[論文レビュー] Local approximation algorithms for a class of 0/1 max-min linear programs

Patrik Floréen, Marja Hassinen+2 more|ArXiv.org|Jun 2, 2008

Complexity and Algorithms in Graphs参考文献 13被引用数 6

ひとこと要約

本稿では、資源制約のもとで利害関係者間の最小利益を最大化する0/1 max-min線形計画問題のクラスに対して、局所的近似アルゴリズムを提示する。アルゴリズムは分散型で、定数半径の近傍モデルで動作し、各利害関係者と接続されているエージェントが最大2つである場合でさえ、理論的下界に限りなく近い近似比を達成する。

ABSTRACT

We study the applicability of distributed, local algorithms to 0/1 max-min LPs where the objective is to maximise ${\min_k \sum_v c_{kv} x_v}$ subject to ${\sum_v a_{iv} x_v \le 1}$ for each $i$ and ${x_v \ge 0}$ for each $v$. Here $c_{kv} \in \{0,1\}$, $a_{iv} \in \{0,1\}$, and the support sets ${V_i = \{v : a_{iv} > 0 \}}$ and ${V_k = \{v : c_{kv}>0 \}}$ have bounded size; in particular, we study the case $|V_k| \le 2$. Each agent $v$ is responsible for choosing the value of $x_v$ based on information within its constant-size neighbourhood; the communication network is the hypergraph where the sets $V_k$ and $V_i$ constitute the hyperedges. We present a local approximation algorithm which achieves an approximation ratio arbitrarily close to the theoretical lower bound presented in prior work.

研究の動機と目的

• 各エージェントが定数半径の近傍情報のみに依存して変数を決定する分散型・局所的アルゴリズムを設計すること。
• 資源制約のもとで利害関係者間の最小利益を最大化する課題を、分散環境で取り扱うこと。
• 各利害関係者と接続されているエージェントが最大2つである場合に、理論的下界に限りなく近い近似比を達成すること。
• トポロジ変更に強く、定数時間で回復・収束するようにアルゴリズムを設計すること。
• ノード座標などの補助情報に依存せず、局所的なハイパーグラフ構造のみに依存して動作すること。

提案手法

• ハイパーグラフ上で動作し、ハイパーエッジが資源制約（V_i）と利害関係者との接続（V_k）を表す。各エージェントは変数 x_v を維持する。
• 各エージェントは、定数半径近傍 B_H(v,r) 内の局所的入力に基づいて x_v の値を計算し、局所性と故障耐性を確保する。
• 導出されたグラフ上のウォークに基づく解析を用いて、隣接エージェントの x_v 値の和を制限し、ハイパーグラフの構造的性質を活用する。
• 問題の変換されたインスタンスに対して、修正された局所的近似スキームを適用し、最適値を保持するとともに局所的計算を可能にする。
• 任意の2つの K-隣接 x-頂点に対して、その x-値の和が αω* 以上であることを保証する。ここで α は近似比である。
• ウォークの系列を構築し、組合せ的バウンドを適用することで、理論的下界に限りなく近い近似比を達成できることを証明する。

実験結果

リサーチクエスチョン

• RQ1 サポート集合が有界な0/1 max-min線形計画問題に対して、局所的・分散型アルゴリズムが理論的下界に限りなく近い近似比を達成できるか？
• RQ2 トポロジ変更後、定数時間で回復・収束し、安定性と近似保証を維持できる分散型アルゴリズムはどのように設計できるか？
• RQ3 各利害関係者と接続されているエージェントが最大2つである場合に、局所的アルゴリズムが達成可能な最大近似比は何か？
• RQ4 ノード座標などの補助情報に依存せず、このようなアルゴリズムを設計できるか？
• RQ5 max-minパッケージング問題における局所的近似を可能にするハイパーグラフの構造的性質は何か？

主な発見

• 提案された局所的アルゴリズムは、|V_k| ≤ 2 である0/1 max-min線形計画問題に対して、理論的下界に限りなく近い近似比を達成する。
• アルゴリズムは r 時間単位で収束し、トポロジ変更から回復する。ここで r はローカルホライズン半径である。
• トポロジ変更の影響は、変更されたノードから r ホップ以内のノードに限定され、局所的影響と安定性を保証する。
• 任意の2つの K-隣接 x-頂点に対して、その x-値の和が αω* 以上である。ここで α は近似比である。
• 導出されたグラフにおけるウォークベース解析に依存して、変数の和の下界を確立し、きわめてタイトな近似保証を実現する。
• アルゴリズムは決定的であり、グローバル知識や補助データを必要とせず、局所的なハイパーグラフ情報のみに依存して動作する。