[論文レビュー] Beating the random assignment on constraint satisfaction problems of bounded degree

Boaz Barak, Ankur Moitra+8 more|arXiv (Cornell University)|May 13, 2015

Constraint Satisfaction and Optimization被引用数 8

ひとこと要約

本稿では、有界次数制約充足問題（CSP）において、ランダム割り当てを上回る古典的アルゴリズムを提示している。Max-$k$ XORに対しては$\frac{1}{2} + \bigOmega(1/\b{D})$の制約を満たし、一般の三角形なしCSPに対しては$\b{\text{opt}} + \bigOmega(1/\b{D})$を達成する。ここで$D$は変数の最大次数を表す。この手法は、局所的な制約構造に基づいたランダム分割としきい値処理を用い、ランダムな予測を上回る満たし方を強化し、以前の量子アルゴリズムを模倣および改善している。

ABSTRACT

We show that for any odd $k$ and any instance of the Max-kXOR constraint satisfaction problem, there is an efficient algorithm that finds an assignment satisfying at least a $\frac{1}{2} + Ω(1/\sqrt{D})$ fraction of constraints, where $D$ is a bound on the number of constraints that each variable occurs in. This improves both qualitatively and quantitatively on the recent work of Farhi, Goldstone, and Gutmann (2014), which gave a \emph{quantum} algorithm to find an assignment satisfying a $\frac{1}{2} + Ω(D^{-3/4})$ fraction of the equations. For arbitrary constraint satisfaction problems, we give a similar result for "triangle-free" instances; i.e., an efficient algorithm that finds an assignment satisfying at least a $μ+ Ω(1/\sqrt{D})$ fraction of constraints, where $μ$ is the fraction that would be satisfied by a uniformly random assignment.

研究の動機と目的

• 有界次数制約充足問題（CSP）において、特にMax-$k$ XORと三角形なしCSPに対して、ランダム割り当てを上回る古典的アルゴリズムを開発すること。
• 最近の量子結果（FarhiらがMax-3 XORで$\tfrac{1}{2} + \bigOmega(D^{-3/4})$を達成）を踏まえ、古典的アルゴリズムと量子アルゴリズムの間のギャップを埋めること。
• 量子アルゴリズムの性能を模倣または上回る、決定的で効率的かつ古典的に実装可能な手法を提供すること。
• ランダム割り当てに対する$\bigOmega(1/\b{D})$の利点が、近似困難な設定でも達成可能であり、かつタイトであることを確立すること。

提案手法

• アルゴリズムは、各変数が確率$\tfrac{1}{2}$で$\bm{F}$または$\bm{G}$に独立に割り当てられる変数のランダム分割を用いる。
• 各変数$x_j$に対して、活性な制約寄与の和の中央値を$\delta$の小さな誤差内で近似するしきい値$\theta_j$を計算する。
• 各変数$\bm{x}_j$の符号は、$\mathrm{sgn}(\bm{Q}_j - \widetilde{\theta}_j)$として設定され、ここで$\bm{Q}_j$は$x_j$を含む制約値の和であり、$\widetilde{\theta}_j$は中央値のサンプリング近似である。
• 解析ではフーリエ解析と集中不等式を用い、$\mathbb{E}[\bm{x}_j] \approx 0$であり、$\delta$が小さいときには非活性な制約の寄与が無視できることが示される。
• 主な技術的ステップは、三角形なしの性質からの独立性と、制約の活性確率が$2^{-k+1}$であることを利用し、$\mathbb{E}[\sqrt{|\bm{N}_i|} \mid i \in \bm{G}] \geq \exp(-O(k)) \cdot \sqrt{\deg(i)}$を証明することである。
• アルゴリズムは$\operatorname{poly}(m,n,\exp(k))$時間で実行可能であり、高確率で近似しきい値と符号を効率的に計算できる。

実験結果

リサーチクエスチョン

• RQ1 有界次数$D$のMax-$k$ XORインスタンスにおいて、古典的アルゴリズムがランダム割り当てを上回る近似比を達成できるか？
• RQ2 Farhiらの最近の量子アルゴリズム（Max-3 XORで$\tfrac{1}{2} + \bigOmega(D^{-3/4})$を達成）の性能を模倣または上回る古典的アルゴリズムは可能か？
• RQ3 一般の三角形なしCSPにおいて、ランダム割り当てに対する$\bigOmega(1/D)$の利点は達成可能か、Max-$k$ XORに限らないか？
• RQ4 有界次数CSPにおける近似比と次数上限$D$の最適なトレードオフは何か？ そして、それが古典的に達成可能か？
• RQ5 中央値に基づくしきい値処理は、限定された誤差で効率的に実装可能であり、期待される満たし率の向上を維持できるか？

主な発見

• Max-$k$ XORに対して、アルゴリズムは$\tfrac{1}{2} + \bigOmega(1/\sqrt{D})$の制約を満たす。これは、Farhiらの以前の量子アルゴリズムの$\tfrac{1}{2} + \bigOmega(D^{-3/4})$の保証を上回る。
• 一般の三角形なしCSPに対しては、少なくとも$\mu + \bigOmega(1/\sqrt{D})$の制約が満たされ、ここで$\mu$はランダム割り当て下での期待値である。
• この改善は、量子計算を避ける古典的で効率的なアルゴリズム（ランダム分割としきい値処理を用いる）によって達成される。
• 解析により、非活性な制約の期待寄与は$2^k \delta$で抑えられ、$\delta = 1/\operatorname{poly}(m,n,\exp(k))$のとき無視できる。
• この方法により、$\mathbb{E}[\sqrt{|\bm{N}_i|} \mid i \in \bm{G}] \geq \exp(-O(k)) \cdot \sqrt{\deg(i)}$が確立され、これは$\bigOmega(1/\sqrt{D})$の利点に不可欠である。
• アルゴリズムは高確率で、近似しきい値$\widetilde{\theta}_j$と$\mathrm{sgn}(0)$を$\operatorname{poly}(m,n,\exp(k))$時間で計算可能であり、実用的に実装可能である。