[論文レビュー] A Computational Investigation on the Strength of Dantzig-Wolfe Reformulations

Bastubbe, Michael, Lübbecke, Marco E.+1 more|arXiv (Cornell University)|Dec 11, 2016

Computational Geometry and Mesh Generation参考文献 39被引用数 7

ひとこと要約

本稿は、離散多項式近似および補間を用いて、計算的に効率的な線形推定量を提案し、O(log log k) 要因の範囲内で最適な標本複雑度を達成する。主な貢献は、実数の長方形バテルマン行列の最小特異値に対する鋭い上限を特定することであり、これは、標本サイズが壺のサイズに比べて小さい場合に、取り出しの有無にかかわらず、n 個の標本における色の異なる要素数の近似的な最適推定を可能にする。

ABSTRACT

In Dantzig-Wolfe reformulation of an integer program one convexifies a subset of the constraints, leading to potentially stronger dual bounds from the respective linear programming relaxation. As the subset can be chosen arbitrarily, this includes the trivial cases of convexifying no and all constraints, resulting in a weakest and strongest reformulation, respectively. Our computational study aims at better understanding of what happens in between these extremes. For a collection of integer programs with few constraints we compute, optimally solve, and evaluate the relaxations of all possible (exponentially many) Dantzig-Wolfe reformulations (with mild extensions to larger models from the MIPLIBs). We observe that only a tiny number of different dual bounds actually occur and that only a few inclusion-wise minimal representatives exist for each. This aligns with considerably different impacts of individual constraints on the strengthening the relaxation, some of which have almost no influence. In contrast, types of constraints that are convexified in textbook reformulations have a larger effect. We relate our experiments to what could be called a hierarchy of Dantzig-Wolfe reformulations.

研究の動機と目的

• n 個の標本を用いて、サイズ k の集団における異なる色の数を推定するための根本的な標本複雑度を特定すること。
• 異なる要素数問題における、証明可能な加法的誤差保証を持つ計算的に効率的な推定量を開発すること。
• 実数の長方形バテルマン行列の最小特異値に対するタイトな境界を確立すること、これは解析の中心的役割を果たす。
• 多項分布、超幾何分布、ベルヌーイ分布、ポアソン分布の各サンプリングモデルを、共通の枠組みで統一的かつ比較的に扱うこと。

提案手法

• 離散多項式近似および補間を用いて、異なる要素数問題のための線形推定量を構築する。
• ℓ2 近似およびラグランジュ補間を適用し、最適な誤差境界を持つ推定量を導出する。
• 実数の長方形バテルマン行列の最小特異値に対する鋭い下界を導出し、これは推定量の安定性にとって不可欠である。
• 推定誤差を制御するために、ポアソンサンプリングモデル下でのフィンガープrint統計量間の相関減衰解析を用いる。
• 第一種スターリング数の均一漸近展開を用いて、補間多項式における係数の成長を分析する。
• 2次損失およびゼロ-ワン損失の下でのミニマックスリスク解析を通じて、標本複雑度の境界を確立し、ミニマックス平均二乗誤差と関連付ける。

実験結果

リサーチクエスチョン

• RQ1 加法的誤差 ∆ でサイズ k の集団における異なる要素数を推定するための最適な標本複雑度は何か？
• RQ2 離散多項式近似および補間を用いて、異なる要素数問題における証明可能な誤差保証を持つ推定量をどのように構築できるか？
• RQ3 実数の長方形バテルマン行列の最小特異値に対する鋭い下界は何か？ そして、これは推定量の性能にどのように影響するか？
• RQ4 取り出しの有無、ポアソン、多項分布などの異なるサンプリングモデルは、根本的な標本複雑度の観点でどのように関係するか？
• RQ5 異なる ∆ および k のスケールの下で、異なる要素数問題におけるミニマックス平均二乗誤差は何か？

主な発見

• 加法的誤差 ∆ で異なる要素数を推定するための標本複雑度は、∆ ≤ √k (log k)^{-δ} のとき Θ(k log k / ∆²) であり、補間に基づく推定量によって達成される。
• ∆ ∈ [k^{0.5+δ}, ck] の範囲では、標本複雑度は Θ(k / log k) であり、一般のサポートサイズ推定問題と一致する。
• 補間による推定量は、∆ = √k を達成するために n = O(k log log k) の標本を必要とし、∆ ≤ k^{0.5−o(1)} の場合には厳密に非線形より大きい標本サイズを必要とする。
• 実数の長方形バテルマン行列の最小特異値に対する鋭い下界が確立され、これは独立した数学的関心を引くものである。
• n ≤ k log k のとき、ミニマックス平均二乗誤差は exp(−Θ(min{n log k / k, log k})) として特徴づけられ、n = k / log k および n = k の点で段階的転移が観察される。
• 本稿は、多項分布とポアソンサンプリングモデルが、標本複雑度の観点で漸近的に同等であることを示し、それらの間の変換に関する明示的境界を提示する。