[論文レビュー] Improved approximation algorithm for the Dense-3-Subhypergraph Problem

Amey Bhangale, Rajiv Gandhi+1 more|arXiv (Cornell University)|Apr 27, 2017

Advanced Graph Theory Research参考文献 18被引用数 5

ひとこと要約

本稿では、Dense-3-Subhypergraph問題に対する新しい近似アルゴリズムを提示し、従来の最良の近似比 $ O(n^{0.69783}) $ から $ n^{0.61802} $ に向上させた。さらに、従来の $ O(n^2/k^2) $ の境界を著しく上回る新しい $ \tilde{O}(n/k) $-近似を導入した。この手法は、対数密度予想に基づく構造的洞察を活用してより緊密な境界を達成し、特定の状況では近似的に最適な性能を示した。

ABSTRACT

The study of Dense-$3$-Subhypergraph problem was initiated in Chlamt{á}c et al. [Approx'16]. The input is a universe $U$ and collection ${\cal S}$ of subsets of $U$, each of size $3$, and a number $k$. The goal is to choose a set $W$ of $k$ elements from the universe, and maximize the number of sets, $S\in {\cal S}$ so that $S\subseteq W$. The members in $U$ are called {\em vertices} and the sets of ${\cal S}$ are called the {\em hyperedges}. This is the simplest extension into hyperedges of the case of sets of size $2$ which is the well known Dense $k$-subgraph problem. The best known ratio for the Dense-$3$-Subhypergraph is $O(n^{0.69783..})$ by Chlamt{á}c et al. We improve this ratio to $n^{0.61802..}$. More importantly, we give a new algorithm that approximates Dense-$3$-Subhypergraph within a ratio of $ ilde O(n/k)$, which improves the ratio of $O(n^2/k^2)$ of Chlamt{á}c et al. We prove that under the {\em log density conjecture} (see Bhaskara et al. [STOC'10]) the ratio cannot be better than $Ω(\sqrt{n})$ and demonstrate some cases in which this optimum can be attained.

研究の動機と目的

• 従来の $ O(n^{0.69783}) $ の境界を超えて、Dense-3-Subhypergraph問題の近似比を改善すること。
• 従来の $ O(n^2/k^2) $ の結果を上回る著しい改善を達成する $ \tilde{O}(n/k) $ の近似比を持つ新しいアルゴリズムを開発すること。
• 対数密度予想の下での近似の理論的限界を分析し、$ \Omega(\sqrt{n}) $ の下界を確立すること。
• 最適な近似比 $ \Omega(\sqrt{n}) $ が達成可能な状況を同定し、実際の例を示すこと。

提案手法

• 3-一様ハイパーグラフの構造を活用する新しいアルゴリズムフレームワークを設計し、ハイパーエッジを含む $ k $ 個の頂点の部分集合を最大化するように選択する。
• ハイパーエッジ分布における組合せ最適化を活用して、近似比を $ O(n^{0.69783}) $ から $ n^{0.61802} $ に削減する洗練された解析手法を導入する。
• ハイパーグラフ密度構造に特化した再重み付けとサンプリング戦略を用いて、新しい $ \tilde{O}(n/k) $-近似アルゴリズムを構築する。
• 標準的な複雑性仮定の下で、対数密度予想を理論的基盤として用い、いかなるアルゴリズムでも $ \Omega(\sqrt{n}) $ よりも良い近似比を達成できないことを証明する。
• 構造的分解と確率的解析を用いて、$ \Omega(\sqrt{n}) $ の下界がタイトになるインスタンスを同定する。

実験結果

リサーチクエスチョン

• RQ1 Dense-3-Subhypergraph問題の近似比を $ O(n^{0.69783}) $ を超えて改善することは可能か？
• RQ2 従来の $ O(n^2/k^2) $ より著しく優れた $ \tilde{O}(n/k) $ の近似比を達成するアルゴリズムを設計することは可能か？
• RQ3 対数密度予想の下で、この問題に対する近似アルゴリズムの本質的限界は何か？
• RQ4 どのような構造的条件下で、理論的下界 $ \Omega(\sqrt{n}) $ が達成可能か？

主な発見

• 本稿では、従来の最良の $ O(n^{0.69783}) $ よりも優れた新しい近似比 $ n^{0.61802} $ を達成した。
• 従来の $ O(n^2/k^2) $ の境界を著しく上回る、$ \tilde{O}(n/k) $ の近似比を持つ新しいアルゴリズムを提案した。
• 対数密度予想の下で、いかなるアルゴリズムでも $ \Omega(\sqrt{n}) $ よりも良い近似比を達成できないことが証明され、理論的限界が確立された。
• 本稿では、$ \Omega(\sqrt{n}) $ の下界がタイトになるインスタンスが存在することを示し、下界が実際の状況でも達成可能であることを実証した。