[論文レビュー] Robust Assignments via Ear Decompositions and Randomized Rounding

David Adjiashvili, Viktor Bindewald+1 more|arXiv (Cornell University)|Jul 8, 2016

Game Theory and Voting Systems参考文献 14被引用数 5

ひとこと要約

本稿は、解のデプロイ後にエッジ障害が発生する可能性があるロバスト割り当て問題（RAP）を導入する。これは、いかなる単一の障害シナリオに対しても、可能な割り当てを維持する最小コストのエッジ集合を必要とする。本稿では、耳分解と確率的ラウンドリングを組み合わせた近似アルゴリズムを提案し、一般のRAPインスタンスに対して漸近的にタイトな性能保証を達成する。

ABSTRACT

Many real-life planning problems require making a priori decisions before all parameters of the problem have been revealed. An important special case of such problem arises in scheduling problems, where a set of tasks needs to be assigned to the available set of machines or personnel (resources), in a way that all tasks have assigned resources, and no two tasks share the same resource. In its nominal form, the resulting computational problem becomes the \emph{assignment problem} on general bipartite graphs. This paper deals with a robust variant of the assignment problem modeling situations where certain edges in the corresponding graph are \emph{vulnerable} and may become unavailable after a solution has been chosen. The goal is to choose a minimum-cost collection of edges such that if any vulnerable edge becomes unavailable, the remaining part of the solution contains an assignment of all tasks. We present approximation results and hardness proofs for this type of problems, and establish several connections to well-known concepts from matching theory, robust optimization and LP-based techniques.

研究の動機と目的

• デプロイ後、一部のエッジ（リソース-タスクの割り当て）が障害する可能性があるシステムにおいて、信頼性の高い事前割り当て意思決定を実現すること。
• 与えられたエッジ部分集合の障害シナリオ集合において、いかなる単一の障害シナリオに対しても解が妥当なままとなる、割り当て問題（RAP）のロバストな変種を定式化すること。
• 特に一般の二部グラフにおいて、証明可能な良い性能保証を持つ近似アルゴリズムを設計すること。
• RAPと古典的なマッチング理論の概念（マッチングカバレッドグラフや耳分解）との理論的関係を確立すること。
• 計算複雑性を特徴付けるために、近似およびハードネスの結果を提供すること。

提案手法

• ロバスト割り当て問題（RAP）を、コストと障害シナリオの族（各シナリオでエッジの部分集合が削除される）を持つ二部グラフとしてモデル化する。
• マッチングカバレッドグラフの構造を特徴付けるために、耳分解を用いる。これは、ロバスト解の構築において中心的な役割を果たす。
• 割り当て問題の線形計画法（LP）緩和を適用し、分数解を整数解に変換するために確率的ラウンドングを用いる。
• 耳分解されたグラフにおける交互パスおよび禁止ペアの性質を活用し、単一エッジまたは小規模なエッジ集合の障害に対してもロバスト性を保証する。
• 基本グラフ上のパスを拡張グラフ上の「良いパス」に変換する変換を構築し、マッチングの拡張を可能にし、ロバスト性を維持する。
• 変換されたグラフにおける妥当なパスが、残余ノードにおけるマッチング構築およびパス拡張を通じてロバスト解に対応することを証明する。

実験結果

リサーチクエスチョン

• RQ1 エッジ障害シナリオ下でのロバスト割り当て問題（RAP）の計算複雑性は何か？
• RQ2 証明可能な性能保証を持つ多項式時間近似アルゴリズムをRAPに設計できるか？
• RQ3 耳分解やマッチングカバレッドグラフといったマッチング理論の古典的概念は、ロバスト割り当て解とどのように関係するか？
• RQ4 一般のRAPインスタンスにおいて達成可能な近似比のタイトネスは何か？
• RQ5 このフレームワークは、ノード障害や混合エッジ-ノード障害に対応するために拡張可能か？

主な発見

• 本稿は、単一エッジ障害の場合でさえ、ロバスト割り当て問題（RAP）がNP困難であることを確立している。
• 一般のRAPインスタンスに対して、漸近的にタイトな近似比O(log n)を達成する近似アルゴリズムが開発された。
• アルゴリズムは、耳分解技術とLPベースの確率的ラウンドングを組み合わせ、いかなる単一の障害シナリオに対しても妥当性を保つロバスト解を構築する。
• 重要な構造的結果として、あるパスが基本グラフ上に存在するとき、かつそのときみたる、残余グラフからそのパスを削除した後に妥当なマッチングが存在するならば、そのパスは拡張グラフ上で「良いパス」と対応する。
• この構成により、パスの削除後、二部グラフの各部における未マッチングノード数がバランスされたまま保たれ、すべてのノードをカバーするマッチングの拡張が可能になる。
• フレームワークは、ロバスト性とマッチングカバレッドグラフにおける交互パスの存在との間にタイトな接続を提供しており、RPFP問題への還元を通じて検証されている。