[論文レビュー] Stochastic Monotone Submodular Maximization with Queries

Takanori Maehara, Yutaro Yamaguchi|arXiv (Cornell University)|Jul 9, 2019

Complexity and Algorithms in Graphs参考文献 23被引用数 4

ひとこと要約

本稿は、要素が隠れた有効/無効状態を持つ確率的単調なサブモジュラ最大化に対する、新しいクエリベースの戦略を導入する。クエリにより、これらの状態が明らかになる。本稿では、一様な交換写像条件が、低適応性を伴う効率的なクエリ戦略を可能にすることを確立し、線形目的関数では (1−ε)/5 の近似、サブモジュラ目的関数では (1−ε)η/(4+2η) の近似を達成する。クエリ回数は高確率で O(log(1/δ)/p²ε) 回である。

ABSTRACT

We study a stochastic variant of monotone submodular maximization problem as follows. We are given a monotone submodular function as an objective function and a feasible domain defined on a finite set, and our goal is to find a feasible solution that maximizes the objective function. A special part of the problem is that each element in the finite set has a random hidden state, active or inactive, only the active elements contribute to the objective value, and we can conduct a query to an element to reveal its hidden state. The goal is to obtain a feasible solution having a large objective value by conducting a small number of queries. This is the first attempt to consider nonlinear objective functions in such a stochastic model. We prove that the problem admits a good query strategy if the feasible domain has a uniform exchange property. This result generalizes Blum et al.'s result on the unweighted matching problem and Behnezhad and Reyhani's result on the weighted matching problem in both objective function and feasible domain.

研究の動機と目的

• 隠れた要素状態を伴う確率的単調サブモジュラ最大化問題において、効率的なクエリ戦略が存在する十分条件を同定すること。
• 重みなしおよび重み付きマッチング問題に関する先行結果を、非線形的でサブモジュラ的な目的関数へ一般化すること。
• クエリベースのアルゴリズムの適用範囲を線形目的関数から一般の単調サブモジュラ関数へ拡張すること。
• 低適応性を有するクエリ戦略の設計を統一的フレームワークとして形式化する一様交換写像条件を定式化すること。
• 1/p および 1/ε に対して効率的にスケーリングされ、高確率的近似保証を維持するクエリ複雑度の境界を提供すること。

提案手法

• 本稿は、一様な交換写像条件を、効率的クエリ戦略の十分条件として導入し、マッチングおよびパッキング問題に関する先行結果を一般化する。
• 本稿は、(p,p)-一様交換写像を用いた局所探索ベースのクエリ戦略を構築し、解間での確率的要素交換を可能にする。
• ナップサック制約の場合、問題を2つのケースに分割する：小サイズアイテム（サイズ ≤1/3）と大型アイテム（サイズ >1/3）。それぞれに特化したクエリ戦略を適用する。
• アルゴリズムは、円上へのランダムアーク配置に基づく確率的交換メカニズムを用い、重複が有界かつ確率的保証が得られるようにする。
• 小サイズおよび大型アイテムの戦略を同時に実行することで、両領域において高確率的近似を保証する。
• 交換後の目的関数増分の期待値の境界を分析し、線形不等式をサブモジュラ的類似物に置き換えることで、近似係数を導出する。

実験結果

リサーチクエスチョン

• RQ1 可能なドメインにどのような条件が満たされると、低適応性を伴う効率的クエリ戦略が確率的単調サブモジュラ最大化問題に存在するか？
• RQ2 一様交換写像の枠組みを用いて、重みなしおよび重み付きマッチング問題に関する先行結果をサブモジュラ的目的関数へ一般化できるか？
• RQ3 確率的活性化下でサブモジュラ的目的関数に対して (1−ε)-近似を得るために、どの程度のクエリ複雑度が必要か？
• RQ4 隠れた要素状態が存在する状況において、クエリ回数と近似係数のトレードオフを最適化する方法は何か？
• RQ5 本手法を、小サイズおよび大サイズの両アイテムを含む一般のナップサック制約へ拡張可能か？また、強力な近似保証を維持できるか？

主な発見

• 本稿は、任意の一様交換写像を持つ可能なドメインに対して、線形目的関数で高確率で (1−ε)/5 の近似を達成するクエリ戦略が存在することを証明する。
• サブモジュラ的目的関数では、同じクエリ複雑度下で、サブモジュラ曲率 η を用いて (1−ε)η/(4+2η) の近似係数が得られる。
• クエリ戦略は O(log(1/δ)/p²ε) 回のクエリを用い、1/δ に対して対数的、1/ε および 1/p に対して多項式的スケーリングを達成する。
• 非適応的ラウンドと、ランダムアーク配置に基づく確率的交換メカニズムを組み合わせることで、低適応性を達成する。
• 分析により、小サイズおよび大型アイテムの戦略を同時に実行することで、組み合わせ解が定数近似を達成することが示される。
• 本フレームワークは、マッチングおよびパッキング問題に関する先行結果を一般化し、線形目的関数からサブモジュラ的目的関数へ、特定のドメインから一般の一様交換写像ドメインへと拡張する。