매개 변수화 된 복잡성과 근사화 알고리즘 사이에는 몇 가지 연결이 있습니다.
먼저, 소위 문제의 표준 매개 변수화를 고려하십시오. 여기서 매개 변수는 문제의 최적화 버전 (정점 커버 문제의 정점 커버 크기, 트리 너비 문제의 트리 분해 너비 등)에서 최적화하는 것입니다. Vertex Cover를 구체적으로 살펴 보겠습니다. 정점 커버에 대해 정점 수가 선형 인 모든 커널은 상수 팩터 다항식 시간 근사 알고리즘을 암시합니다. 근사 솔루션에 커널 화 알고리즘으로 솔루션에 강제 된 모든 정점과 커널 인스턴스의 모든 정점을 넣습니다. . 반면 근사 계수의 하한은 커널 크기의 하한을 의미합니다. 예를 들어 Unique Games Conjecture, Khot and Regev (JCSS 2008)에서 의 비율로 버텍스 커버에 대한 근사 알고리즘을 배제하고 , 최대 c k 버텍스가 c < 2 인 버텍스 커버에 대한 커널도 배제합니다 .c < 2c kc<2
편집 : 이전 단락에서 커널 하한에 대한 논쟁은 매우 비공식적이며, 내가 아는 한 커널 크기의 하한을 Vertex Cover에서도 입증 할 수 있는지 여부는 공개되어 있습니다. @Falk가 주석에서 지적했듯이, 인수는 알려진 모든 커널에 적용됩니다. 그러나 커널 화 된 인스턴스의 가능한 솔루션이 초기 인스턴스의 해당 솔루션과 다른 근사 비율을 갖는 커널 화 알고리즘의 존재를 어떻게 배제 할 수 있는지 알지 못합니다.
그러면 PTAS와 FPTAS의 문제가 있습니다. 우리가 내 해결책 찾으려면 최적의를, 우리는에 의해 매개 변수화 할 수있는 1 / ε . 그런 다음 PTAS는 매개 변수화 된 설정에서 XP 알고리즘에 해당하는 반면 FPTAS는 FPT 알고리즘에 해당합니다. 근사 하한의 경우 표준 매개 변수가 W [1] -hard 인 문제에 대해 EPTAS를 기대하지 않을 수 있습니다. EPTAS를 ϵ = 1 / ( k + 1 )로 실행하면 FPT 시간에 문제가 정확하게 해결됩니다.(1+ϵ)1/ϵϵ=1/(k+1)
(23k+2−1)/k g(k)g FPT 근사치에 대한 조사.