[論文レビュー] Submodular Functions: Extensions, Distributions, and Algorithms. A Survey

Shaddin Dughmi|arXiv (Cornell University)|Dec 2, 2009

Complexity and Algorithms in Graphs参考文献 7被引用数 28

ひとこと要約

本調査は、連続的拡張と関連する確率分布を用いたサブモジュラ関数の最適化の統一的な枠組みを提示し、これらの分布が効率的な近似アルゴリズムを可能にすることを示している。値オракルモデルにおける基数制約下での非負で対称的なサブモジュラ関数の最小化に対して、新たな多項式時間2-近似アルゴリズムを提案する。

ABSTRACT

Submodularity is a fundamental phenomenon in combinatorial optimization. Submodular functions occur in a variety of combinatorial settings such as coverage problems, cut problems, welfare maximization, and many more. Therefore, a lot of work has been concerned with maximizing or minimizing a submodular function, often subject to combinatorial constraints. Many of these algorithmic results exhibit a common structure. Namely, the function is extended to a continuous, usually non-linear, function on a convex domain. Then, this relaxation is solved, and the fractional solution rounded to yield an integral solution. Often, the continuous extension has a natural interpretation in terms of distributions on subsets of the ground set. This interpretation is often crucial to the results and their analysis. The purpose of this survey is to highlight this connection between extensions, distributions, relaxations, and optimization in the context of submodular functions. We also present the first constant factor approximation algorithm for minimizing symmetric submodular functions subject to a cardinality constraint.

研究の動機と目的

• サブモジュラ関数最適化における既存のアルゴリズム的結果を、連続的拡張と確率分布の共通の枠組みで統一すること。
• この分布的視点を用いて、既知のサブモジュラ関数の最大化および最小化に関する結果を単純化し、再定式化すること。
• 基数制約下で非負で対称的なサブモジュラ関数を最小化するための、新たな多項式時間2-近似アルゴリズムを提示すること。
• 連続的緩和における自然な分布の役割を強調すること。

提案手法

• サブモジュラ関数の連続的緩和としてロヴァーシュ拡張を用い、単位立方体上での凸最適化を可能にする。
• ロヴァーシュ拡張の分布的解釈を活用し、D^L(x)からの抽出におけるfの期待値がL_f(x)に等しいことを示す。
• D^L(x)のサポート集合からサイズがn+1以下のものを用いた確率的ラウンドリング戦略を適用する。
• 2段階のアルゴリズムを設計：まずD^L(x)のサポート内にコストが低い集合があるかを確認し、なければペア(v1, v2)を用いてカットベースの探索を誘導する。
• fの対称性とサブモジュラリティを活用し、最終ラウンドステップにおける2つの補集合のうち小さい方のコストを制限する。
• 任意の部分集合に対してfをクエリ可能な値オラクルモデルを用い、アルゴリズムが多項式時間で実行されることを保証する。

実験結果

リサーチクエスチョン

• RQ1 サブモジュラ関数の連続的拡張を確率分布と体系的に結びつけることで、アルゴリズム設計がどのように改善されるか？
• RQ2 サブモジュラ関数拡張の分布的解釈は、既存の近似アルゴリズムの証明をより単純かつ統一的にすることができるか？
• RQ3 基数制約下での対称的サブモジュラ関数最小化に対して、達成可能な近似保証は何か？
• RQ4 値オラクルモデルにおいて、有界な近似比を持つ多項式時間アルゴリズムを設計できるか？

主な発見

• 本稿は、基数制約下で非負で対称的なサブモジュラ関数を最小化するための新たな2-近似アルゴリズムを提示し、値オラクルモデルにおいて多項式時間で実行可能である。
• アルゴリズムはロヴァーシュ拡張の分布的構造と2段階のラウンドリング戦略を活用することで2-近似を達成する。
• D^L(x)のサポート内にサイズがk以下の低コスト集合が見つからない場合、f(S') ≤ L_f(x)を満たすサイズが2k以下の集合S'が存在し、進捗が保証される。
• 最適解に属するv1と属さないv2のペア(v1, v2)に対して、f(T) ≤ OPTを満たす集合Tが見つかり、有効なカットベースの精錬が可能になる。
• T ∩ S'とその補集合のうち小さい方のサイズは1以上k以下であり、コストは2·OPT以下であるため、有効な2-近似解が保証される。
• このフレームワークは、自然な分布を伴う連続的拡張がアルゴリズム的有用性をもたらすことを示し、既存のサブモジュラ最適化の結果を統一する。