[論文レビュー] N-fold integer programming via LP rounding

Jana Cslovjecsek, Friedrich Eisenbrand+1 more|arXiv (Cornell University)|Feb 18, 2020

Complexity and Algorithms in Graphs被引用数 3

ひとこと要約

本稿では、パラメータ依存性 $(s\Delta)^{O(s^2)}$ を持つ多項式時間で解けるより強い線形計画法（LP）緩和を活用することで、N-fold 整数計画法に対する新しい非増幅的手法を提示する。任意の最適 LP 頂点が最適整数解から $\ell_1$-距離 $(rs\Delta)^{O(rs)}$ の範囲内にあることを証明し、動的計画法によりその範囲内で整数解を探索することで、時間 $(rs\Delta)^{O(r^2s + s^2)} nt$ で最適解が得られ、N-fold IP の既存手法よりも高速なアルゴリズムが実現される。

ABSTRACT

We consider N-fold integer programming problems. After a decade of continuous progress, the currently fastest algorithm for N-fold integer programming by Jansen et al. (2019) has a running time of $(rs\Delta)^{O(r^2s + s^2)} {\phi}^2 \cdot nt \log^{O(1)}(nt)$. Here ${\phi}$ is the largest binary encoding length of a number in the input. This algorithm, like its predecessors are based on the augmentation framework, a tailored integer programming variant of local search. In this paper we propose a different approach that is not based on augmentation. Our algorithm relies on a stronger LP-relaxation of the N-fold integer program instead. This relaxation can be solved in polynomial time with parameter dependence $(s{\Delta})^{O(s^2)}$ by resorting to standard techniques from convex optimization. We show that, for any given optimal vertex solution $x^*$ of this relaxation, there exists an optimal integer solution $z^*$ that is within short $\ell_1$-distance, namely $\|x^* - z^*\|_{1} \leq (rs\Delta)^{O(rs)}$. With dynamic programming one can then find an optimal integer solution of the N-fold IP in time $(rs\Delta)^{O(r^2s + s^2)} \,nt $. This, together with an off-the-shelf-method from convex optimization, results in the currently fastest algorithm for N-fold integer programming.

研究の動機と目的

• N-fold 整数計画法における増幅フレームワークの制限を克服するため、非増幅的手法を導入すること。
• N-fold IP に適したより強い LP 緩和を構築し、構造的情報をより多く捉えること。
• 最適 LP 解と最適整数解の間の $\ell_1$-距離が有界であることを確立すること。
• N-fold 整数計画法において、従来の増幅ベースのアルゴリズムよりも高速な実行時間を達成すること。
• 入力パラメータ $r$, $s$, $\Delta$, $n$ に対するより良い依存関係を持つパラメータ化されたアルゴリズムを提供すること。

提案手法

• パラメータ依存性 $(s\Delta)^{O(s^2)}$ を持つ多項式時間で解ける、より強い N-fold 整数計画法用の LP 緩和を構築すること。
• 標準的な凸最適化技術を用いて、強化された LP 緩和を効率的に解くこと。
• 任意の LP 緩和の最適頂点解 $x^*$ に対して、$\|x^* - z^*\|_1 \leq (rs\Delta)^{O(rs)}$ を満たす最適整数解 $z^*$ が存在することを証明すること。
• LP 解の有界な $\ell_1$-近傍内で最適整数解を探索するため、動的計画法を適用すること。
• LP 解と動的計画法のステップを組み合わせることで、合計実行時間を $(rs\Delta)^{O(r^2s + s^2)} nt$ に抑えること。
• LP 緩和の効率的解法に、市販の凸最適化手法を活用すること。

実験結果

リサーチクエスチョン

• RQ1 N-fold 整数計画法において、増幅ベースのアルゴリズムを上回る非増幅的手法が可能か？
• RQ2 N-fold IP における最適 LP 解と最適整数解の間の最大 $\ell_1$-距離は何か？
• RQ3 より強い LP 緩和は、整数性の保証を維持したまま効率的に解けるか？
• RQ4 有界な $\ell_1$-近傍における動的計画法は、より高速な全体的なアルゴリズムをもたらすか？
• RQ5 実行時間の最適なパラメータ依存性は、$r$, $s$, $\Delta$, $n$ の観点でどのようになるか？

主な発見

• 提案されたアルゴリズムは、$(rs\Delta)^{O(r^2s + s^2)} nt$ の実行時間を達成しており、これは N-fold 整数計画法における既存で最も高速な結果である。
• 最適 LP 解と最適整数解の間の $\ell_1$-距離は、$(rs\Delta)^{O(rs)}$ で有界である。
• より強い LP 緩和は、パラメータ依存性 $(s\Delta)^{O(s^2)}$ を持つ多項式時間で解ける。
• アルゴリズムは増幅フレームワークを回避し、N-fold IP を解くための新しいパラダイムを提供する。
• 従来の最良実行時間 $(rs\Delta)^{O(r^2s + s^2)} \phi^2 \cdot nt \log^{O(1)}(nt)$ よりも、$\phi^2$ 要素と $\log$ 要素を削除することで改善されている。
• 凸最適化と動的計画法を組み合わせることで、最適なパラメータ依存性が達成されている。