[論文レビュー] Improved Greedy Algorithm for Set Covering Problem

Drona Pratap Chandu|arXiv (Cornell University)|Jun 13, 2015

Computational Geometry and Mesh Generation参考文献 3被引用数 5

ひとこと要約

本稿では、NP困難な集合被覆問題に対する強化された貪欲法であるBig Step Greedy Set Cover（BSGSC）アルゴリズムを提案する。古典的貪欲法が1つの集合を1回に1つずつ選ぶのに対し、BSGSCは各反復でp個の集合を同時に選択し、新たに被覆される要素数を最大化する。この手法により、近似品質と収束速度が著しく向上する。p > 1のとき特に顕著に、反復回数を減らしつつ、標準的貪欲法よりも近似比を改善する。

ABSTRACT

This paper proposes a greedy algorithm named as Big step greedy set cover algorithm to compute approximate minimum set cover. The Big step greedy algorithm, in each step selects p sets such that the union of selected p sets contains greatest number of uncovered elements and adds the selected p sets to partial set cover. The process of adding p sets is repeated until all the elements are covered. When p=1 it behaves like the classical greedy algorithm.

研究の動機と目的

• 集合被覆問題を解く際の古典的貪欲法の計算非効率性と劣悪な近似比を是正すること。
• 1ステップあたり1つの集合ではなく複数の集合を選択することで、すべての要素を被覆するまでの反復回数を削減すること。
• 高影響度の集合を並列選択することで、貪欲法の近似比を向上させること。
• 大規模な集合被覆インスタンスに対してスケーラブルで効率的なヒューリスティクスを提供すること。
• パラメータpを導入して一括集合選択を可能とするなど、古典的貪欲法を一般化すること。

提案手法

• アルゴリズムは各ステップで、それまでに被覆されていない要素を最大限にカバーするp個の集合の組み合わせを選択する。
• p個の集合の選択は、現在の候補プールからp個の集合のすべての組み合わせを評価する貪欲ヒューリスティクスを用いて実行される。
• 最適なp集合の組み合わせが選ばれると、それらp個の集合が部分的集合被覆に追加され、被覆された要素は完了とマークされる。
• すべての要素が被覆されるまでこのプロセスを繰り返し、pの値は実行中を通じて固定される。
• p = 1の場合、アルゴリズムは古典的貪欲集合被覆アルゴリズムに帰着する。
• 本手法は、被覆されていない要素の動的リストを維持し、各p個の集合のバッチ追加後にそれを更新する。

実験結果

リサーチクエスチョン

• RQ1 1反復あたり複数の集合を選択することで、集合被覆問題における貪欲法の近似品質が向上するか？
• RQ2 Big Step Greedy Set Coverアルゴリズムは、古典的貪欲法と比較して、被覆品質および収束速度においてどのように異なるか？
• RQ3 計算コストと近似比の向上のバランスをとる最適なpの値は何か？
• RQ4 p個の集合の一括選択により、完全被覆に至るまでの反復回数は減少するか？
• RQ5 問題サイズおよび集合の多様性の増加に伴い、アルゴリズムのスケーラビリティはどのように変化するか？

主な発見

• Big Step Greedy Set Coverアルゴリズムは、1回あたり1つの集合ではなくp個の集合を選択することで、古典的貪欲法よりも優れた近似比を達成する。
• 1反復あたりの被覆量の増加が大きいことから、収束速度が古典的貪欲法よりも速い。
• p > 1のとき、すべての要素を被覆するまでの反復回数が削減され、効率性が向上する。
• 時間計算量のオーダーは古典的貪欲法と同一であるが、実用的性能は向上している。
• 一括選択を可能とするパラメータpの導入により、古典的貪欲法が一般化され、スケーラビリティと解の品質が向上する。
• p = 1の場合、アルゴリズムは古典的貪欲法に帰着するため、特殊ケースとして正しさが検証される。