[論文レビュー] On the Facility Location Problem in Online and Dynamic Models

Xiangyu Guo, Janardhan Kulkarni+2 more|arXiv (Cornell University)|Jan 1, 2020

Optimization and Search Problems参考文献 36被引用数 2

ひとこと要約

本稿では、局所探索と確率的木埋め込みを用いた、施設配置問題に対する新しいオンラインかつ動的アルゴリズムを提示する。完全動的設定において、O(1 + √2 + ϵ)-競合比とO(log³ D)のアームズド更新時間を持つ。これは最良のオフライン近似を達成し、実用的にほぼ最適な性能を実現する。

ABSTRACT

In this paper we study the facility location problem in the online with recourse and dynamic algorithm models. In the online with recourse model, clients arrive one by one and our algorithm needs to maintain good solutions at all time steps with only a few changes to the previously made decisions (called recourse). We show that the classic local search technique can lead to a (1+√2+ε)-competitive online algorithm for facility location with only O(log n/ε log 1/ε) amortized facility and client recourse, where n is the total number of clients arrived during the process. We then turn to the dynamic algorithm model for the problem, where the main goal is to design fast algorithms that maintain good solutions at all time steps. We show that the result for online facility location, combined with the randomized local search technique of Charikar and Guha [Charikar and Guha, 2005], leads to a (1+√2+ε)-approximation dynamic algorithm with total update time of Õ(n²) in the incremental setting against adaptive adversaries. The approximation factor of our algorithm matches the best offline analysis of the classic local search algorithm. Finally, we study the fully dynamic model for facility location, where clients can both arrive and depart. Our main result is an O(1)-approximation algorithm in this model with O(|F|) preprocessing time and O(nlog³ D) total update time for the HST metric spaces, where |F| is the number of potential facility locations. Using the seminal results of Bartal [Bartal, 1996] and Fakcharoenphol, Rao and Talwar [Fakcharoenphol et al., 2003], which show that any arbitrary N-point metric space can be embedded into a distribution over HSTs such that the expected distortion is at most O(log N), we obtain an O(log |F|) approximation with preprocessing time of O(|F|²log |F|) and O(nlog³ D) total update time. The approximation guarantee holds in expectation for every time step of the algorithm, and the result holds in the oblivious adversary model.

研究の動機と目的

• 低リカバリーと高速な更新時間を持つ、施設配置問題の効率的なオンラインおよび動的アルゴリズムの設計。
• 理論的オンラインモデル（決定の不可逆性）と実用的システム（限定的な変更を許容）の間のギャップを埋める。
• 高速なアームズド更新時間と併せ、最良のオフラインアルゴリズムと同等の競合近似比を達成すること。
• クライアントの到着と退去を許容する完全動的設定において、無知な敵対者モデル下で結果を拡張すること。
• オンラインモデルにおけるリカバリーの力と、アルゴリズム設計に与える影響を調査すること。

提案手法

• CharikarとGuhaの確率的局所探索手法を用いて、施設の開設およびクライアントの再割り当ての意思決定をガイドする。
• 階層的確率的木（HST）埋め込みを用いて、任意の距離空間を対数的期待歪みで近似する。
• トークンベースの会計制度を導入し、更新ごとのクライアント再接続回数（リカバリー）のアームズド上限を制御する。
• 更新の効率を高めるために、ψu（部分木内での最近傍の開設施設）およびN′u（未マークの子ノードのクライアント数の合計）といったデータ構造を維持する。
• 木の頂点に対して再帰的なマーク・アンマーク機構を用いて、施設状態の変更とクライアント再割り当てを制御する。
• 任意のN点距離空間が、O(log N)の期待歪みでHSTの確率的分布に埋め込める（Bartal, Fakcharoenphol-Rao-Talwar）という事実を活用する。

実験結果

リサーチクエスチョン

• RQ1 動的設定において、多項式対数的アームズドリカバリーを達成するO(1)-競合オンラインアルゴリズムを達成できるか？
• RQ2 効率的な更新時間を持つオンラインおよび動的モデルで、古典的局所探索アルゴリズムの近似比を再現できるか？
• RQ3 確率的木埋め込み（HST）をどのように活用して、一般距離空間における施設配置の効率的動的アルゴリズムを設計できるか？
• RQ4 クライアントの到着と退去を伴う完全動的施設配置において、近似比と更新時間のトレードオフは何か？
• RQ5 オンラインモデルにおけるリカバリーの理論的パワーは何か？また、不可逆的決定よりも優れた性能を実現する仕組みは何か？

主な発見

• 本稿では、O(1 + √2 + ϵ)-競合オンラインアルゴリズムを提示し、O(log n / ϵ log(1/ϵ))のアームズド施設およびクライアントリカバリーを達成。不可逆的モデルを改善する。
• 適応的敵対者に対するインクリメンタル設定において、O(1 + √2 + ϵ)-近似動的アルゴリズムをO(log³ D)のアームズド更新時間で達成。
• 近似要因は、古典的局所探索アルゴリズムの最良の既知のオフライン解析と一致し、タイトネスを示す。
• 完全動的モデルでは、HST距離空間においてO(1)-近似アルゴリズムを達成。O(|F|)の前処理時間とO(log³ D)のアームズド更新時間。
• HST埋め込みを活用することで、一般距離空間においてO(log |F|)の近似を達成。O(|F|² log |F|)の前処理時間と、期待的にO(log³ D)のアームズド更新時間。
• 更新ごとのクライアント再接続回数のアームズド上限がO(log² D)で抑えられ、効率的なクライアント照会構造と組み合わせることで、全体のO(log³ D)の更新時間が達成される。