[論文レビュー] Optimal rounding under integer constraints

Rama Cont, Massoud Heidari|arXiv (Cornell University)|Dec 30, 2014

Manufacturing Process and Optimization参考文献 14被引用数 9

ひとこと要約

本稿では、固定和制約下で実数を整数に最適に丸めるための O(N log N) アルゴリズムを提案する。L^p ノルム誤差を最小化するが、分数丸めや確率的丸めとは異なり、系統的なバイアスを生じさせない。この方法は、整数最適化問題を効率的なソーティングと小数部の調整により解くことで、正確な解を保証する。p ≥ 1 のすべてのケースで丸め誤差を最小化する。

ABSTRACT

Given real numbers whose sum is an integer, we study the problem of finding integers which match these real numbers as closely as possible, in the sense of L^p norm, while preserving the sum. We describe the structure of solutions for this integer optimization problem and propose an algorithm with complexity O(N log N) for solving it. In contrast to fractional rounding and randomized rounding, which yield biased estimators of the solution when applied to this problem, our method yields an exact solution which minimizes the relative rounding error across the set of all solutions for any value of p greater than 1, while avoiding the complexity of exhaustive search. The proposed algorithm also solves a class of integer optimization problems with integer constraints and may be used as the rounding step of relaxed integer programming problems, for rounding real-valued solutions. We give several examples of applications for the proposed algorithm.

研究の動機と目的

• 整数最適化の文脈で一般的な固定和制約を満たしつつ、実数を整数に丸める課題に対処すること。
• 整数制約下で L^p 丸め誤差を最小化する多項式時間アルゴリズムを構築すること。全探索では非効率であるため、これを回避する。
• 標準的な丸め手法（分数丸めや確率的丸め）が、有限標本では系統的なバイアスを生じることを示すこと。これは、漸近的に無偏であっても同様に成り立つ。
• 割り当て問題、タスクスケジューリング、ポートフォリオ配分などの応用に適用可能な理論的裏付けのある正確な解法を提供すること。
• 緩和された整数プログラミング問題における丸め段階として利用可能な最適丸めの枠組みを確立すること。

提案手法

• 入力ベクトルの小数部の構造に基づき、制約付き整数最適化問題を、小数部に基づく一連の無制約丸め問題に再定式化する。
• 入力ベクトルの小数部を降順にソートし、合計小数部から導かれる閾値を用いて、丸める成分の最適な数を特定する。
• 床関数に基づく調整の後、小数部の大きい順に最初の I 個の成分を 1 に、残りを 0 に設定することで、最適な整数解を計算する。
• ソーティングに起因して O(N log N) 時間で実行可能であり、最適解は小数部の相対的順序にのみ依存するという鍵となる洞察を活用する。
• L^p ノルムの凸性と対称性を活用することで、すべての p ≥ 1 に対して総丸め誤差を最小化することが保証される。
• 固定和制約と凸目的関数を有する任意の整数プログラミング問題に一般化可能である。

実験結果

リサーチクエスチョン

• RQ1 整数制約下で L^p 誤差を最小化する正確で多項式時間のアルゴリズムを開発可能か？
• RQ2 なぜ分数丸めや確率的丸めといった標準的手法が、有限標本では最適解を生じさせないのか？
• RQ3 全探索ではなく効率的なアルゴリズムが可能となる解空間の構造的性質は何か？
• RQ4 実用的状況下で、本手法は確率的丸めや分数丸めと比べてバイアスと精度の点でどのように差をつけるか？
• RQ5 緩和された整数プログラミング問題における丸め段階として本アルゴリズムを適用可能か？全体の解の質を向上させられるか？

主な発見

• 提案手法は O(N log N) 時間計算量で最適丸めを達成し、N が大きい場合には全探索を著しく上回る。
• 確率的丸めとは異なり、本手法は任意の p ≥ 1 に対して L^p 誤差を最小化する正確な解を保証し、系統的なバイアスを回避する。
• 分数丸めは一般に最適解をもたらさない。なぜなら、すべての入力に対して制約を満たす固定閾値 q は存在しないからである。
• 確率的丸めはバイアス推定量を生成する：小数部が小さい成分は系的に過剰に推定され、大きい成分は系的に不足推定される。これは漸近的に無偏であっても同様に成り立つ。
• 例として x = (0.4, 0.35, 0.25) を考える。この場合、確率的丸めは非最適解を選択する確率が 60% に達し、有限標本誤差が顕著に現れる。
• 最適解は明示的に、小数部が最大の I 個の成分を丸上げすることとして特徴づけられる。ここで I は小数部の合計値である。