[論文レビュー] A Nearly-linear Time Algorithm for Submodular Maximization with a Knapsack Constraint

Alina Ene, Huy L. Nguyên|arXiv (Cornell University)|Sep 27, 2017

Complexity and Algorithms in Graphs被引用数 29

ひとこと要約

本稿では、ナップサック制約下での単調なサブモジュラ最大化に対して、ほぼ線形時間のアルゴリズムを提示する。このアルゴリズムは、$1-1/e - \epsilon$の近似比を達成する。分数変数を定数個しか維持しないことで、多変量拡張の評価における$\Omega(n^2)$のボトルネックを回避し、$O((1/\epsilon)^{O(1/\epsilon^4)} n \log^2 n)$の算術演算および関数評価を実現する。

ABSTRACT

We consider the problem of maximizing a monotone submodular function subject to a knapsack constraint. Our main contribution is an algorithm that achieves a nearly-optimal, $1 - 1/e - \\epsilon$ approximation, using $(1/\\epsilon)^{O(1/\\epsilon^4)} n \\log^2{n}$ function evaluations and arithmetic operations. Our algorithm is impractical but theoretically interesting, since it overcomes a fundamental running time bottleneck of the multilinear extension relaxation framework. This is the main approach for obtaining nearly-optimal approximation guarantees for important classes of constraints but it leads to $\\Omega(n^2)$ running times, since evaluating the multilinear extension is expensive. Our algorithm maintains a fractional solution with only a constant number of entries that are strictly fractional, which allows us to overcome this obstacle.

研究の動機と目的

• サブモジュラ最大化における多変量拡張に基づくアルゴリズムに内在する$\Omega(n^2)$の実行時間ボトルネックを克服すること。
• 単調なサブモジュラ関数のナップサック制約下で、ほぼ最適な$1-1/e - \epsilon$近似比を達成するほぼ線形時間のアルゴリズムを設計すること。
• 正確かつ効率的な多変量拡張の評価を可能にするために、厳密に分数の値を持つ要素を定数個に制限した分数解を維持すること。
• 重複するアイテム・パート割り当て下での誤った仮定や不適切な丸め手順といった、先行研究における技術的欠陥を是正すること。

提案手法

• アルゴリズムは多変量拡張緩和フレームワークを用いるが、常に定数個の分数変数しか存在しないように保証することで、評価コストを著しく削減する。
• 分数質量が$\mathrm{OPT}$の要素に、コストが非増加の順序で割り当てられるという不変条件を維持し、反復間で構造的保証を保つ。
• 丸め手順では、高コストの要素のうち最大2つの間での分数値を動的に調整し、各更新後に不変条件が保たれるようにする。
• マージナル値とコストのしきい値に基づき、アイテムを「大きなもの」と「小さなもの」に分割し、大きなアイテムは列挙し、小さなアイテムは貪欲なパッケージングで処理する。
• 価値のあるアイテムを特定するために、$\mathrm{OPT}$の貪欲な順序を活用し、残りのアイテムはマージナル利得対コスト密度に基づいてパッケージングする。
• 丸めステップの各段階で、分数質量の再割り当てと割り当ての更新を適切に行うことで、不変条件が保たれることを保証する。

実験結果

リサーチクエスチョン

• RQ1 ナップサック制約下での単調なサブモジュラ最大化に対して、ほぼ線形時間のアルゴリズムが$1-1/e - \epsilon$の近似比を達成できるか。
• RQ2 分数変数の数を定数個に制限した場合、多変量拡張の評価ボトルネックをどのように克服できるか。
• RQ3 丸め中に近似保証を保ちつつ関数評価を最小限に抑えるために、どのような構造的不変条件を維持できるか。
• RQ4 先行研究における技術的欠陥（たとえば、大きなアイテム集合のサイズに関する誤った仮定）を、設計段階でどのように是正できるか。
• RQ5 分割マトロイド設定下で、複数の部分に属するアイテムを重複して数えるのを避けるように丸め手順を設計できるか。

主な発見

• アルゴリズムは、ナップサック制約下での単調なサブモジュラ最大化に対して、$1-1/e - \epsilon$の近似比を達成する。
• 実行時間は$(1/\epsilon)^{O(1/\epsilon^4)} n \log^2 n$の算術演算および関数評価で抑えられ、ほぼ線形時間の複雑度を達成する。
• 分数変数の数を定数個に制限することで、各呼び出しで多変量拡張の正確な評価を定数時間で実現できる。
• 先行研究で知られていた技術的問題、たとえば大きなアイテム集合のサイズに関する誤った仮定や、重複するアイテム・パート割り当て下での不適切な丸め手順を解消する。
• 分数質量が$\mathrm{OPT}$の要素にコストが非増加の順序で割り当てられるという不変条件が、すべての丸めステップを通じて保たれ、正しさが保証される。
• 分析により、$f(\mathrm{OPT}_1 \cup \mathrm{OPT}'_2) \geq (1 - \epsilon)f(\mathrm{OPT})$が成り立つことが示され、ここで$\mathrm{OPT}'_2$は$\mathrm{OPT}_2$に属する低コストアイテムを含む。この結果は、貪欲なパッケージング戦略の正当性を裏付ける。