[論文レビュー] Robust and MaxMin Optimization under Matroid and Knapsack Uncertainty Sets

Anupam Gupta, Viswanath Nagarajan+1 more|arXiv (Cornell University)|Dec 22, 2010

Complexity and Algorithms in Graphs参考文献 21被引用数 4

ひとこと要約

本稿では、マトロイドおよびナップサック型の不確実性集合における最大最小およびロバスト最適化問題の近似アルゴリズムを提示する。この研究では、被覆問題に対する決定的オンラインアルゴリズムを活用している。被覆問題に良いオンラインアルゴリズムが存在する場合、最大最小およびロバスト問題は、オンライン比 p（p-システムの場合）および q（ナップサックの場合）に依存する要因で近似可能であることが示された。これは、集合被覆やマルチカットなどの非下位単調関数に対しても成立する。

ABSTRACT

Consider the following problem: given a set system (U,I) and an edge-weighted graph G = (U, E) on the same universe U, find the set A in I such that the Steiner tree cost with terminals A is as large as possible: "which set in I is the most difficult to connect up?" This is an example of a max-min problem: find the set A in I such that the value of some minimization (covering) problem is as large as possible. In this paper, we show that for certain covering problems which admit good deterministic online algorithms, we can give good algorithms for max-min optimization when the set system I is given by a p-system or q-knapsacks or both. This result is similar to results for constrained maximization of submodular functions. Although many natural covering problems are not even approximately submodular, we show that one can use properties of the online algorithm as a surrogate for submodularity. Moreover, we give stronger connections between max-min optimization and two-stage robust optimization, and hence give improved algorithms for robust versions of various covering problems, for cases where the uncertainty sets are given by p-systems and q-knapsacks.

研究の動機と目的

• 集合被覆やマルチカットのような非下位単調被覆関数に対する制約付き最大最小最適化の課題に対処する。
• 決定的オンラインアルゴリズムの性質を下位単調性の代わりの代理として用いることで、下位単調関数にとどまらない近似技術を拡張する。
• p-システムおよびq個のナップサックからなる不確実性集合に基づくロバスト最適化に対して、新たな近似保証を提供する。
• 最大最小最適化と2段階ロバスト最適化を結びつけることで、共通のアルゴリズム的手法を示す。
• 良いオンラインアルゴリズムが存在する場合、非下位単調被覆関数であっても、組合せ的制約のもとで効率的に最適化可能であることを示す。

提案手法

• 被覆問題に対する決定的オンラインアルゴリズムの競合比を、最大最小最適化における下位単調性の代理として用いる。
• 最大最小問題を、2段階意思決定とインフレーションパラメータを含むロバスト最適化フレームワークに還元する。
• 最初の段階でオンライン動作を模倣し、2番目の段階で適応するプライマル・デュアルまたは貪欲的アプローチにより解を構築する。
• 既知のオンラインアルゴリズム（例：集合被覆、スティーナー木、最小カット）を適用し、ロバストおよび最大最小バージョンの近似要因を導出する。
• 一般のメトリクスを木メトリクスに確率的木埋め込みで近似することで、スティーナー問題における下位単調近似を可能にする。
• p-システムとq-ナップサック制約を、段階的または反復的ラウンディング手法を用いて組み合わせ、妥当性と近似保証を維持する。

実験結果

リサーチクエスチョン

• RQ1 集合被覆やマルチカットのような非下位単調関数である場合、最大最小最適化で良い近似比を達成できるか。
• RQ2 被覆問題に対する決定的オンラインアルゴリズムの性能を、ロバストおよび最大最小バージョンの解法にどの程度活用できるか。
• RQ3 p-システムおよびq個のナップサックからなる不確実性集合に基づくロバスト被覆問題に対して、どの程度の近似保証が達成可能か。
• RQ4 オンラインアルゴリズムの競合比が、最大最小およびロバスト設定における近似要因にどのように影響するか。
• RQ5 p-システムおよびナップサック制約のもとで、依然として良い近似アルゴリズムを有する非下位単調関数は存在するか。

主な発見

• 最小集合被覆関数は o(n)-近似的に下位単調ではないため、このクラスの問題に対しては下位単調性に基づく手法を直接適用できない。
• 最小マルチカット関数は o(n^{1/3})-近似的に下位単調ではないため、被覆問題における下位単調近似の限界をさらに強調している。
• p-システムおよびq-ナップサック不確実性集合下での集合被覆問題に対して、ロバスト問題は O(pq·log²m·log n)-近似を達成する。これは、既知のオンラインおよびオフライン比に基づく。
• スティーナー木／スティーナー森林に対しては、ロバスト問題が O(pq·log n)-近似を達成する。これは、O(log n)-競合比を持つオンラインアルゴリズムを活用している。
• 最小カット問題に対しては、ロバスト問題が O(pq·log³n·log log n)-近似を達成する。これは、O(log³n·log log n)-競合比を持つオンラインアルゴリズムから導出される。
• マルチカット問題に対しては、ロバスト問題が O(pq·log⁴n·log log n)-近似を達成する。これは、問題に高い競合比を持つオンラインアルゴリズムを用いている。