[論文レビュー] Matroid-Constrained Maximum Vertex Cover: Approximate Kernels and Streaming Algorithms

Huang, Chien-Chung, Sellier, François|arXiv (Cornell University)|Jul 15, 2021

Complexity and Algorithms in Graphs被引用数 2

ひとこと要約

本稿では、マトロイド制約下における単調なサブモジュラ最大化のための新規ストリーミングアルゴリズムを提示する。1パスでÕ(k)のメモリを用いて0.3178-近似を得られ、O(1/ε³)パスでÕ(k/ε)のメモリを用いて(1−1/e−ε)-近似を得る。この手法は、確率的丸めとマッチォイド制約を活用し、従来の手法の限界を克服し、ストリーミング設定における基数制約とマトロイド制約の間のギャップを埋める。

ABSTRACT

Given a graph with weights on the edges and a matroid imposed on the vertices, our problem is to choose a subset of vertices that is independent in the matroid, with the objective of maximizing the total weight of covered edges. This problem is a generalization of the much studied max k-vertex cover problem, where the matroid is the simple uniform matroid, and it is also a special case of maximizing a monotone submodular function under a matroid constraint. In this work, we give a Fixed Parameter Tractable Approximation Scheme (FPT-AS) when the given matroid is a partition matroid, a laminar matroid, or a transversal matroid. Precisely, if k is the rank of the matroid, we obtain (1 - ε) approximation using (1/(ε))^{O(k)}n^{O(1)} time for partition and laminar matroids and using (1/(ε)+k)^{O(k)}n^{O(1)} time for transversal matroids. This extends a result of Manurangsi for uniform matroids [Pasin Manurangsi, 2018]. We also show that these ideas can be applied in the context of (single-pass) streaming algorithms. Our FPT-AS introduces a new technique based on matroid union, which may be of independent interest in extremal combinatorics.

研究の動機と目的

• 従来の手法がマトロイド制約下でタイトな保証を達成できなかったことから、ストリーミングにおけるサブモジュラ最大化において基数制約とマトロイド制約の間のギャップを埋めること。
• 特に1パスおよび複数パスの設定において、マトロイド制約下で強い近似比を達成する空間効率の良い（準）ストリーミングアルゴリズムを開発すること。
• マトロイド制約下で近似的に最適な(1−1/e)近似保証を達成するために必要なパス数およびメモリのタイトな境界を確立すること。
• 非単調関数およびランダム順序ストリームへと結果を拡張し、先行研究を上回る近似比を改善すること。

提案手法

• 確率的丸めとしきい値処理を用いた1パスの準ストリーミングアルゴリズムを提案。解集合のサイズをÕ(k)に維持し、0.3178の近似保証を達成する。
• 繰り返しのサンプリングと補強を用いて連続的グリーディプロセスをシミュレートする複数パスのアルゴリズムを導入。O(1/ε³)パスとO(k/ε)メモリを要する。
• マッチォイド制約と確率的解析を用いて、各反復における期待される限界利益を制限し、サブモジュラ性とマトロイド独立性を活用する。
• 各パスでαk個のウィンドウを用いるウィンドウドアプローチを採用。ここでα = ⌈k/ε⌉/kであり、繰り返しの改善によって段階的に解を向上させる。
• Lemma 43を適用して、各反復における関数値の期待増加を制限。マッチォイド構造における単射写像と一様な確率的サンプリングに依存する。
• E[f(Li)]とf(OPT)を含む再帰的不等式を導出し、全期待値の法則に従い、1/(p+1)(1−e^{−i(p+1)/(αk)}−O(ε))の閉形式の近似境界を導出する。

実験結果

リサーチクエスチョン

• RQ1 マトロイド制約下で、単調なサブモジュラ最大化のための1パスストリーミングアルゴリズムが1/4を超える近似比を達成可能か？
• RQ2 マトロイド制約下で、Õ(k)のメモリを用いて定数個のパスで(1−1/e−ε)近似を達成することは可能か？
• RQ3 ストリーミングにおけるサブモジュラ最大化のマトロイド制約下で、パス数、メモリ、近似比の間のタイトなトレードオフは何か？
• RQ4 ストリーム要素のランダム順序が、p-マッチォイド制約下での近似保証にどのように影響するか？
• RQ5 マトロイド制約に用いられた手法を、ストリーミングモデルにおける非単調なサブモジュラ関数へと拡張可能か？

主な発見

• 1パスアルゴリズムはÕ(k)のメモリを用いて0.3178-近似保証を達成し、以前の最高の0.25を上回る。
• 複数パスアルゴリズムはO(1/ε³)パスとO(k/ε)メモリを用いて(1−1/e−ε)-近似を達成する。これはε依存性を除きタイトである。
• 1/2を超える近似比を達成するには1パスを超える必要があり、1−1/eを超える近似比を達成するにはΩ(k)パスが必要である。
• このアプローチは非単調関数へと拡張可能であり、1パスストリーミングにおいて近似比を0.1715から0.1921に向上させる。
• ランダム順序ストリームでは、p-マッチォイド制約下で改善された保証を達成する。これは、入力順序が有利な場合に強い性能を示すことを示唆する。
• 解析により、近似比が漸近的にタイトであることが確立された。多くのパスの極限において、既知の最適境界1−1/eに一致する。