[論文レビュー] Approximation thresholds for combinatorial optimization problems

Uriel Feige|ArXiv.org|Apr 28, 2003

Complexity and Algorithms in Graphs参考文献 23被引用数 8

ひとこと要約

この論文は、NP困難な組合せ最適化問題における近似閾値を調査し、多項式時間での近似比 $ t $ が可能であるが、より良い比を得ることはNP困難であるような閾値 $ t $ を特定する。また、近似閾値が出現する理由を説明するための「コア問題」と主要パラメータの概念を導入し、そのような閾値が生じる背景を明らかにしている。さらに、閾値比に達する推定アルゴリズムが、P = NP でない限り本質的に最適であることを示している。

ABSTRACT

An NP-hard combinatorial optimization problem $Π$ is said to have an {\em approximation threshold} if there is some $t$ such that the optimal value of $Π$ can be approximated in polynomial time within a ratio of $t$, and it is NP-hard to approximate it within a ratio better than $t$. We survey some of the known approximation threshold results, and discuss the pattern that emerges from the known results.

研究の動機と目的

• NP困難な組合せ最適化問題における近似閾値の存在と性質を理解すること。
• 近似比がPに属するかNP困難である条件を特定し、中間の複雑さがない状況を同定すること。
• 近似閾値の出現を説明する「コア問題」と「主要パラメータ」の概念を形式化すること。
• 閾値比に達する推定アルゴリズムが、低次の項を除いて最適であることを示すこと。
• 既知の近似閾値の結果を集積し、妥当なコア版を特定するためのフレームワークを提案すること。

提案手法

• 近似閾値 $ t $ を、多項式時間での近似比 $ t $ が可能であるが、それより良い比を得ることはNP困難である点として定義する。
• PCP技法を用いて、さまざまな問題における近似の困難性を証明する。
• 最適解の値が主要パラメータを含む式によって有界付けられる「コア」問題のバージョンを特定する。
• 主なパラメータのみを用いて、最適解の値の上界と下界を出力する推定アルゴリズムを構築する。
• そのようなアルゴリズムの推定比が、低次の加法的項を除いて近似閾値と一致することを示す。
• コアまたは主要パラメータとして認められるための構造的・計算的制限を課し、自明な定義を避ける。

実験結果

リサーチクエスチョン

• RQ1 どのような条件下で、NP困難な組合せ最適化問題に対して近似閾値が存在するか？
• RQ2 多くの問題が、多項式時間近似可能性と近似のNP困難性の間で鋭い遷移を示すのはなぜか？
• RQ3 近似閾値の性質が保たれるように、有効な「コア問題」と「主要パラメータ」を定義する基準は何か？
• RQ4 閾値比に達する推定アルゴリズムは、P = NP でない限り最適と見なせるか？
• RQ5 多様な組合せ問題に共通して近似閾値が出現する背景を説明する一般的な原則はあるか？

主な発見

• 最大クリーク、彩色数、最小最大独立集合といった複数のNP困難問題において、任意の $ \epsilon > 0 $ に対して、最良の近似比が $ n^{1-\epsilon} $ で有界であり、それより良くすることは標準的仮定のもとでNP困難である。
• 最大互いに素なパス問題では、近似比が $ m^{-1/2} $ であり、任意の $ \epsilon > 0 $ に対して $ m^{-1/2 + \epsilon} $ を達成することはNP困難である。これにより、乗法的要因を除いて閾値が確立される。
• 最適解の値の上界と下界を出力する推定アルゴリズムは、低次の加法的項を除いて近似閾値に一致する比を達成できる。
• 近似閾値の存在は、ほぼすべての近似比が2つの同値なクラスに分類されることを示唆している：閾値より上（NP困難に達成可能でない）と、閾値より下（多項式時間で解ける）である。
• 構造的不変量と計算的に単純な属する条件を持つコア問題の定義により、最適解の値に対するタイトな境界を導出できる。
• コアや主要パラメータの定義に制限がないと、フレームワークは自明になる。したがって、意味のある特徴付けを保つためには、構造的・計算的制約が必要である。