[論文レビュー] Limits of Approximation Algorithms: PCPs and Unique Games (DIMACS Tutorial Lecture Notes)

Prahladh Harsha, Moses Charikar+15 more|arXiv (Cornell University)|Feb 20, 2010

Complexity and Algorithms in Graphs参考文献 63被引用数 4

ひとこと要約

このチュートリアル講義ノート文書は、近似アルゴリズムの基礎的概念を提示し、特にPCP定理と一意ゲーム予想（UGC）を、近似不可能性結果を確立する中心的なツールとして焦点を当てている。確率的チェック可能な証明と半定値計画法の緩和が、NP困難問題の近似可能性に関するタイトな境界を可能にし、主要な結果として、多くの問題がP = NPでない限り特定の閾値を超えて近似することが難しいことが示されている。

ABSTRACT

These are the lecture notes for the DIMACS Tutorial "Limits of Approximation Algorithms: PCPs and Unique Games" held at the DIMACS Center, CoRE Building, Rutgers University on 20-21 July, 2009. This tutorial was jointly sponsored by the DIMACS Special Focus on Hardness of Approximation, the DIMACS Special Focus on Algorithmic Foundations of the Internet, and the Center for Computational Intractability with support from the National Security Agency and the National Science Foundation. The speakers at the tutorial were Matthew Andrews, Sanjeev Arora, Moses Charikar, Prahladh Harsha, Subhash Khot, Dana Moshkovitz and Lisa Zhang. The sribes were Ashkan Aazami, Dev Desai, Igor Gorodezky, Geetha Jagannathan, Alexander S. Kulikov, Darakhshan J. Mir, Alantha Newman, Aleksandar Nikolov, David Pritchard and Gwen Spencer.

研究の動機と目的

• 院生および分野に初めて入門する研究者を対象に、近似アルゴリズム理論の包括的な紹介を提供すること。
• PCP定理とその基本的な最適化問題における強い近似不可能性結果の確立における役割を説明すること。
• 広範な問題の範囲にわたりタイトな近似不可能性境界を証明するための統一的仮説としての一意ゲーム予想を検討すること。
• 近似不可能性、半定値計画法、および超立方体上のフーリエ解析の間の関係を説明すること。
• 最近の近似困難性におけるブレークスルーの理論的基盤と実用的含意を提示すること、特にUGCに基づく結果を含む。

提案手法

• 決定問題をギャップ問題に変換することで、近似困難性の結果を得るため、確率的チェック可能な証明（PCPs）を用いる。
• ロングコードと低次元テストを適用して、特に3ビットPCP定理の証明において堅牢なPCPを構築する。
• 超立方体上のフーリエ解析を用いて変数の影響とノイズ安定性を分析し、マジョリティが安定する定理と関連付ける。
• 制約充足問題（CSPs）の近似のための標準的手法として、半定値計画法（SDP）の緩和を用いる。
• 一意ゲーム予想を適用して、SDP緩和のタイトな整数性ギャップを示し、最適な近似比に一致させる。
• 合成技術とギャップ拡大を用いて、複雑な問題をより単純な問題に還元する。例として、エッジ素因数パス問題の困難性。

実験結果

リサーチクエスチョン

• RQ1 NP困難な最適化問題の近似における根本的限界は何か。そして、それらはどのように形式的に確立できるか。
• RQ2 PCP定理は、特定の問題が任意の定数要因内で近似できないことをどのように確立するか。
• RQ3 一意ゲーム予想は、タイトな近似不可能性結果を証明するための十分な仮説として、どの程度有効か。
• RQ4 フーリエ解析的手法とノイズ安定性は、近似アルゴリズムにおける最適解の構造とどのように関連するか。
• RQ5 UGCのもとで、半定値計画法の緩和とCSPの最良の可能な近似比との正確な関係は何か。

主な発見

• PCP定理は、P = NPでない限り、多くの基本的な最適化問題が任意の定数要因内で近似できないことを確立している。
• ロングコードと低次元テストを介した3ビットPCP定理は、MAX-CUTおよび関連問題の困難性をタイトに特徴づけている。
• 一意ゲーム予想のもとでは、ラガヴェンドラのSDP緩和が、すべてのCSPに対して最適な近似比を達成し、それに一致するラウンドアルゴリズムを有する。
• 一意ゲーム予想により、頂点被覆問題が任意のε > 0に対して2 − ε要因内で近似不能であることが示唆されている。
• フーリエ解析からの影響力定理を用いて、スパーステストがUGCのもとで任意の定数要因内で近似不能であることが示されている。
• マジョリティが安定する定理およびその低次元バージョンは、高いノイズ安定性を持つ関数が必ず影響力を持つ座標を持つ必要があることを示し、一意ゲームにおけるラベル回復を可能にする。