[論文レビュー] Stochastic Combinatorial Optimization under Probabilistic Constraints

Shipra Agrawal, Amin Saberi+1 more|ArXiv.org|Sep 2, 2008

Facility Location and Emergency Management参考文献 15被引用数 4

ひとこと要約

本稿では、確率的制約下での確率的組合せ最適化の近似アルゴリズムを提示する。特に、要素集合が不確実なkセンター問題と集合被覆問題に焦点を当てる。確率的制約を部分的集合被覆フレームワークに変換するための対数ペナルティを用いた再定式化を導入し、非適応的問題に対して$(\frac{4}{3}+\epsilon)\log n$-近似を達成するとともに、適応的設定における近似不可能性結果を確立する。

ABSTRACT

In this paper, we present approximation algorithms for combinatorial optimization problems under probabilistic constraints. Specifically, we focus on stochastic variants of two important combinatorial optimization problems: the k-center problem and the set cover problem, with uncertainty characterized by a probability distribution over set of points or elements to be covered. We consider these problems under adaptive and non-adaptive settings, and present efficient approximation algorithms for the case when underlying distribution is a product distribution. In contrast to the expected cost model prevalent in stochastic optimization literature, our problem definitions support restrictions on the probability distributions of the total costs, via incorporating constraints that bound the probability with which the incurred costs may exceed a given threshold.

研究の動機と目的

• 不適切なコストモデルの限界を克服するため、不実行性や高コストの可能性を制限する確率的制約を組み込む。
• 要素または被覆すべき点が既知の周辺確率で確率的に実現される、kセンターおよび集合被覆問題の確率的変種を定式化する。
• 積分布下での非適応的および適応的設定に対して、効率的な近似アルゴリズムを開発する。特に、リスク値（VaR）とチャンス制約に焦点を当てる。
• 非適応的ケースにおける近似品質の理論的保証を提供するとともに、適応的ケースにおける近似不可能性結果を確立する。
• 失敗確率の対数変換を用いて、確率的制約を構造的整数計画問題に再定式化する。

提案手法

• 確率的制約$P(\max_{v\in\tilde{V}}d(v,C)\leq r)\geq 1-\rho$を、$l_j = \log\frac{1}{1-p_j}$の和を含む制約に変換し、部分的集合被覆問題への再定式化を可能にする。
• 未被覆要素をモデル化するための補助的バイナリ変数$z_j$を導入し、重み$l_j$によるペナルティを課すことで、総ペナルティ上限$l = \log\frac{1}{1-\rho}$を持つ整数計画問題を構築する。
• 既存の$(\frac{4}{3}+\epsilon)\log n$-近似アルゴリズムを部分的集合被覆問題に適用し、非適応的確率的集合被覆およびkセンター問題を解く。
• 適応的確率的集合被覆問題を、グラフにおける最大独立集合の数を数える問題へ還元する。
• Luby（1993）の結果を用いて、適応的ケースにおける失敗確率の近似が、RP = NPでない限り困難であることを示す。
• 失敗確率$f(m)$を、エッジ被覆コスト$>m$に対して近似すると、最大独立集合$I(G)$の定数倍近似が得られることを示す。

実験結果

リサーチクエスチョン

• RQ1 コスト閾値を超える確率を制限する確率的制約下で、確率的kセンターおよび集合被覆問題に対する効率的な近似アルゴリズムを設計できるか？
• RQ2 観測前の決定を前提とする非適応的設定と、観測後に決定を下す適応的設定との間で、近似の複雑さはどのように異なるか？
• RQ3 確率的制約は、近似に適した構造的整数計画問題にどれほど再定式化可能か？
• RQ4 適応的確率的集合被覆問題におけるリスク値（VaR）を近似する際の本質的計算限界は何か？
• RQ5 適応的確率的集合被覆における失敗確率の近似と、最大独立集合の数え上げなどのカウント複雑度の難問との間に、関係があるか？

主な発見

• 非適応的確率的kセンターおよび集合被覆問題は、対数ペナルティを用いた部分的集合被覆問題に再定式化可能であり、$(\frac{4}{3}+\epsilon)\log n$-近似アルゴリズムを実現できる。
• 確率的制約$P(\max_{v\in\tilde{V}}d(v,C)\leq r)\geq 1-\rho$は、$\sum I_j(x) \log \frac{1}{1-p_j} \leq \log \frac{1}{1-\rho}$の和制約と等価であり、効率的な最適化を可能にする。
• 適応的確率的集合被覆問題において、リスク値$B$の近似は、グラフにおける最大独立集合の数を近似するのと同程度の難易度である。
• 最大独立集合の数え上げ問題から適応的失敗確率計算問題への還元により、$f(m)$の多項式時間近似が可能ならば$I(G)$の定数倍近似が得られることを示し、RP = NPでない限り近似不可能であることを示唆する。
• 失敗確率$f(m)$は、$\frac{1}{3} \cdot \frac{f(m)}{p^m(1-p)^{n-m}} \leq I(G) \leq \frac{f(m)}{p^m(1-p)^{n-m}}$を満たし、両問題を密接に結びつける。
• $p \leq 1/2^n$のとき、失敗確率$f(m)$は$I(G) \cdot p^m(1-p)^{n-m}$の定数倍の範囲にある。これは、$f(m)$の良好な近似が$I(G)$の良好な近似を意味することを示している。