[論文レビュー] A Reduction for Optimizing Lattice Submodular Functions with Diminishing Returns

Alina Ene, Huy L. Nguyên|arXiv (Cornell University)|Jun 27, 2016

Complexity and Algorithms in Graphs参考文献 8被引用数 16

ひとこと要約

本稿では、予算制約付きのDR-サブモジュラー関数最大化を、非制約および制約付きサブモジュラー最適化へ一般化された還元手法を提示する。整数予算を2進数に類似した表現で分解することにより、予算Bに対して対数的依存性を達成し、既存のサブモジュラー最適化アルゴリズムをDR-サブモジュラー設定へ効率的に適用可能にし、オーバーヘッドを最小限に抑え、実行時間のスケーラビリティを向上させる。

ABSTRACT

A function $f: \mathbb{Z}_+^E ightarrow \mathbb{R}_+$ is DR-submodular if it satisfies $f({\bf x} + χ_i) -f ({\bf x}) \ge f({\bf y} + χ_i) - f({\bf y})$ for all ${\bf x}\le {\bf y}, i\in E$. Recently, the problem of maximizing a DR-submodular function $f: \mathbb{Z}_+^E ightarrow \mathbb{R}_+$ subject to a budget constraint $\|{\bf x}\|_1 \leq B$ as well as additional constraints has received significant attention \cite{SKIK14,SY15,MYK15,SY16}. In this note, we give a generic reduction from the DR-submodular setting to the submodular setting. The running time of the reduction and the size of the resulting submodular instance depends only \emph{logarithmically} on $B$. Using this reduction, one can translate the results for unconstrained and constrained submodular maximization to the DR-submodular setting for many types of constraints in a unified manner.

研究の動機と目的

• 予算制約下での劣微分帰納的サブモジュラー関数（DR-サブモジュラー関数）最適化の課題に対処すること。
• DR-サブモジュラー問題を標準サブモジュラー最適化問題に還元する汎用的な還元法を開発すること。
• 実行時間およびインスタンスサイズが予算Bに対して対数的依存性を示すようにすること。ネイティブな還元による多項式的依存性を回避すること。
• グリーディ法や連続的グリーディ法といった既存のサブモジュラー最大化アルゴリズムを、さまざまな制約条件下でDR-サブモジュラー設定へ統一的に適用できること。
• 基数制約、ナップサック制約、多面体制約の下で、単調および非単調なDR-サブモジュラー関数に対する効率的近似アルゴリズムを可能にすること。

提案手法

• 2進数分解補題を用い、各予算$ B_i $を$ O(\log B_i) $項に分解することで、任意の整数$ B_i $以下の値を部分集合和として表現可能にする。
• 各整数変数$ x_i \in [0, B_i] $を、分解の各項でインデックス付けられた2値変数の集合へ写像し、サイズ$ O(\sum_i \log B_i) $の新たなグランドセット$ E' $を構築する。
• 元のDR-サブモジュラー関数$ f $の関数値を保持するように、$ E' $上で定義される新たなサブモジュラー関数$ g $を定義する。ここで$ {\bf x}_i = \sum_j y_{i,j} a_{i,j} $である。
• 関数$ g $のサブモジュラリティは、関数$ f $の劣微分帰納的（DR）性質を用いて証明され、還元がサブモジュラリティの構造的保証を保持することを保証する。
• 制約付き問題に対しては、還元されたインスタンス上で既知のサブモジュラー最適化技術（例：ダブルグリーディ、しきい値付き密度グリーディ、ピページ/スワップラウンディングを用いた連続的グリーディ）を活用する。
• 還元により、サブモジュラーアルゴリズムからの近似保証が継承可能であり、ラウンディング手順がハイブリッドおよび結合的議論により値を保持する。

実験結果

リサーチクエスチョン

• RQ1 予算制約付きのDR-サブモジュラー最大化問題を、予算Bに対して対数的依存性を有する標準サブモジュラー最適化問題に還元可能か？
• RQ2 整数予算の分解をどのように用いることで、可能なすべての整数ベクトルを最小限の変数数で表現できるか？
• RQ3 還元空間におけるDR性質とサブモジュラリティの構造的関係は何か？ そして、その関係をどのように保てるか？
• RQ4 既存のサブモジュラー最大化アルゴリズムを、この還元によりDR-サブモジュラー設定へ適応可能か？ また、近似品質の損失は最小限に抑えられるか？
• RQ5 特に基数制約、ナップサック制約、多面体制約の下で、この還元が実行時間複雑度に与える影響は何か？

主な発見

• 還元により、元のDR-サブモジュラー関数$ f $の値を正確に捉えるサブモジュラー関数$ g $が、$ O(n + \sum_i \log B_i) $個の要素上で構築可能であり、これによりサブモジュラーアルゴリズムの直接適用が可能になる。
• 非制約DR-サブモジュラー最大化に対しては、$ O(n + \sum_i \log B_i) $の実行時間で$ 1/2 $-近似アルゴリズムが得られ、還元インスタンス上でダブルグリーディアルゴリズムと同等の性能を達成する。
• 基数制約$ B $下での単調DR-サブモジュラー関数に対しては、$ O(m \log(m/\epsilon)/\epsilon) $の実行時間で$ 1 - 1/e - \epsilon $の近似が達成され、ここで$ m = n/\epsilon + \sum_i \log B_i $である。
• 多面体制約下では、単調関数に対して$ 1 - 1/e $の近似、非単調関数に対しては$ 1/e $の近似が得られ、実行時間は$ n $および$ \sum_i \log B_i $に関して多項式的である。
• ラウンディング処理はハイブリッドおよび結合的議論により近似品質を保持し、還元関数の多重線形拡張が元の関数を支配すること、およびピページ/スワップラウンディングが整数解における値を維持することを示している。
• 還元により、すべての制約（基数、ナップサック、多面体）が還元空間に正確に保持され、多様な制約タイプを統一的に扱えるフレームワークが実現される。