[論文レビュー] Approximation algorithms for node-weighted prize-collecting Steiner tree problems on planar graphs

Jarosław Byrka, Mateusz Lewandowski+1 more|arXiv (Cornell University)|Jan 11, 2016

Complexity and Algorithms in Graphs参考文献 2被引用数 3

ひとこと要約

本稿では、平面グラフ上のノード重み付き報酬受領スティーナー木問題に対する、新しいプライマル・デュアルラグランジュ乗数保存型（LMP）3近似アルゴリズムを提示する。その後、しきい値ラウンディングを用いて(2.88 + ε)-近似が得られ、ノード重み付きスティーナー・フォレスト問題に対しては2.4-近似が得られる。この手法はLMP解析と確率的しきい値ラウンディングを組み合わせ、LPの解法を必要とせずに、既存の近似比を改善する。

ABSTRACT

We study the prize-collecting version of the Node-weighted Steiner Tree problem (NWPCST) restricted to planar graphs. We give a new primal-dual Lagrangian-multiplier-preserving (LMP) 3-approximation algorithm for planar NWPCST. We then show a ($2.88 + ε$)-approximation which establishes a new best approximation guarantee for planar NWPCST. This is done by combining our LMP algorithm with a threshold rounding technique and utilizing the 2.4-approximation of Berman and Yaroslavtsev for the version without penalties. We also give a primal-dual 4-approximation algorithm for the more general forest version using techniques introduced by Hajiaghay and Jain.

研究の動機と目的

• 平面グラフ上のノード重み付き報酬受領スティーナー木問題（NWPCST）に対する定数倍近似アルゴリズムの開発。
• 従来の境界を超えて、平面グラフ上でのNWPCSTの最良既知近似比を改善すること。
• より良い整数性ギャップ解析が可能となるように、ラグランジュ乗数を保存するプライマル・デュアルアルゴリズムの設計。
• LMPアルゴリズムとしきい値ラウンディングを組み合わせ、よりタイトな近似保証を達成すること。
• より一般的なノード重み付き報酬受領スティーナー・フォレスト（NWPCSF）問題への拡張を、平面グラフ上に適用すること。

提案手法

• エッジ重み付きPCSTのためのゴエマンズとウィリアムソンのプライマル・デュアルフレームワークを、ノード重み付きケースに適応し、修正された pruning 階段を導入する。
• 接続コストとペナルティコストの別々の解析を実施し、ペナルティをデュアル解の一部に割り当てることで、ラグランジュ乗数保存性を保証する。
• ランダムなしきい値 α ∈ [0, β] を用いたしきい値ラウンディングにより、部分問題の端末を選択し、その後に得られたNWSTインスタンスに対して2.4-近似を適用する。
• LMP 3-近似としきい値ラウンディングを、期待コストをバランスさせるための確率的選択によって組み合わせる。
• 期待近似比を最小化するように、しきい値 β と混合確率 p を最適化する。
• しきい値ラウンディング段階で、バーマンとヤロスラブチェフが開発した平面グラフ上のノード重み付きスティーナー・フォレスト（NWSF）の2.4-近似をサブルーチンとして活用する。

実験結果

リサーチクエスチョン

• RQ1 平面グラフ上のノード重み付き報酬受領スティーナー木問題に対して、改善された近似保証を持つプライマル・デュアルLMPアルゴリズムを設計できるか？
• RQ2 しきい値ラウンディング技術をLMPプライマル・デュアルアルゴリズムと効果的に組み合わせることで、従来の手法よりも優れた近似比を達成できるか？
• RQ3 LMPとしきい値ラウンディングを組み合わせた場合、平面グラフ上のNWPCSTで達成可能な最良の近似比は何か？
• RQ4 このアプローチを、より一般的なノード重み付き報酬受領スティーナー・フォレスト問題への拡張は可能か？
• RQ5 近似比と計算要件の観点から、この新アルゴリズムは従来のLPベース手法と比べてどのように性能を発揮するか？

主な発見

• 平面グラフ上のNWPCSTに対して、LPを解かずに済むLMPを満たす新しいプライマル・デュアル3-近似アルゴリズムを提案する。
• LMPアルゴリズムとしきい値ラウンディング、およびNWSFの2.4-近似を組み合わせることで、平面グラフ上のNWPCSTに対して(2.88 + ε)-近似が達成される。
• 近似比(2.88 + ε)は、従来の最良既知の境界2.93 + εを上回り、かつLPの解法を必要としていない。
• 平面グラフ上のノード重み付き報酬受領スティーナー・フォレスト問題に対して、直接的なプライマル・デュアル4-近似アルゴリズムが開発された。
• 期待コストの境界を、ランダムなしきい値 α ∈ [0, β] における積分を用いて確率的ラウンディング解析し、最適化されたパrameterによって最終的な近似比が得られる。
• 最終的な近似比は約2.8797 + ε′で抑えられ、式 4 / (4 - 3e^(-5/36)) × (1 + ε)² から導出され、従来の結果よりもタイトである。