[論文レビュー] Fully Polynomial-Time Algorithms Parameterized by Vertex Integrity Using Fast Matrix Multiplication

Martin Hoefer, Kevin Schewior|arXiv (Cornell University)|Jan 1, 2023

Auction Theory and Applications被引用数 2

ひとこと要約

この論文は、i.i.d. 確率変数に対して、各変数が1回のバイナリースレッショルドテストでプローブされ、全テスト後に行われる最終選択を伴う、適応的スレッショルドテストモデルを導入する。著者らは、競合比 0.869 − o(1) を達成する画期的な適応的アルゴリズムを提示し、非適応的プロフェット不等式の境界 ≈0.745 より顕著に向上させ、1つのボックスあたり複数回のテストが可能である場合、1 − o(1) の比に到達できることを示している。この手法は、分位数に基づくスレッショルドと動的計画法を用いて、部分的フィードバックを伴う逐次テストを実現する。

ABSTRACT

We study the computational complexity of several polynomial-time-solvable graph problems parameterized by vertex integrity, a measure of a graph’s vulnerability to vertex removal in terms of connectivity. Vertex integrity is the smallest number ι such that there is a set S of ι' ≤ ι vertices such that every connected component of G-S contains at most ι-ι' vertices. It is known that the vertex integrity lies between the well-studied parameters vertex cover number and tree-depth. Our work follows similar studies for vertex cover number [Alon and Yuster, ESA 2007] and tree-depth [Iwata, Ogasawara, and Ohsaka, STACS 2018]. Alon and Yuster designed algorithms for graphs with small vertex cover number using fast matrix multiplications. We demonstrate that fast matrix multiplication can also be effectively used when parameterizing by vertex integrity ι by developing efficient algorithms for problems including an O(ι^{ω-1}n)-time algorithm for Maximum Matching and an O(ι^{(ω-1)/2}n²) ⊆ O(ι^{0.687} n²)-time algorithm for All-Pairs Shortest Paths. These algorithms can be faster than previous algorithms parameterized by tree-depth, for which fast matrix multiplication is not known to be effective.

研究の動機と目的

• 各変数が1回のバイナリースレッショルドクエリでテストされる半オンライン版のプロフェット不等式を検討すること。
• 非適応的および適応的スレッショルドテスト戦略の間の性能差を分析すること。
• 標準的な 0.745 の境界を著しく上回る競合比を達成する適応的アルゴリズムを設計すること。
• さまざまなテスト制約下での達成可能な競合比のタイトな上限および下限を確立すること。
• モデルを1つのボックスあたり複数回のテストに拡張し、近似的に最適な性能（1−o(1)）が達成可能であることを示すこと。

提案手法

• アルゴリズムは、基礎となる分布に依存しない、F⁻¹(1−q) の形をした分位数ベースのスレッショルドを用いる。
• 以前のテストからのフィードバックに基づいてスレッショルドを適応的に選択し、選択の質を向上させるためにスレッショルドを動的に調整する。
• 1つのボックスあたり複数回のテストを行う逐次テストでは、動的計画法が用いられ、状態は3つの主要パラメータ（過去の最良期待値、最小の正のテスト値、最大の負のテスト値）で追跡される。
• 逆帰納法を用いて最適なテスト意思決定を計算し、状態の組み合わせは多項式時間に制限される。
• 1つのボックスあたり複数回のテストの場合、タイプの二分探索と状態圧縮を適用して、計算の tractability を維持する。
• 理論的保証は、稀な事象の確率的バウンドと条件付き期待値を用いて導出され、FA や FB のようなパラメトリック分布に特化した分析が行われる。

実験結果

リサーチクエスチョン

• RQ1 適応的スレッショルドテスト戦略は、i.i.d. スレッショルドテストモデルにおいて、非適応的戦略を顕著に上回ることができるか？
• RQ2 1つの変数あたり1回のテストが許可される場合、適応的スレッショルドテストの最良達成可能な競合比は何か？
• RQ3 n → ∞ のときでさえも、1に近づく競合比を達成できない分布は存在するか？
• RQ4 1つのボックスあたり複数回の適応的テストは、スレッショルドテストモデルで 1−o(1) の競合比を達成できるか？
• RQ5 部分的情報と遅延選択の下で、スレッショルドテストの性能は、古典的プロフェット不等式と比べてどうなるか？

主な発見

• 提案された適応的アルゴリズムは、少なくとも 0.869 − o(1) の競合比を達成し、非適応的境界 ≈0.745 より顕著に向上している。
• FA や FB のような分布では、n → ∞ のときでさえも、1より小さい定数の競合比を超えることはできない適応的アルゴリズムが存在する。
• 1つのボックスあたり複数回のテスト（合計で n 回まで）を許可する場合、アルゴリズムは 1 − o(1) の競合比を達成し、最適に近づく。
• 1つのボックスあたり複数回のテストを行うための動的計画法は、状態空間が有界であるため、多項式時間で実行可能である。
• 任意の確率的スレッショルドテストアルゴリズムに対して、同等以上に性能を発揮する決定的アルゴリズムが存在するため、効率的な最適化が可能である。
• このモデルは、部分情報オンライン選択において、適応性が顕著な利点を提供することを示しており、顕著な適応性ギャップを明らかにしている。