[論文レビュー] Connected k-Center and k-Diameter Clustering

Lukas Drexler, Jan Eube+4 more|arXiv (Cornell University)|Nov 3, 2022

Wildlife-Road Interactions and Conservation被引用数 1

ひとこと要約

この論文は、与えられた接続性グラフ内でクラスタが連結部分グラフを誘導する必要がある、連結kセンターおよびk直径クラスタリング問題に対する近似アルゴリズムを提示する。非互いに素な連結クラスタリングを最初に計算し、それを互いに素なクラスタリングに変換するフレームワークを導入し、低次元ユークリッド空間および定数倍の倍率を持つメトリクスではO(1)-近似を達成し、一般のメトリクスではO(log²k)-近似を達成する。

ABSTRACT

Motivated by an application from geodesy, we introduce a novel clustering problem which is a $k$-center (or k-diameter) problem with a side constraint. For the side constraint, we are given an undirected connectivity graph $G$ on the input points, and a clustering is now only feasible if every cluster induces a connected subgraph in $G$. We call the resulting problems the connected $k$-center problem and the connected $k$-diameter problem. We prove several results on the complexity and approximability of these problems. Our main result is an $O(\log^2{k})$-approximation algorithm for the connected $k$-center and the connected $k$-diameter problem. For Euclidean metrics and metrics with constant doubling dimension, the approximation factor of this algorithm improves to $O(1)$. We also consider the special cases that the connectivity graph is a line or a tree. For the line we give optimal polynomial-time algorithms and for the case that the connectivity graph is a tree, we either give an optimal polynomial-time algorithm or a $2$-approximation algorithm for all variants of our model. We complement our upper bounds by several lower bounds.

研究の動機と目的

• 地政学的応用などに現れる接続性制約を伴うクラスタリング問題に対処すること。
• 非互いに素なクラスタモデルおよび互いに素なクラスタモデルの両方において、連結kセンターおよびk直径問題の近似アルゴリズムを開発すること。
• 一般のメトリクスにおける連結クラスタリングの近似の上界と下界のギャップを埋めること。
• さまざまな接続性グラフ構造における連結kセンターおよびk直径問題の近似可能性を分析すること。
• 直線型接続性グラフなどの特殊ケースに対して最適なアルゴリズムを提供すること。

提案手法

• 2段階のアプローチを提案：まず非互いに素な連結クラスタリングを計算し、その後それを互いに素なクラスタリングに変換する。
• 低次元および倍率定数のメトリクスにおける近似比の有界性を保証するために、well-separated partitionsを用いる。
• 線グラフに対しては、最適解をO(n² log n)時間で得るための貪欲なパスカバー戦略を採用する。
• 与えられた半径における最小クラスタ数を求めるために、直径に基づくパス拡張技術を適用する。
• 非互いに素な解を、直径や半径を増加させずに互いに素な解に変更可能であるという構造的洞察に依存する。
• 線グラフの場合、最適解が互いに素なクラスタを用いて存在することを示し、パスカバーを介した効率的な動的計画法の実行が可能であることを示す。

実験結果

リサーチクエスチョン

• RQ1 低次元ユークリッド空間および定数倍の倍率を持つメトリクスにおいて、互いに素な連結kセンターおよびk直径問題に対して定数倍近似が達成可能か？
• RQ2 一般のメトリクスにおける連結kセンターおよびk直径問題の最良の近似比は何か？
• RQ3 非互いに素なクラスタリングフレームワークを用いることで、互いに素なバージョンの近似保証をより良くできるか？
• RQ4 接続性グラフの構造が、連結クラスタリング問題の近似可能性にどのように影響するか？
• RQ5 直線グラフのような特殊なグラフクラスにおいて、連結kセンター／直径問題が多項式時間で最適に解けるか？

主な発見

• 定数次元ユークリッド空間および定数倍の倍率を持つメトリクスにおいて、互いに素な連結kセンターおよびk直径問題に対してO(1)-近似を達成する。
• 一般のメトリクスの場合にO(log²k)-近似を提供し、従来の境界を改善する。
• スターパターンの接続性グラフにおいて、連結k直径問題は2未満の要因で近似可能であることはNP困難であることを証明する。
• 線グラフにおいては、kセンターおよびk直径問題の非互いに素および互いに素な両バージョンがO(n² log n)時間で最適に解けることを示す。
• 線グラフにおいては、最適解が互いに素なクラスタを用いて存在することを示し、パスカバーを介した効率的な動的計画法の実行が可能であることを示す。
• 現在のフレームワークでは、O(log log k)を超える改善は不可能であり、このアプローチによるさらなる向上の根本的限界を示す。