NP-complet ou-distillable, alors PH = Σ3p Algorithme de ou-composition Un algorithme de ou-composition pour un problème paramétré (Q, κ) ⊆ Σ∗ × N est un algorithme A qui I reçoit une séquence ((x1 , k), . . . (xt , k)), avec (xi , k) ∈ Σ∗ × N ∀i ∈ [t]; Algorithme de ou-composition Un algorithme de ou-composition pour un problème paramétré (Q, κ) ⊆ Σ∗ × N est un algorithme A qui I I reçoit une séquence ((x1 , k), . . . (xt , k)), avec (xi , k) ∈ Σ∗ × N ∀i ∈ [t]; P a une complexité polynomiale en ti=1 |xi | + k, Algorithme de ou-composition Un algorithme de ou-composition pour un problème paramétré (Q, κ) ⊆ Σ∗ × N est un algorithme A qui I I I reçoit une séquence ((x1 , k), . . . (xt , k)), avec (xi , k) ∈ Σ∗ × N ∀i ∈ [t]; P a une complexité polynomiale en ti=1 |xi | + k, retourne (y , k 0 ) ∈ Σ∗ × N tel que 1. (y , k 0 ) ∈ (Q, κ) ⇔ ∃i ∈ [t], (xi , k) ∈ (Q, κ); 2. k 0 est polynomial en k. Algorithme de ou-composition Un algorithme de ou-composition pour un problème paramétré (Q, κ) ⊆ Σ∗ × N est un algorithme A qui I I I reçoit une séquence ((x1 , k), . . . (xt , k)), avec (xi , k) ∈ Σ∗ × N ∀i ∈ [t]; P a une complexité polynomiale en ti=1 |xi | + k, retourne (y , k 0 ) ∈ Σ∗ × N tel que 1. (y , k 0 ) ∈ (Q, κ) ⇔ ∃i ∈ [t], (xi , k) ∈ (Q, κ); 2. k 0 est polynomial en k. Observation : L’existence d’un noyau polynomial pour Longest Path impliquerait l’existence d’un algorithme de ou-composition. Théorème [Bodlaender, Downey, Fellows, Hermelin] Soit (Q, κ) ∈ Σ∗ × N un problème paramétré ou-composable tel que le problème Q̃ ∈ Σ∗ (non-paramétré) est NP-Complet. Si (Q, κ) admet un noyau polynomial, alors Q̃ est ou-distillable. Théorème [Bodlaender, Downey, Fellows, Hermelin] Soit (Q, κ) ∈ Σ∗ × N un problème paramétré ou-composable tel que le problème Q̃ ∈ Σ∗ (non-paramétré) est NP-Complet. Si (Q, κ) admet un noyau polynomial, alors Q̃ est ou-distillable. I (x, κ(x)) instance de (Q, κ) −→ x#1k instance de Q̃ Théorème [Bodlaender, Downey, Fellows, Hermelin] Soit (Q, κ) ∈ Σ∗ × N un problème paramétré ou-composable tel que le problème Q̃ ∈ Σ∗ (non-paramétré) est NP-Complet. Si (Q, κ) admet un noyau polynomial, alors Q̃ est ou-distillable. I (x, κ(x)) instance de (Q, κ) −→ x#1k instance de Q̃ I Puisque Q̃ est un problème NP-Complet, il existe deux transformations polynomiales Φ : Q̃ −→ sat Ψ : sat −→ Q̃ Théorème [Bodlaender, Downey, Fellows, Hermelin] Soit (Q, κ) ∈ Σ∗ × N un problème paramétré ou-composable tel que le problème Q̃ ∈ Σ∗ (non-paramétré) est NP-Complet. Si (Q, κ) admet un noyau polynomial, alors Q̃ est ou-distillable. I (x, κ(x)) instance de (Q, κ) −→ x#1k instance de Q̃ I Puisque Q̃ est un problème NP-Complet, il existe deux transformations polynomiales Φ : Q̃ −→ sat I Ψ : sat −→ Q̃ on va construire un algorithme A de ou-distillation pour Q̃ à partir de Φ, Ψ, de l’algorithme de ou-composition C et de l’algorithme K calculant le noyau de (Q, κ). (x1 #1k1 , . . . , xt #1kt ) ↓ ((x1 , k1 ) . . . (xt , kt )) . & {(xi , ki ) | ki = p1 } ... {(xi , ki ) | ki = pr } C↓ ou-composition ↓ kernelization (yr , kr0 ) . K (y1 , k10 ) K& ((z1 , k100 ), . . . , (zr , kr00 )) ↓ 00 00 (z1 #1k1 , . . . , zr #1kr ) ↓Φ k100 00 (Φ(z1 #1 ), . . . Φ(zr #1kr ) ↓Ψ W 00 Ψ( i∈[r ] Φ(zi #1ki )) C L’algorithme décrit est un algorithme de ou-distillation pour Q̃. I W 00 Ψ( i∈[r ] (Φ(zi #1ki )) ∈ Q̃ ⇐⇒ ∃i ∈ [r ], (x1 #1k1 ) ∈ Q̃ L’algorithme décrit est un algorithme de ou-distillation pour Q̃. I I W 00 Ψ( i∈[r ] (Φ(zi #1ki )) ∈ Q̃ ⇐⇒ ∃i ∈ [r ], (x1 #1k1 ) ∈ Q̃ P La complexité de l’algorithme est polynomiale en i∈[t] |xi | L’algorithme décrit est un algorithme de ou-distillation pour Q̃. I I I W 00 Ψ( i∈[r ] (Φ(zi #1ki )) ∈ Q̃ ⇐⇒ ∃i ∈ [r ], (x1 #1k1 ) ∈ Q̃ P La complexité de l’algorithme est polynomiale en i∈[t] |xi | Il reste à prouver que la taille de l’instance de Q̃ retournée est polynomiale en n = maxi∈[t] |xi #1ki | L’algorithme décrit est un algorithme de ou-distillation pour Q̃. I I I W 00 Ψ( i∈[r ] (Φ(zi #1ki )) ∈ Q̃ ⇐⇒ ∃i ∈ [r ], (x1 #1k1 ) ∈ Q̃ P La complexité de l’algorithme est polynomiale en i∈[t] |xi | Il reste à prouver que la taille de l’instance de Q̃ retournée est polynomiale en n = maxi∈[t] |xi #1ki | I r 6 k = maxi∈[r ] kr 6 n L’algorithme décrit est un algorithme de ou-distillation pour Q̃. I I I W 00 Ψ( i∈[r ] (Φ(zi #1ki )) ∈ Q̃ ⇐⇒ ∃i ∈ [r ], (x1 #1k1 ) ∈ Q̃ P La complexité de l’algorithme est polynomiale en i∈[t] |xi | Il reste à prouver que la taille de l’instance de Q̃ retournée est polynomiale en n = maxi∈[t] |xi #1ki | I I r 6 k = maxi∈[r ] kr 6 n ∀i ∈ [r ], ki0 est borné par un polynôme en ki 6 k 6 n (C est un algorithme de ou-composition) L’algorithme décrit est un algorithme de ou-distillation pour Q̃. I I I W 00 Ψ( i∈[r ] (Φ(zi #1ki )) ∈ Q̃ ⇐⇒ ∃i ∈ [r ], (x1 #1k1 ) ∈ Q̃ P La complexité de l’algorithme est polynomiale en i∈[t] |xi | Il reste à prouver que la taille de l’instance de Q̃ retournée est polynomiale en n = maxi∈[t] |xi #1ki | I I I r 6 k = maxi∈[r ] kr 6 n ∀i ∈ [r ], ki0 est borné par un polynôme en ki 6 k 6 n (C est un algorithme de ou-composition) 00 Donc pour tout i ∈ [r ], la taille de zi #1ki est bornée par un polynôme en n (K est une kernalization) L’algorithme décrit est un algorithme de ou-distillation pour Q̃. I I I W 00 Ψ( i∈[r ] (Φ(zi #1ki )) ∈ Q̃ ⇐⇒ ∃i ∈ [r ], (x1 #1k1 ) ∈ Q̃ P La complexité de l’algorithme est polynomiale en i∈[t] |xi | Il reste à prouver que la taille de l’instance de Q̃ retournée est polynomiale en n = maxi∈[t] |xi #1ki | I I I I r 6 k = maxi∈[r ] kr 6 n ∀i ∈ [r ], ki0 est borné par un polynôme en ki 6 k 6 n (C est un algorithme de ou-composition) 00 Donc pour tout i ∈ [r ], la taille de zi #1ki est bornée par un polynôme en n (K est W une kernalization) 00 Donc la taille de Ψ( i∈[r ] (Φ(zi #1ki )) est bornée par un polynôme en n (Φ et Ψ sont des transformations polynomiales) Conséquences Corollaire Sauf si PH = Σ3p , Longest Path n’admet pas de noyau polynomial. Conséquences Corollaire Sauf si PH = Σ3p , Longest Path n’admet pas de noyau polynomial. Sous-arborescence avec k feuilles → − Etant donné un graphe orienté D = (V , E ), existe-t-il une → − arborescence T dans D avec k feuilles ? → algo en O(4k nO(1) ) Conséquences Corollaire Sauf si PH = Σ3p , Longest Path n’admet pas de noyau polynomial. Sous-arborescence avec k feuilles → − Etant donné un graphe orienté D = (V , E ), existe-t-il une → − arborescence T dans D avec k feuilles ? → algo en O(4k nO(1) ) Lemme Sauf si PH = Σ3p , le problème k-Sous-Arborescence n’admet pas de noyau polynomial. Conséquences Corollaire Sauf si PH = Σ3p , Longest Path n’admet pas de noyau polynomial. Sous-arborescence avec k feuilles → − Etant donné un graphe orienté D = (V , E ), existe-t-il une → − arborescence T dans D avec k feuilles ? → algo en O(4k nO(1) ) Lemme Sauf si PH = Σ3p , le problème k-Sous-Arborescence n’admet pas de noyau polynomial. Remarque La version enracinée (on fixe une racine r ) admet un noyau cubique ! Noyaux exponentiels Edge Clique-Cover Longest Path Algorithmes de distillation et de composition Conjecture de ou-distillation Non-existence de noyau polynomial Exemples Transformations paramétrées polynomiales Définition et exemple Réductions non-triviales Compositions croisées Définition et théorèmes Dominating set Autres techniques et-composition Bornes inférieures polynomiales Transformations polynomiales et paramétrées Soient (P, π) et (Q, κ) deux problèmes paramétrés. Une transformation polynomiale et paramétrée (tpp) de (P, π) vers (Q, κ) est un algorithme polynomial A qui : I I à toute instance (x, k) de (P, π) associe une instance (x 0 , k 0 ) de (Q, κ); (x, k) ∈ (P, π) ⇐⇒ (x 0 , k 0 ) ∈ (Q, π) et On note (P, π) 6TPP (Q, κ) k 0 6 poly (k) Transformations polynomiales et paramétrées Soient (P, π) et (Q, κ) deux problèmes paramétrés. Une transformation polynomiale et paramétrée (tpp) de (P, π) vers (Q, κ) est un algorithme polynomial A qui : I I à toute instance (x, k) de (P, π) associe une instance (x 0 , k 0 ) de (Q, κ); (x, k) ∈ (P, π) ⇐⇒ (x 0 , k 0 ) ∈ (Q, π) et k 0 6 poly (k) On note (P, π) 6TPP (Q, κ) Théorème [Bodlaender, Thomassé, Yeo] Soient (P, π) et (Q, κ) deux problèmes paramétrés tels que P est NP-Complet et Q appartient à NP. Si (P, π) 6TPP (Q, κ) et si (P, π) n’admet pas de noyau polynomial, alors (Q, κ) n’admet pas de noyau polynomial. Exercice : Faire la preuve du théorème précédent. (Idée : en supposant que (Q, κ) admet un noyau polynomial, alors on construit un algorithme polynomial qui réduit (P, π) à un noyau polynomial.) Exercice : Faire la preuve du théorème précédent. Utilisation I construction de noyaux polynomiaux I preuve de non-existence de noyau polynomial: Exercice : Faire la preuve du théorème précédent. Utilisation I construction de noyaux polynomiaux I preuve de non-existence de noyau polynomial: Path Packing → Tester si un graphe contient k chemins sommets disjoints de taille k Exercice : Faire la preuve du théorème précédent. Utilisation I construction de noyaux polynomiaux I preuve de non-existence de noyau polynomial: Path Packing → Tester si un graphe contient k chemins sommets disjoints de taille k Remarque : Path-Packing n’est pas ou-composable ! Exercice : Faire la preuve du théorème précédent. Utilisation I construction de noyaux polynomiaux I preuve de non-existence de noyau polynomial: Path Packing → Tester si un graphe contient k chemins sommets disjoints de taille k Remarque : Path-Packing n’est pas ou-composable ! k k!1 k!1 2 1 Longest Path 6TPP Path Packing Disjoint Paths I Un graphe G et k paires de sommets (s1 , t1 ), . . . (sk , tk ) I G contient-il k chemins P1 , . . . Pk , sommets disjoints tels que Pi est un chemin entre si et ti (i ∈ [k]) ? s1 s3 t1 t2 s2 t3 Disjoint Paths I Un graphe G et k paires de sommets (s1 , t1 ), . . . (sk , tk ) I G contient-il k chemins P1 , . . . Pk , sommets disjoints tels que Pi est un chemin entre si et ti (i ∈ [k]) ? s1 s3 t1 t2 s2 t3 Remarque I Disjoint Paths est FPT et NPC [Roberston et Seymour] I Mais Disjoint Paths n’est pas ou-composable Disjoint Paths Méthode I Introduction d’un problème intermédiaire (P, π) I Montrer que (P, π) est FPT et ou-composable, que P (non-paramétré) est NP-Complet I Montrer que (P, π) 6TPP Disjoint Paths Disjoint Paths Méthode I Introduction d’un problème intermédiaire (P, π) I Montrer que (P, π) est FPT et ou-composable, que P (non-paramétré) est NP-Complet I Montrer que (P, π) 6TPP Disjoint Paths Disjoint Factors Un mot W sur Σ = {1, . . . k} possède la propriété des facteurs disjoints si W contient k facteurs disjoints F1 , . . . Fk tels que ∀i ∈ [k], Fi commence et termine par la lettre i et |Fi | > 2. Disjoint Paths Méthode I Introduction d’un problème intermédiaire (P, π) I Montrer que (P, π) est FPT et ou-composable, que P (non-paramétré) est NP-Complet I Montrer que (P, π) 6TPP Disjoint Paths Disjoint Factors Un mot W sur Σ = {1, . . . k} possède la propriété des facteurs disjoints si W contient k facteurs disjoints F1 , . . . Fk tels que ∀i ∈ [k], Fi commence et termine par la lettre i et |Fi | > 2. 1 2432 4 313 2 4234 23 141 Disjoint Paths Exercice 1. Montrer que Disjoint Factors est FPT (idée : par programmation dynamique en temps O(nk· 2k )) 2. Montrer que Disjoint Factors est NP-Complet (idée : réduction depuis 3-sat) Disjoint Paths Exercice 1. Montrer que Disjoint Factors est FPT (idée : par programmation dynamique en temps O(nk· 2k )) 2. Montrer que Disjoint Factors est NP-Complet (idée : réduction depuis 3-sat) Lemme [BTY] : Disjoint Factors est ou-composable Disjoint Paths Exercice 1. Montrer que Disjoint Factors est FPT (idée : par programmation dynamique en temps O(nk· 2k )) 2. Montrer que Disjoint Factors est NP-Complet (idée : réduction depuis 3-sat) Lemme [BTY] : Disjoint Factors est ou-composable ((W1 , k) , (W2 , k)) ↓ ((k + 1).W1 .(k + 1).W2 .(k + 1), (k + 1)) Disjoint Paths Exercice 1. Montrer que Disjoint Factors est FPT (idée : par programmation dynamique en temps O(nk· 2k )) 2. Montrer que Disjoint Factors est NP-Complet (idée : réduction depuis 3-sat) Lemme [BTY] : Disjoint Factors est ou-composable ((W1 , k) , (W2 , k) , (W3 , k) , (W4 , k)) . (k + 1)W1 (k + 1)W2 (k + 1) & & (k + 1)W3 .(k + 1)W4 (k + 1) . (k + 2)(k + 1)W1 (k + 1)W2 (k + 1)(k + 2)(k + 1)W3 (k + 1)W4 (k + 1)(k + 2) Disjoint Paths Exercice 1. Montrer que Disjoint Factors est FPT (idée : par programmation dynamique en temps O(nk· 2k )) 2. Montrer que Disjoint Factors est NP-Complet (idée : réduction depuis 3-sat) Lemme [BTY] : Disjoint Factors est ou-composable ((W1 , k) . . . (Wt , k)) −→ (W 0 , k + dlog2 te) Remarques: Disjoint Paths Exercice 1. Montrer que Disjoint Factors est FPT (idée : par programmation dynamique en temps O(nk· 2k )) 2. Montrer que Disjoint Factors est NP-Complet (idée : réduction depuis 3-sat) Lemme [BTY] : Disjoint Factors est ou-composable ((W1 , k) . . . (Wt , k)) −→ (W 0 , k + dlog2 te) Remarques: I t 6 2k , sinon le problème P peut se résoudre en temps polynomial car 2k 6 t1 |Wi |. Disjoint Paths Exercice 1. Montrer que Disjoint Factors est FPT (idée : par programmation dynamique en temps O(nk· 2k )) 2. Montrer que Disjoint Factors est NP-Complet (idée : réduction depuis 3-sat) Lemme [BTY] : Disjoint Factors est ou-composable ((W1 , k) . . . (Wt , k)) −→ (W 0 , k + dlog2 te) Remarques: I t 6 2k , sinon le problème P peut se résoudre en temps polynomial car 2k 6 t1 |Wi |. I k + dlog2 te 6 2k Disjoint Paths Lemme [BTY] : Disjoint Factors 6TPP Disjoint Paths 1 2 4 3 2 4 3 1 3 2 4 2 3 4 2 3 1 4 1 t1 s1 t2 s2 s3 t3 s4 t4 Théorème [Bodlaender, Thomassé, Yeo] Disjoint Paths n’admet pas de noyau polynomial à moins que PH = Σ3p Noyaux exponentiels Edge Clique-Cover Longest Path Algorithmes de distillation et de composition Conjecture de ou-distillation Non-existence de noyau polynomial Exemples Transformations paramétrées polynomiales Définition et exemple Réductions non-triviales Compositions croisées Définition et théorèmes Dominating set Autres techniques et-composition Bornes inférieures polynomiales Compositions croisées Idée de base / objectifs I unifier les deux techniques existantes (Ou-composition et tpp) I permettre de composer un problème vers un autre problème I être capable de composer des problèmes NP-complets vers des problèmes FPT Compositions croisées Idée de base / objectifs I unifier les deux techniques existantes (Ou-composition et tpp) I permettre de composer un problème vers un autre problème I être capable de composer des problèmes NP-complets vers des problèmes FPT Une relation d’équivalence R sur Σ∗ est une relation d’équivalence polynomiale si 1. ∃ un algorithme qui décide si xRy en temps (|x| + |y |)O(1) 2. ∀S ⊆ Σ∗ , R partitionne S en au plus (maxx∈S |X |)O(1) classes Compositions croisées Idée de base / objectifs I unifier les deux techniques existantes (Ou-composition et tpp) I permettre de composer un problème vers un autre problème I être capable de composer des problèmes NP-complets vers des problèmes FPT Une relation d’équivalence R sur Σ∗ est une relation d’équivalence polynomiale si 1. ∃ un algorithme qui décide si xRy en temps (|x| + |y |)O(1) 2. ∀S ⊆ Σ∗ , R partitionne S en au plus (maxx∈S |X |)O(1) classes I Exemple : nombre de sommets et valeur du paramètres égaux Compositions croisées Soient L ⊆ Σ∗ et (Q, κ) ⊆ Σ∗ × N. Il existe une composition croisée de L vers Q si il existe une relation d’équivalence polynomiale R sur Σ∗ et un algorithme A qui I I I reçoit une séquence (x1 , . . . xt ), tel que ∀1 6 i < j 6 t, xi Rxj P a une complexité polynomiale en ti=1 |xi | retourne (x, k) ∈ Σ∗ × N tel que 1. (x, k) ∈ (Q, κ) ⇔ ∃i ∈ [t], xi ∈ L t |xi | + log t. 2. k est polynomial en maxi=1 Compositions croisées Soient L ⊆ Σ∗ et (Q, κ) ⊆ Σ∗ × N. Il existe une composition croisée de L vers Q si il existe une relation d’équivalence polynomiale R sur Σ∗ et un algorithme A qui I I I reçoit une séquence (x1 , . . . xt ), tel que ∀1 6 i < j 6 t, xi Rxj P a une complexité polynomiale en ti=1 |xi | retourne (x, k) ∈ Σ∗ × N tel que 1. (x, k) ∈ (Q, κ) ⇔ ∃i ∈ [t], xi ∈ L t |xi | + log t. 2. k est polynomial en maxi=1 Théorème [Bodlaender, Jansen, Kratsch] Soit A une composition croisée d’un problème NP-complet L ⊆ Σ∗ vers un problème paramétré (Q, κ) tel que Q̃ ∈ NP-complet. Si (Q, κ) admet un noyau polynomial, alors L admet une ou-distillation. Compositions croisées Soient L ⊆ Σ∗ et (Q, κ) ⊆ Σ∗ × N. Il existe une composition croisée de L vers Q si il existe une relation d’équivalence polynomiale R sur Σ∗ et un algorithme A qui I reçoit une séquence (x1 , . . . xt ), tel que ∀1 6 i < j 6 t, xi Rxj Pt I a une complexité polynomiale en i=1 |xi | I retourne (x, k) ∈ Σ∗ × N tel que 1. (x, k) ∈ (Q, κ) ⇔ ∃i ∈ [t], xi ∈ L t 2. k est polynomial en maxi=1 |xi | + log t. Théorème [Bodlaender, Jansen, Kratsch] Soit A une composition croisée d’un problème NP-complet L ⊆ Σ∗ vers un problème paramétré (Q, κ) tel que Q̃ ∈ NP-complet. Si (Q, κ) admet un noyau polynomial, alors L admet une ou-distillation. I preuve similaire à celle de la ou-composition Compositions croisées (x1 #1k1 , . . . , xt #1kt ) . R & 1 r X1 = {(x11 #1k1 , . . . } ... Xr = {(x1r #1k1 , . . . } A↓ composition croisée ↓ (y1 , k10 ) A (yr , kr0 ) K↓ ↓ kernelization (z1 , k100 ) K (zr , kr00 & . (z1 00 #1k1 , . . . , z r 00 #1kr ) ↓ Φ : Q̃ → SAT 00 00 (Φ(z1 #1k1 ), . . . Φ(zr #1kr ) ↓ Ψ : SAT → L W 00 z = Ψ( i∈[r ] Φ(zi #1ki )) L’algorithme décrit est un algorithme de ou-distillation pour Q̃. I On pose m = maxi∈[t] |xi | et t 6 (|Σ| + 1)m (sinon certaines instances sont des copies que l’on supprime) L’algorithme décrit est un algorithme de ou-distillation pour Q̃. I I On pose m = maxi∈[t] |xi | et t 6 (|Σ| + 1)m (sinon certaines instances sont des copies que l’on supprime) W 00 Ψ( i∈[r ] (Φ(zi #1ki )) ∈ Q̃ ⇐⇒ ∃i ∈ [r ], (x1 #1k1 ) ∈ Q̃ L’algorithme décrit est un algorithme de ou-distillation pour Q̃. I I I On pose m = maxi∈[t] |xi | et t 6 (|Σ| + 1)m (sinon certaines instances sont des copies que l’on supprime) W 00 Ψ( i∈[r ] (Φ(zi #1ki )) ∈ Q̃ ⇐⇒ ∃i ∈ [r ], (x1 #1k1 ) ∈ Q̃ La complexité de l’algorithme est polynomiale en P i∈[t] |xi | L’algorithme décrit est un algorithme de ou-distillation pour Q̃. I I On pose m = maxi∈[t] |xi | et t 6 (|Σ| + 1)m (sinon certaines instances sont des copies que l’on supprime) W 00 Ψ( i∈[r ] (Φ(zi #1ki )) ∈ Q̃ ⇐⇒ ∃i ∈ [r ], (x1 #1k1 ) ∈ Q̃ I La complexité de l’algorithme est polynomiale en P i∈[t] |xi | I Il reste à prouver que la taille de l’instance z de Q̃ est polynomiale en n = maxi∈[t] |xi #1ki | L’algorithme décrit est un algorithme de ou-distillation pour Q̃. I I On pose m = maxi∈[t] |xi | et t 6 (|Σ| + 1)m (sinon certaines instances sont des copies que l’on supprime) W 00 Ψ( i∈[r ] (Φ(zi #1ki )) ∈ Q̃ ⇐⇒ ∃i ∈ [r ], (x1 #1k1 ) ∈ Q̃ I La complexité de l’algorithme est polynomiale en P i∈[t] |xi | I Il reste à prouver que la taille de l’instance z de Q̃ est polynomiale en n = maxi∈[t] |xi #1ki | I r est polynomial en m R est une relation d’équivalence polynomiale L’algorithme décrit est un algorithme de ou-distillation pour Q̃. I I On pose m = maxi∈[t] |xi | et t 6 (|Σ| + 1)m (sinon certaines instances sont des copies que l’on supprime) W 00 Ψ( i∈[r ] (Φ(zi #1ki )) ∈ Q̃ ⇐⇒ ∃i ∈ [r ], (x1 #1k1 ) ∈ Q̃ I La complexité de l’algorithme est polynomiale en P i∈[t] |xi | I Il reste à prouver que la taille de l’instance z de Q̃ est polynomiale en n = maxi∈[t] |xi #1ki | I I r est polynomial en m R est une relation d’équivalence polynomiale ∀i ∈ [r ], ki0 est polynomial en m + log t A est une composition croisée L’algorithme décrit est un algorithme de ou-distillation pour Q̃. I I On pose m = maxi∈[t] |xi | et t 6 (|Σ| + 1)m (sinon certaines instances sont des copies que l’on supprime) W 00 Ψ( i∈[r ] (Φ(zi #1ki )) ∈ Q̃ ⇐⇒ ∃i ∈ [r ], (x1 #1k1 ) ∈ Q̃ I La complexité de l’algorithme est polynomiale en P i∈[t] |xi | I Il reste à prouver que la taille de l’instance z de Q̃ est polynomiale en n = maxi∈[t] |xi #1ki | I I I r est polynomial en m R est une relation d’équivalence polynomiale ∀i ∈ [r ], ki0 est polynomial en m + log t A est une composition croisée ∀i ∈ [r ], |zi| et ki00 est polynomial en m + log t K est une kernelization L’algorithme décrit est un algorithme de ou-distillation pour Q̃. I I On pose m = maxi∈[t] |xi | et t 6 (|Σ| + 1)m (sinon certaines instances sont des copies que l’on supprime) W 00 Ψ( i∈[r ] (Φ(zi #1ki )) ∈ Q̃ ⇐⇒ ∃i ∈ [r ], (x1 #1k1 ) ∈ Q̃ I La complexité de l’algorithme est polynomiale en P i∈[t] |xi | I Il reste à prouver que la taille de l’instance z de Q̃ est polynomiale en n = maxi∈[t] |xi #1ki | I I I I r est polynomial en m R est une relation d’équivalence polynomiale ∀i ∈ [r ], ki0 est polynomial en m + log t A est une composition croisée ∀i ∈ [r ], |zi| et ki00 est polynomial en m + log t K est une kernelization |z| est polynomial en r × (m + log t) donc polynomial en m Corollaire : Soit A une composition croisée d’un problème NP-complet L ⊆ Σ∗ vers un problème paramétré (Q, κ) tel que Q̃ ∈ NP-complet. Sauf si PH = Σ3p , (Q, κ) n’admet pas de noyau polynomial. Corollaire : Soit A une composition croisée d’un problème NP-complet L ⊆ Σ∗ vers un problème paramétré (Q, κ) tel que Q̃ ∈ NP-complet. Sauf si PH = Σ3p , (Q, κ) n’admet pas de noyau polynomial. Observations : 1. Si le problème paramétré (P, κ) est ou-composable, alors il existe une composition croisée de P̃ vers (P, κ). I la relation d’équivalence polynomiale regroupe les instances ”valides” x#1k selon la valeur du paramètre k Corollaire : Soit A une composition croisée d’un problème NP-complet L ⊆ Σ∗ vers un problème paramétré (Q, κ) tel que Q̃ ∈ NP-complet. Sauf si PH = Σ3p , (Q, κ) n’admet pas de noyau polynomial. Observations : 1. Si le problème paramétré (P, κ) est ou-composable, alors il existe une composition croisée de P̃ vers (P, κ). I la relation d’équivalence polynomiale regroupe les instances ”valides” x#1k selon la valeur du paramètre k 2. Soient (P, κP ) et (Q, κQ ) deux problèmes paramétrés tels que (P, κP ) est ou-composable et (P, κP ) 6TPP (Q, κQ ), alors il existe une composition croisée de P̃ vers (Q, κQ ). Dominating set I Un graphe G = (V , E ) contient-il un ensemble dominant S ⊆ V de taille au plus k: ∀x ∈ V , x ∈ / S ⇒ ∃y ∈ S, (x, y ) ∈ E Dominating set I Un graphe G = (V , E ) contient-il un ensemble dominant S ⊆ V de taille au plus k: ∀x ∈ V , x ∈ / S ⇒ ∃y ∈ S, (x, y ) ∈ E Résultats connus I W [2]-complet si paramétré par la taille de la solution ⇒ pas de noyau exponentiel ! Dominating set I Un graphe G = (V , E ) contient-il un ensemble dominant S ⊆ V de taille au plus k: ∀x ∈ V , x ∈ / S ⇒ ∃y ∈ S, (x, y ) ∈ E Résultats connus I W [2]-complet si paramétré par la taille de la solution ⇒ pas de noyau exponentiel ! I FPT et ou-composable si paramétré par treewidth(G ) ⇒ pas de noyau polynomial ! Dominating set I Un graphe G = (V , E ) contient-il un ensemble dominant S ⊆ V de taille au plus k: ∀x ∈ V , x ∈ / S ⇒ ∃y ∈ S, (x, y ) ∈ E Résultats connus I W [2]-complet si paramétré par la taille de la solution ⇒ pas de noyau exponentiel ! I FPT et ou-composable si paramétré par treewidth(G ) ⇒ pas de noyau polynomial ! I FPT si paramétré par la taille d’un vertex cover Dominating set I Un graphe G = (V , E ) contient-il un ensemble dominant S ⊆ V de taille au plus k: ∀x ∈ V , x ∈ / S ⇒ ∃y ∈ S, (x, y ) ∈ E Résultats connus I W [2]-complet si paramétré par la taille de la solution ⇒ pas de noyau exponentiel ! I FPT et ou-composable si paramétré par treewidth(G ) ⇒ pas de noyau polynomial ! I FPT si paramétré par la taille d’un vertex cover MAIS vertex cover (G ) > treewidth(G ) ∃? un noyau polynomial pour la paramétrisation par vertex cover Dominating set Théorème [Wratigan] Il existe une composition croisée de Vertex Cover vers Dominating Set paramétré par vertex cover. Dominating set Théorème [Wratigan] Il existe une composition croisée de Vertex Cover vers Dominating Set paramétré par vertex cover. Soit (G1 #1k1 , . . . Gt #1kt ) une série d’instances de Vertex Cover I les deux problèmes sont NP-Complets I Gi #1ki R Gj #1kj si |V (Gi )| = |V (Gj )| = n et ki = kj = k Dominating set Théorème [Wratigan] Il existe une composition croisée de Vertex Cover vers Dominating Set paramétré par vertex cover. Soit (G1 #1k1 , . . . Gt #1kt ) une série d’instances de Vertex Cover I les deux problèmes sont NP-Complets I Gi #1ki R Gj #1kj si |V (Gi )| = |V (Gj )| = n et ki = kj = k I On construit une instance (G , kG , Z ) de Dominating Set paramétré par vertex cover avec Z un vertex cover de G tel que G admet un ensemble dominant de taille kG ssi ∃j ∈ [t] tel que Gi possède un vertex cover de taille kj 000 111 000 000111 111 S 000 1111 0000 000111 111 000000 111111 0001111 111 0000 1111 0000000 1111111 0000 a b c111111 000000 000 111 000 111 000 111 0000 1111 0000000 0000111 1111 000000 111111 00000000000000 111 0001111111 111 000 11100000000000000000 000 0000 1111 0000 1111 00000000000 11111111111 00000000000000000 11111111111111111 0000000 1111111 0000000 1111111 11111111111 000011111111111111111 1111 00000000000 11111111111 00000000000000000 11111111111111111 00000001011111111111 1111111 00000000000000000 11111111111111111 000000000000000000 1111111 00000000000 1011111111111 0000 1111 0000 1111 00000000000 11111111111 00000000000000000 11111111111111111 0000000 1111111 00000000000000000 11111111111111111 0000000 1111111 00000000000 1011111111111 0000 1111 s 11111111111111111 000011111111111111111 1111 00000000000 11111111111 00000000000000000 0000000s1011111111111 1111111 00000000000000000 00000001111 1111111 00000000000 0000s I 1 e1,2 I |S| = k + 3 i t 11111 11111 0000000 00000 1111111 00000000000 11111111111 00000 e1,n ep,q en,1 en,n−1 E (si , ep,q ) ∈ E (G ) ⇔ (p, q) ∈ / E (Gi ) 000 111 000 000111 111 S 000 1111 0000 000111 111 000000 111111 0001111 111 0000 1111 0000000 1111111 0000 a b c111111 000000 000 111 000 111 000 111 0000 1111 0000000 0000111 000000 00000000000000 111 0001111111 111 000 11111111111111111111 000 0111111 1111 000 1111 00000000000000000 11111111111111111 0000 1111 00000000000 11111111111 0000000 1111111 00000000000000000 0000000 1111111 0000 11111111111 00000000000000000 11111111111111111 0000 1111 00000000000 11111111111 00000001011111111111 1111111 00000000000000000 11111111111111111 000000000000000000 1111111 00000000000 1011111111111 0000 1111 00000000000000000 11111111111111111 0000 1111 00000000000 11111111111 0000000 1111111 00000000000000000 11111111111111111 0000000 1111111 00000000000 1011111111111 0000 1111 s 11111111111 00000000000000000 11111111111111111 0000 1111 00000000000 0000000s1011111111111 1111111 00000000000000000 11111111111111111 00000001111 1111111 00000000000 0000s I 1 e1,2 t 11111 11111 0000000 00000 1111111 00000000000 11111111111 00000 e1,n 111 000 000 000 000 000111 111 000111 111 000 111 111 000 111 000 111 000 111 000 000 000111 111 000 111 111 v11 i v1i v1n ep,q 00 11 111 000 000 000 00 000111 111 000111 111 000 11 111 000 111 000 111 000 000 000111 111 000 111 111 vj1 A1 S1 en,1 vji vjn Aj Sj en,n−1 E A 111111 000 000 000 000000 111 000111 111 000 111 111 000 111 000 111 000 111 000 000 000111 111 000 111 111 vk1 vki vkn Ak Sk I |S| = k + 3 (si , ep,q ) ∈ E (G ) ⇔ (p, q) ∈ / E (Gi ) I ∀j ∈ [k], |Sj | = k + 3 (vij , ep,q ) ∈ E (G ) ⇔ i = p ∨ i = q 000 111 000 000111 111 S 000 1111 0000 000111 111 000000 111111 0001111 111 0000 1111 0000000 1111111 0000 a b c111111 000000 000 111 000 111 000 111 0000 1111 0000000 0000111 000000 00000000000000 111 0001111111 111 000 11111111111111111111 000 0111111 1111 000 1111 00000000000000000 11111111111111111 0000 1111 00000000000 11111111111 0000000 1111111 00000000000000000 0000000 1111111 0000 11111111111 00000000000000000 11111111111111111 0000 1111 00000000000 11111111111 00000001011111111111 1111111 00000000000000000 11111111111111111 000000000000000000 1111111 00000000000 1011111111111 0000 1111 00000000000000000 11111111111111111 0000 1111 00000000000 11111111111 0000000 1111111 00000000000000000 11111111111111111 0000000 1111111 00000000000 1011111111111 0000 1111 s 11111111111 00000000000000000 11111111111111111 0000 1111 00000000000 0000000s1011111111111 1111111 00000000000000000 11111111111111111 00000001111 1111111 00000000000 0000s I 1 e1,2 e1,n v1i v1n S1 I I I t 11111 11111 0000000 00000 1111111 00000000000 11111111111 00000 111 000 000 000 000 000111 111 000111 111 000 111 111 000 111 000 111 000 111 000 000 000111 111 000 111 111 v11 i ep,q 00 11 111 000 000 000 00 000111 111 000111 111 000 11 111 000 111 000 111 000 000 000111 111 000 111 111 vj1 A1 en,1 vji vjn Aj Sj en,n−1 E A 111111 000 000 000 000000 111 000111 111 000 111 111 000 111 000 111 000 111 000 000 000111 111 000 111 111 vk1 vki vkn Ak Sk |S| = k + 3 (si , ep,q ) ∈ E (G ) ⇔ (p, q) ∈ / E (Gi ) j ∀j ∈ [k], |Sj | = k + 3 (vi , ep,q ) ∈ E (G ) ⇔ i = p ∨ i = q ∀j ∈ [k], Aj est une clique et Sj un indépendant Gi possède un vertex cover S = {u1 , . . . uk } de taille k ⇒ {c, si } ∪ {vui i : i ∈ [l]} est un (k + 2)-dominant de G 000 111 000 000111 111 S 000 1111 0000 000111 111 000000 111111 0001111 111 0000 1111 0000000 1111111 0000 a b c111111 000000 000 111 000 111 000 111 0000 1111 0000000 0000111 000000 00000000000000 111 0001111111 111 000 11111111111111111111 000 0111111 1111 000 1111 00000000000000000 11111111111111111 0000 1111 00000000000 11111111111 0000000 1111111 00000000000000000 0000000 1111111 0000 11111111111 00000000000000000 11111111111111111 0000 1111 00000000000 11111111111 00000001011111111111 1111111 00000000000000000 11111111111111111 000000000000000000 1111111 00000000000 1011111111111 0000 1111 00000000000000000 11111111111111111 0000 1111 00000000000 11111111111 0000000 1111111 00000000000000000 11111111111111111 0000000 1111111 00000000000 1011111111111 0000 1111 s 11111111111 00000000000000000 11111111111111111 0000 1111 00000000000 0000000s1011111111111 1111111 00000000000000000 11111111111111111 00000001111 1111111 00000000000 0000s I 1 e1,2 e1,n v1i v1n S1 I I I t 11111 11111 0000000 00000 1111111 00000000000 11111111111 00000 111 000 000 000 000 000111 111 000111 111 000 111 111 000 111 000 111 000 111 000 000 000111 111 000 111 111 v11 i ep,q 00 11 111 000 000 000 00 000111 111 000111 111 000 11 111 000 111 000 111 000 000 000111 111 000 111 111 vj1 A1 en,1 vji vjn Aj Sj en,n−1 E A 111111 000 000 000 000000 111 000111 111 000 111 111 000 111 000 111 000 111 000 000 000111 111 000 111 111 vk1 vki vkn Ak Sk |S| = k + 3 (si , ep,q ) ∈ E (G ) ⇔ (p, q) ∈ / E (Gi ) j ∀j ∈ [k], |Sj | = k + 3 (vi , ep,q ) ∈ E (G ) ⇔ i = p ∨ i = q ∀j ∈ [k], Aj est une clique et Sj un indépendant G possède un (k + 2)-dominant ⇒ ∃i ∈ [k] tel que Gi possède un vertex cover de taille k Noyaux exponentiels Edge Clique-Cover Longest Path Algorithmes de distillation et de composition Conjecture de ou-distillation Non-existence de noyau polynomial Exemples Transformations paramétrées polynomiales Définition et exemple Réductions non-triviales Compositions croisées Définition et théorèmes Dominating set Autres techniques et-composition Bornes inférieures polynomiales et-composition Un algorithme de et-distillation A pour un problème de décision Q (i.e. non paramétré) sur l’alphabet Σ est un algorithme qui : I reçoit une séquence (x1 , . . . xt ), avec xi ∈ Σ∗ , ∀i ∈ [t]; et-composition Un algorithme de et-distillation A pour un problème de décision Q (i.e. non paramétré) sur l’alphabet Σ est un algorithme qui : I I reçoit une séquence (x1 , . . . xt ), avec xi ∈ Σ∗ , ∀i ∈ [t]; P possède une complexité polynomiale en ti=1 |xi |, et-composition Un algorithme de et-distillation A pour un problème de décision Q (i.e. non paramétré) sur l’alphabet Σ est un algorithme qui : I reçoit une séquence (x1 , . . . xt ), avec xi ∈ Σ∗ , ∀i ∈ [t]; P possède une complexité polynomiale en ti=1 |xi |, I retourne y ∈ Σ∗ tel que I 1. y ∈ Q ⇔ ∀i ∈ [t], xi ∈ Q; 2. |y | est polynomial en maxi∈[t] |xi |. et-composition Un algorithme de et-distillation A pour un problème de décision Q (i.e. non paramétré) sur l’alphabet Σ est un algorithme qui : I reçoit une séquence (x1 , . . . xt ), avec xi ∈ Σ∗ , ∀i ∈ [t]; P possède une complexité polynomiale en ti=1 |xi |, I retourne y ∈ Σ∗ tel que I 1. y ∈ Q ⇔ ∀i ∈ [t], xi ∈ Q; 2. |y | est polynomial en maxi∈[t] |xi |. Conjecture [Bodlaender, Downey, Fellows, Hermelin] Aucun problème NP-complet n’admet un algorithme de et-distillation et-composition Un algorithme de et-composition pour un problème paramétré (Q, κ) ⊆ Σ∗ × N est un algorithme A qui I I I reçoit une séquence ((x1 , k), . . . (xt , k)), avec (xi , k) ∈ Σ∗ × N ∀i ∈ [t]; P a une complexité polynomiale en ti=1 |xi | + k, retourne (y , k 0 ) ∈ Σ∗ × N tel que 1. (y , k 0 ) ∈ (Q, κ) ⇔ ∀i ∈ [t], (xi , k) ∈ (Q, κ); 2. k 0 est polynomial en k. et-composition Un algorithme de et-composition pour un problème paramétré (Q, κ) ⊆ Σ∗ × N est un algorithme A qui I I I reçoit une séquence ((x1 , k), . . . (xt , k)), avec (xi , k) ∈ Σ∗ × N ∀i ∈ [t]; P a une complexité polynomiale en ti=1 |xi | + k, retourne (y , k 0 ) ∈ Σ∗ × N tel que 1. (y , k 0 ) ∈ (Q, κ) ⇔ ∀i ∈ [t], (xi , k) ∈ (Q, κ); 2. k 0 est polynomial en k. Théorème [Drucker’12] Soit (Q, κ) ∈ Σ∗ × N un problème paramétré et-composable tel que le problème Q̃ ∈ Σ∗ (non-paramétré) est NP-Complet. Si (Q, κ) admet un noyau polynomial, alors coNP⊆ NP/poly. et-composition Un algorithme de et-composition pour un problème paramétré (Q, κ) ⊆ Σ∗ × N est un algorithme A qui I reçoit une séquence ((x1 , k), . . . (xt , k)), avec (xi , k) ∈ Σ∗ × N ∀i ∈ [t]; Pt I a une complexité polynomiale en i=1 |xi | + k, I retourne (y , k 0 ) ∈ Σ∗ × N tel que 1. (y , k 0 ) ∈ (Q, κ) ⇔ ∀i ∈ [t], (xi , k) ∈ (Q, κ); 2. k 0 est polynomial en k. Théorème [Drucker’12] Soit (Q, κ) ∈ Σ∗ × N un problème paramétré et-composable tel que le problème Q̃ ∈ Σ∗ (non-paramétré) est NP-Complet. Si (Q, κ) admet un noyau polynomial, alors coNP⊆ NP/poly. Conséquence : des problèmes paramétrés tels que Treewidth, Pathwidth n’admettent donc pas de noyaux polynomiaux sous des hypothèses standards de complexité (prendre l’union disjointe). Bornes inférieures polynomiales Théorème [Dell, van Melkebeek’2010] Soient L ⊆ Σ∗ un problème NP-difficile, (Q, κ) ⊆ Σ∗ × N un problème paramétré et d > 0. S’il existe un algorithme A qui I reçoit une séquence (x1 , . . . xt ) tel que maxi∈[t] |xi | 6 s I a une complexité polynomiale en Σti=1 |xi | retourne une instance (x, k) ∈ Σ∗ × N tel que I 1. (x, k) ∈ (Q, κ) ⇔ ∃i ∈ [t], xi ∈ L 1 2. k 6 t d +o(1) · poly (s) alors (Q, κ) ne possède pas de noyau de taille O(k d− ) pour tout > 0, à moins que coNP⊆ NP/poly. Bornes inférieures polynomiales Théorème [Dell, van Melkebeek’2010] Soient L ⊆ Σ∗ un problème NP-difficile, (Q, κ) ⊆ Σ∗ × N un problème paramétré et d > 0. S’il existe un algorithme A qui I reçoit une séquence (x1 , . . . xt ) tel que maxi∈[t] |xi | 6 s I a une complexité polynomiale en Σti=1 |xi | retourne une instance (x, k) ∈ Σ∗ × N tel que I 1. (x, k) ∈ (Q, κ) ⇔ ∃i ∈ [t], xi ∈ L 1 2. k 6 t d +o(1) · poly (s) alors (Q, κ) ne possède pas de noyau de taille O(k d− ) pour tout > 0, à moins que coNP⊆ NP/poly. Théorème Pour tout > 0, le problème p-Vertex Cover ne possède pas de noyau de taille O(k 2− ) , à moins que coNP⊆ NP/poly. Bornes inférieures polynomiales Réduction depuis Multicolored Biclique : I étant donné un graphe biparti B = (X , Y , E ) tel que X = X1 ] · · · ] Xk et Y = Y1 ] · · · ] Yk pour k > 0; I décider si B contient une biclique Kk,k colorée, i.e. intersectant chaque Xi , Yi pour i ∈ [k]. Bornes inférieures polynomiales Réduction depuis Multicolored Biclique : I étant donné un graphe biparti B = (X , Y , E ) tel que X = X1 ] · · · ] Xk et Y = Y1 ] · · · ] Yk pour k > 0; I décider si B contient une biclique Kk,k colorée, i.e. intersectant chaque Xi , Yi pour i ∈ [k]. Hypothèses : Soit (B1,1 , . . . Bi,j , . . . , B√t,√t ) une séquences de t graphes bipartis tels que I ∀i ∈ [t], Bi est partitionné en k groupes chacun de taille n. Bornes inférieures polynomiales Réduction depuis Multicolored Biclique : I étant donné un graphe biparti B = (X , Y , E ) tel que X = X1 ] · · · ] Xk et Y = Y1 ] · · · ] Yk pour k > 0; I décider si B contient une biclique Kk,k colorée, i.e. intersectant chaque Xi , Yi pour i ∈ [k]. Hypothèses : Soit (B1,1 , . . . Bi,j , . . . , B√t,√t ) une séquences de t graphes bipartis tels que I ∀i ∈ [t], Bi est partitionné en k groupes chacun de taille n. 0 contient un 2k-clique ssi B Observation : Bi,j i,j contient une biclique colorée Kk,k . Bornes inférieures polynomiales Xi X1 X √ t 0 Bi,j Y1 Yj Y √ t 0 . Notons On construit G tel que G [X i ∪ Y j ] est isomorphe à Bi,j que le nombre de sommets de G est √ 1 N = 2 t · kn = t 2 · poly (s) avec s la taille maximum des Bi,j . Bornes inférieures polynomiales Xi X1 X √ t 0 Bi,j Y1 Yj Y √ t 0 . Notons On construit G tel que G [X i ∪ Y j ] est isomorphe à Bi,j que le nombre de sommets de G est √ 1 N = 2 t · kn = t 2 · poly (s) avec s la taille maximum des Bi,j . I I I G possède une 2k-clique ssi √ 0 possède une 2k-clique ssi ∃i, j ∈ [ t] tel que Bi,j √ ∃i, j ∈ [ t] tel que Bi,j contient un biparti complet coloré Kk,k Bornes inférieures polynomiales Xi X1 X √ t 0 Bi,j Y1 Yj Y √ t 0 . Notons On construit G tel que G [X i ∪ Y j ] est isomorphe à Bi,j que le nombre de sommets de G est √ 1 N = 2 t · kn = t 2 · poly (s) avec s la taille maximum des Bi,j . I I I G possède un vertex cover de taille N − 2k ssi √ 0 possède une 2k-clique ssi ∃i, j ∈ [ t] tel que Bi,j √ ∃i, j ∈ [ t] tel que Bi,j contient un biparti complet coloré Kk,k Bornes inférieures polynomiales Xi X1 X √ t 0 Bi,j Y1 Yj Y √ t 0 . Notons On construit G tel que G [X i ∪ Y j ] est isomorphe à Bi,j que le nombre de sommets de G est √ 1 N = 2 t · kn = t 2 · poly (s) avec s la taille maximum des Bi,j . Donc (B1,1 , . . . B√t,√t ), instances de Multicolored Biclique, se réduisent en temps polynomial en une instance (G , N − 2k) de 1 p-Vertex Cover avec N − 2k 6 t 2 · poly (s)