[論文レビュー] PPZ For More Than Two Truth Values - An Algorithm for Constraint Satisfaction Problems

Dominik Scheder|arXiv (Cornell University)|Oct 27, 2010

Constraint Satisfaction and Optimization参考文献 5被引用数 3

ひとこと要約

この論文は、$k$-SAT に対する PPZ アルゴリズムを $d$-値制約充足問題（$d,k$-CSP）に一般化し、制約内の重要変数が互いに異なる場合に成功確率が最大になることを証明した。これにより、部分的モジュラー関数に対する新しい相関不等式を用いて、成功確率のタイトな下界を導出できるようになった。主な結果として、構造的仮定のもとで、最悪ケースの成功確率が最良ケースと一致することを示し、従来の過剰評価を改善した。

ABSTRACT

We analyze the so-called ppz algorithm for (d,k)-CSP problems for general values of d (number of values a variable can take) and k (number of literals per constraint). To analyze its success probability, we prove a correlation inequality for submodular functions.

研究の動機と目的

• 一般の $d \geq 3$ および $k \geq 3$ に対して、$k$-SAT からの PPZ アルゴリズムを $d$-値制約充足問題（$d,k$-CSP）に拡張すること。
• $d,k$-CSP における一般化された PPZ アルゴリズムの最悪ケースにおける成功確率を分析すること。
• 重要制約における変数の重複という課題を、部分的モジュラー関数に対する相関不等式の証明により解決すること。
• すべての重要変数が異なる場合に最悪ケースの成功確率が達成されることを示し、よりタイトな境界を得ること。

提案手法

• 変数をランダム順序で処理し、各変数をユニット制約によって禁止されていない値に一様にランダムに設定するように、PPZ アルゴリズムを $d,k$-CSP に一般化する。
• 変数が $[d]$ の値を取る $d,k$-CSP の形式的モデルを導入し、制約を $x_i \neq c$ のリテラルの論理和として定義し、論理式をこのような制約の論理積として定義する。
• 部分的モジュラー関数に対する相関不等式を構築し、重要変数が異なる場合に変数の許容値の期待数が最小になることを示す。
• 依存するインジケータ変数（重複する制約からのもの）の対数関数の期待値と、独立なものの期待値を比較するカップリング論法を用い、前者が後者を確率的に支配することを証明する。
• 部分的モジュラー関数に単調かつ凹関数の合成を適用することで、部分的モジュラー性を保ち、既知の不等式の適用を可能にする。
• 変数のランダム順列における位置を条件とする条件付き期待値フレームワークを用いて、成功確率の境界を求める。

実験結果

リサーチクエスチョン

• RQ1 一般の $d \geq 3$ および $k \geq 3$ に対して、$d,k$-CSP における PPZ アルゴリズムの最悪ケース成功確率は何か？
• RQ2 重要制約における変数の重複が、$d,k$-CSP における PPZ アルゴリズムの成功確率にどのように影響するか？
• RQ3 部分的モジュラー関数に対する相関不等式を用いて、最悪ケースがすべての重要変数が異なる場合に達成されることを示せるか？
• RQ4 制約の構造が変数の重複を避ける場合、一般化された PPZ アルゴリズムの成功確率は向上するか？
• RQ5 変数が複数の制約に共有される場合でも、許容値の数の対数の期待値が、独立な場合を確率的に支配するか？

主な発見

• 最悪ケースにおいて、$d,k$-CSP における PPZ アルゴリズムの成功確率は $d^{-n(1 - 1/k)}$ で下から抑えられ、変数が異なるという仮定のもとで最良ケースの挙動と一致する。
• アルゴリズムの最悪ケースは、各値 $c \in \{2,\dots,d\}$ の重要制約におけるすべての変数が互いに異なる場合に達成され、禁止値の数が最大になり、許容値の数が最小になる。
• 部分的モジュラー関数に対する新しい相関不等式を証明し、凹関数と部分的モジュラー関数の合成の期待値が、変数が独立な場合に最大になることを示した。これにより、重複する変数は許容値の期待数を減少させることを示唆する。
• 最悪ケースの仮定（重要変数がすべて異なる）のもとで、アルゴリズムの成功確率は $d^{-n(1 - 1/k)}$ 以下であることが示され、これが現在知られている最もタイトな境界であることが確認された。
• Li らの先行研究とは異なり、禁止値のケースを一つ、二つ、それ以上に区別し、後者の方がアルゴリズムにとってより有利であることを示したことで、前人研究を改善した。
• 変数の順列における位置を条件とする、許容値の数の対数の条件付き期待値が、部分的モジュラー関数の性質に基づくカップリング論法により、独立な場合を上回らないことが確立された。