[論文レビュー] Non-negative submodular stochastic probing via stochastic contention resolution schemes

Marek Adamczyk|arXiv (Cornell University)|Aug 31, 2015

Cryptography and Data Security参考文献 11被引用数 6

ひとこと要約

本稿は、非負の部分加法的確率的プローブ問題を解くために、従来の単調部分加法的目的関数の研究を拡張する、新しい確率的競合解決スキームを導入する。チェクゥリらの競合解決スキームを適応させるとともに、トランスバーサルマトロイドに対する新しいスキームを開発することで、非単調部分加法的関数に対しても定数乗近似が達成され、従来の手法がこの設定で失敗していた点を改善する。

ABSTRACT

The abstract model of stochastic probing was presented by Gupta and Nagarajan (IPCO'13), and provides a unified view of a number of problems. Adamczyk, Sviridenko, Ward (STACS'14) gave better approximation for matroid environments and linear objectives. At the same time this method was easily extendable to settings, where the objective function was monotone submodular. However, the case of non-negative submodular function could not be handled by previous techniques. In this paper we address this problem, and our results are twofold. First, we adapt the notion of contention resolution schemes of Chekuri, Vondrák, Zenklusen (SICOMP'14) to show that we can optimize non-negative submodular functions in this setting with a constant factor loss with respect to the deterministic setting. Second, we show a new contention resolution scheme for transversal matroids, which yields better approximations in the stochastic probing setting than the previously known tools. The rounding procedure underlying the scheme can be of independent interest --- Bansal, Gupta, Li, Mestre, Nagarajan, Rudra (Algorithmica'12) gave two seemingly different algorithms for stochastic matching and stochastic $k$-set packing problems with two different analyses, but we show that our single technique can be used to analyze both their algorithms.

研究の動機と目的

• 非負の部分加法的確率的プローブ問題における近似アルゴリズムのギャップを埋めること、特に従来の手法が非単調目的関数では機能しなかった点に焦点を当てる。
• 競合解決スキームの適用範囲を、確率的プローブ設定における非単調部分加法的関数へと拡張すること。
• トランスバーサルマトロイドに特化した新しい競合解決スキームを開発し、より良い近似保証を得ること。
• 単一で解析可能なフレームワークを用いて、確率的マッチングとk-セットパッキングの既存アルゴリズムを統一・一般化すること。
• 反復的確率的丸め込みを、競合解決を介して非単調部分加法的目的関数を扱えるようにすること。

提案手法

• チェクゥリらの競合解決スキーム（CRS）の概念を確率的プローブに適応させ、非負の部分加法的関数の最適化を可能にする。
• バンサルらが以前に別々に提案した2つのアルゴリズムを一般化・解析する、トランスバーサルマトロイド用の新しい確率的丸め込み手順を導入する。
• 多項式拡張と超 martingale 分析を用いて、アクティブな制約下での各要素のプローブ確率を上限付ける。
• ドーブの停止定理を、グラフ内のプローブおよびブロッキングプロセスから導出される超 martingale に適用する。
• 凸関数に対するジェンセンの不等式を用いて、要素がアクティブである条件付きでのプローブ確率の下界を導出する。
• 反復的確率的丸め込みと CRS を組み合わせ、内側（解）および外側（プローブ）の独立系の両方の制約下でも実行可能性を維持する。

実験結果

リサーチクエスチョン

• RQ1 確率的プローブ設定において、競合解決スキームをどのように適応させれば、非負の部分加法的関数に対して定数乗近似が達成できるか？
• RQ2 トランスバーサルマトロイド用に新たに開発された競合解決スキームは、従来のツールと比較して、より良い近似比を達成できるか？
• RQ3 単一のフレームワークで、以前は別々に解析されていた確率的マッチングとk-セットパッキングのアルゴリズムを統一的に解析できるか？
• RQ4 反復的確率的丸め込みは、非単調部分加法的目的関数を含む確率的設定にどのように拡張できるか？
• RQ5 一般の制約下で、アクティブな要素に対して保証できる最小のプローブ確率は何か？

主な発見

• 本稿では、非負の部分加法的確率的プローブ問題に対して定数乗近似が達成され、従来の手法が単調目的関数でのみ機能していたという主要な制限が解消された。
• トランスバーサルマトロイド用に新たに開発された競合解決スキームにより、従来のツールと比較してより良い近似比が得られた。
• 提案されたフレームワークにより、バンサルらの確率的マッチングとk-セットパッキングの2つの異なるように見えるアルゴリズムの解析が統一され、それらが同じ基本的技術に起因していることが示された。
• 適切な条件下で、各アクティブな要素が少なくとも確率 1/3 でプローブされることを保証する。この結果は、超 martingale およびジェンセンの不等式の議論から導出された。
• 反復的確率的丸め込みの解析が、競合解決スキームの新規応用を通じて、非単調部分加法的目的関数へと拡張された。
• 本手法により、4つの基盤的論文の知見を統合した一貫性のあるフレームワークが得られ、より広範な適用可能性を持つ一般化が達成された。