[論文レビュー] Approximation Strategies for Generalized Binary Search in Weighted Trees

Dariusz Dereniowski, Adrian Kosowski+2 more|arXiv (Cornell University)|Feb 27, 2017

Optimization and Search Problems被引用数 10

ひとこと要約

本稿では、クエリコストが非一様な重み付き木探索問題に対する準多項式時間近似スキーム（QPTAS）を提示する。目的は最悪ケースの総クエリコストを最小化することである。本手法は任意の $\varepsilon > 0$ に対して $n^{O(\log n / \varepsilon^2)}$ 時間で $(1+\varepsilon)$-近似を達成し、一般化された還元を用いることで多項式時間 $O(\sqrt{\log n})$-近似を導出する。これは従来の $\hat{O}(\log n)$-近似手法を改善する。

ABSTRACT

We consider the following generalization of the binary search problem. A search strategy is required to locate an unknown target node $t$ in a given tree $T$. Upon querying a node $v$ of the tree, the strategy receives as a reply an indication of the connected component of $T\setminus\{v\}$ containing the target $t$. The cost of querying each node is given by a known non-negative weight function, and the considered objective is to minimize the total query cost for a worst-case choice of the target. Designing an optimal strategy for a weighted tree search instance is known to be strongly NP-hard, in contrast to the unweighted variant of the problem which can be solved optimally in linear time. Here, we show that weighted tree search admits a quasi-polynomial time approximation scheme: for any $0 extless{} \varepsilon extless{} 1$, there exists a $(1+\varepsilon)$-approximation strategy with a computation time of $n^{O(\log n / \varepsilon^2)}$. Thus, the problem is not APX-hard, unless $NP \subseteq DTIME(n^{O(\log n)})$. By applying a generic reduction, we obtain as a corollary that the studied problem admits a polynomial-time $O(\sqrt{\log n})$-approximation. This improves previous $\hat O(\log n)$-approximation approaches, where the $\hat O$-notation disregards $O(\mathrm{poly}\log\log n)$-factors.

研究の動機と目的

• 最適な重み付き木探索の強いNP困難性に対処し、効率的な近似戦略を設計すること。
• 非重み付きケース（線形時間で解ける）と重み付きケース（強いNP困難）の間のギャップを埋めること。
• ノード重み付き木における最悪ケースクエリコスト最小化のための準多項式時間近似スキーム（QPTAS）を開発すること。
• 特に $\hat{O}(\log n)$-近似境界を上回る、既存の多項式時間近似比を改善すること。

提案手法

• 最小の $\alpha$-分離木を用いた再帰的分解により、入力木をより小さな部分木に分割する。
• 分離木 $T^*$ から導出される縮小木 $\xi(T^*)$ 上に、構造的性質を活用してサイズを束縛するコア近似戦略を構築する。
• サイズ $\leq 2^{\sqrt{\log n}}$ の小さな部分木に対して定数倍近似アルゴリズムをベースケースとして使用する。
• 再帰的に戦略を組み合わせる：まず分離木をクエリし、その後 $T \setminus V^*$ の各連結成分に対して再帰的に処理する。
• 再帰の深さを $\sqrt{\log n}$ で束縛し、総コストが最適解から $O(\sqrt{\log n})$ 以内に収まるように保証する。
• QPTAS から一般化還元を適用し、多項式時間 $O(\sqrt{\log n})$-近似アルゴリズムを導出する。

実験結果

リサーチクエスチョン

• RQ1 任意の $\varepsilon > 0$ に対して、重み付き木探索の $(1+\varepsilon)$-近似を準多項式時間で計算可能か？
• RQ2 重み付き木探索問題はAPX困難か？それとも、$\hat{O}(\log n)$ よりも優れた多項式時間近似が可能か？
• RQ3 ${\alpha}$-分離木を用いた再帰的分解は、多項式時間で有界な近似比を達成できるか？
• RQ4 非一様クエリコストを伴う重み付き木探索の文脈において、近似品質と実行時間のトレードオフは何か？
• RQ5 QPTAS の存在は、一般化還元を介して多項式時間近似保証の向上を示唆するか？

主な発見

• 本稿では、実行時間 $n^{O(\log n / \varepsilon^2)}$ の準多項式時間 $(1+\varepsilon)$-近似アルゴリズムを重み付き木探索問題に提示する。
• 問題は、$NP \subseteq DTIME(n^{O(\log n)})$ でない限りAPX困難ではない。これはAPX困難性に対する強い反証となる。
• QPTAS からの一般化還元により、多項式時間 $O(\sqrt{\log n})$-近似アルゴリズムが導出される。
• 縮小木 $\xi(T^*)$ のサイズは $4\lceil n/\alpha \rceil$ で束縛され、再帰的段階での計算が効率的に行える。
• 再帰の深さは $\sqrt{\log n}$ で束縛され、これが乗法的近似要因を制御する。
• 近似比 $O(\sqrt{\log n})$ は、$O(\mathrm{poly}\log\log n)$ 要素を除けば、従来の $\hat{O}(\log n)$-近似を上回る。