[論文レビュー] Maximum Volume Subset Selection for Anchored Boxes

Karl Bringmann, Sergio Cabello+1 more|arXiv (Cornell University)|Jan 1, 2017

Computational Geometry and Mesh Generation被引用数 19

ひとこと要約

本稿では、3次元アンカーボックスにおける最大ボリューム部分集合選択問題に対して、n^O(√k) のアルゴリズムを提示し、従来の Ω(n choose k) の下界を破った。また、任意の定数次元 d に対して、効率的な多項式時間近似スキーム（EPTAS）を導入し、以前の (1−1/e)-近似よりも顕著に改善した。本研究では 3次元における NP 困難性を確立し、近似のための新しいアプローチを提示した。このアプローチは、平面セパレータと動的計画法を組み合わせ、丸め技術を用いるものである。

ABSTRACT

Let $B$ be a set of $n$ axis-parallel boxes in $\mathbb{R}^d$ such that each box has a corner at the origin and the other corner in the positive quadrant of $\mathbb{R}^d$, and let $k$ be a positive integer. We study the problem of selecting $k$ boxes in $B$ that maximize the volume of the union of the selected boxes. This research is motivated by applications in skyline queries for databases and in multicriteria optimization, where the problem is known as the hypervolume subset selection problem. It is known that the problem can be solved in polynomial time in the plane, while the best known running time in any dimension $d \ge 3$ is $Ω\big(\binom{n}{k}\big)$. We show that: - The problem is NP-hard already in 3 dimensions. - In 3 dimensions, we break the bound $Ω\big(\binom{n}{k}\big)$, by providing an $n^{O(\sqrt{k})}$ algorithm. - For any constant dimension $d$, we present an efficient polynomial-time approximation scheme.

研究の動機と目的

• d次元空間におけるk個のアンカーボックスを選択して、和集合の体積を最大化する計算複雑性を扱う。
• 2次元では多項式時間で解けるが、3次元では従来の Ω(n choose k) 時間が必要であったという、最良の既知のアルゴリズムと理論的下界との差を埋める。
• 任意の定数次元 d に対して、多項式時間近似スキーム（EPTAS）を構築し、以前の (1−1/e)-近似を改善する。
• 3次元における問題の NP 困難性を確立し、低次元でも計算的に困難であることを示す。

提案手法

• 最大次数3の平面グラフ上の独立集合問題への帰着により、3次元における NP 困難性を証明した。問題を2つの平行平面に埋め込んで3次元に展開した。
• 3次元問題を2次元に射影し、平面セパレータ技術を用いて部分問題に分割・解釈することで、n^O(√k) のアルゴリズムを設計した。
• グリッドベースの丸めスキームとグリッドセル上の動的計画法を用いて、ε および d に指数的依存する部分を管理する (1−ε)-近似アルゴリズムを導入した。
• 複数選択型 0/1 Knapsack 定式化を用いて、グリッドセルからの解を効率的に統合し、この部分問題に既知の PTAS 技術を活用した。
• 座標の丸めとオフセット反復を用いて近似保証を確保し、幾何的・組合せ的議論により誤差を O(ε) 以内に制御した。
• 動的計画法のテーブルを逆算して、サイズが k 以下の実行可能解 S ⊆ P を再構築し、最適体積の (1−O(ε))-近似を達成した。

実験結果

リサーチクエスチョン

• RQ1 2次元では多項式時間で解けるにもかかわらず、3次元における最大ボリューム部分集合選択問題は NP 困難であるか？
• RQ2 3次元ボリューム選択において Ω(n choose k) 時間の下限を打ち破ることは可能か？ もしそうなら、どの程度改善できるか？
• RQ3 任意の定数次元 d ≥3 において、効率的な多項式時間近似スキーム（EPTAS）は存在するか？
• RQ4 近似品質（ε）、実行時間、k および d への依存関係の最適なトレードオフは何か？

主な発見

• 最大ボリューム部分集合選択問題は、d が定数であっても 3次元で NP 困難であることが判明し、長年の未解決問題が解決された。
• 3次元ボリューム選択に対して n^O(√k) のアルゴリズムが提示され、従来の Ω(n choose k) の下界を破り、研究の最先端を著しく向上させた。
• 任意の定数次元 d に対して、時間 O(n · ε^−d(log n + k + 2^O(ε^−2 log 1/ε)^d)) で実行される EPTAS が提供された。これは d および ε を固定した場合、n および k に対して多項式時間である。
• アルゴリズムは最適体積の (1−O(ε))-近似を達成し、近似誤差は ε に依存するが n に依存しない。
• 改善された EPTAS の実行時間は O(2^O(ε^−2 log 1/ε)^d · n log n) で抑えられ、d および ε を固定した場合に非常に効率的である。
• 動的計画法とバックトラッキングによる解の構築により、サイズが k 以下の実行可能部分集合が得られ、望ましい近似比が達成された。