[논문 리뷰] A Composable Coreset for k-Center in Doubling Metrics

Sepideh Aghamolaei, Mohammad Ghodsi|arXiv (Cornell University)|2019. 02. 01.

Complexity and Algorithms in Graphs참고 문헌 21인용 수 3

한 줄 요약

이 논문은 이중성 차원이 유한한 메트릭 공간에서 k-center 문제를 위한 구성 가능한 코어셋을 제안하며, |P|에 대해 비선형 크기로 (1+ε)-근사값을 달성한다. 이는 지도분산처리(MapReduce) 환경에서 상수 라운드와 비선형 통신량을 갖는 (2+ε)-근사 알고리즘을 가능하게 한다. 이 방법은 매개변수 조기자르기(parameteric pruning)를 활용하고, 이중성 성질을 이용하여 이중성 차원이 유한한 메트릭 공간에서 효율적이고 확장 가능한 군집화를 달성한다.

ABSTRACT

A set of points $P$ in a metric space and a constant integer $k$ are given. The $k$-center problem finds $k$ points as centers among $P$, such that the maximum distance of any point of $P$ to their closest centers $(r)$ is minimized. Doubling metrics are metric spaces in which for any $r$, a ball of radius $r$ can be covered using a constant number of balls of radius $r/2$. Fixed dimensional Euclidean spaces are doubling metrics. The lower bound on the approximation factor of $k$-center is $1.822$ in Euclidean spaces, however, $(1+\epsilon)$-approximation algorithms with exponential dependency on $\frac{1}{\epsilon}$ and $k$ exist. For a given set of sets $P_1,\ldots,P_L$, a composable coreset independently computes subsets $C_1\subset P_1, \ldots, C_L\subset P_L$, such that $\cup_{i=1}^L C_i$ contains an approximation of a measure of the set $\cup_{i=1}^L P_i$. We introduce a $(1+\epsilon)$-approximation composable coreset for $k$-center, which in doubling metrics has size sublinear in $|P|$. This results in a $(2+\epsilon)$-approximation algorithm for $k$-center in MapReduce with a constant number of rounds in doubling metrics for any $\epsilon>0$ and sublinear communications, which is based on parametric pruning. We prove the exponential nature of the trade-off between the number of centers $(k)$ and the radius $(r)$, and give a composable coreset for a related problem called dual clustering. Also, we give a new version of the parametric pruning algorithm with $O(\frac{nk}{\epsilon})$ running time, $O(n)$ space and $2+\epsilon$ approximation factor for metric $k$-center.

연구 동기 및 목표

• 이중성 메트릭에서 k-center 문제에 대해 (1+ε)-근사값을 달성하면서 |P|에 대해 비선형 크기인 구성 가능한 코어셋을 설계하는 것.
• 지속적인 라운드와 비선형 통신량을 갖는 MapReduce와 같은 분산 시스템에서 효율적이고 확장 가능한 k-center 군집화를 가능하게 하는 것.
• 이중성 메트릭에서 중심 수 k와 반경 r 사이의 지수적 트레이드오프를 수식화하는 것.
• 구성 가능한 코어셋 구축을 통해 관련 문제인 이중 군집화(dual clustering)로 프레임워크를 확장하는 것.
• k-center 문제에 대해 O(nk/ε) 시간, O(n) 공간, 그리고 2+ε 근사값을 달성하는 매개변수 조기자르기 알고리즘을 최적화하는 것.

제안 방법

• 논문은 분산 점 집합의 각 파artition Pi에서 독립적으로 부분집합을 샘플링하여 구성 가능한 코어셋을 구축하며, 코어셋의 합집합이 전체 집합의 k-center를 근사하도록 보장한다.
• 이중성 메트릭에서 (1+ε)-근사 보장을 유지하면서 점 집합을 줄이기 위해 매개변수 조기자르기를 적용한다.
• 이중성 성질 덕분에 반지름 r의 공을 덮기 위해 필요한 반지름 r/2의 공의 수가 제한되므로, 코어셋 크기는 |P|에 대해 비선형이 된다.
• 코어셋 크기를 제한하고 근사 품질을 보장하기 위해 이중성 차원 기반의 계층적 군집화 접근법을 사용한다.
• O(nk/ε) 시간 복잡도와 O(n) 공간을 갖는 새로운 매개변수 조기자르기 변형을 도입하여 메트릭 k-center 문제에서 2+ε 근사값을 달성한다.
• 고정 반경에 대해 군집 수를 최소화하는 목적을 고려해 코어셋 프레임워크를 수정함으로써 이중 군집화로 확장한다.

실험 결과

연구 질문

• RQ1 이중성 메트릭에서 k-center 문제에 대해 |P|에 대해 비선형 크기로 (1+ε)-근사값을 달성하는 구성 가능한 코어셋을 구축할 수 있는가?
• RQ2 이중성 메트릭에서 중심 수 k와 반경 r 사이의 본질적 트레이드오프는 무엇이며, 이를 수식적으로 특성화할 수 있는가?
• RQ3 매개변수 조기자르기를 어떻게 최적화하여 MapReduce 환경에서 k-center 문제에 대해 비선형 통신량과 상수 라운드 성능을 달성할 수 있는가?
• RQ4 구성 가능한 코어셋 프레임워크를 이중 군집화로 확장할 수 있는가? 이 경우 목적은 고정 반경에서 군집 수를 최소화하는 것이다.
• RQ5 메트릭 k-center 문제에서 2+ε 근사값을 달성하는 매개변수 조기자르기 알고리즘의 시간 및 공간 복잡도는 무엇인가?

주요 결과

• 제안된 구성 가능한 코어셋은 이중성 성질을 활용하여 코어셋 성장률을 제한함으로써, 이중성 메트릭에서 k-center 문제에 대해 |P|에 대해 비선형 크기로 (1+ε)-근사값을 달성한다.
• 코어셋은 지도분산처리(MapReduce) 환경에서 상수 라운드와 비선형 통신량을 갖는 (2+ε)-근사 알고리즘을 가능하게 하여 대규모 분산 환경에 적합하다.
• 논문은 이중성 메트릭에서 중심 수 k와 반경 r 사이의 지수적 트레이드오프를 증명하며, 이 조건 하에서 군집화의 기본적인 제약 조건을 수식화한다.
• O(nk/ε) 시간 복잡도, O(n) 공간, 그리고 2+ε 근사값을 갖는 새로운 매개변수 조기자르기 알고리즘을 설계하여 이전 방법보다 효율성을 향상시켰다.
• 프레임워크는 고정 반경에서 군집 수를 최소화하는 목표를 갖는 이중 군집화로 성공적으로 확장되었으며, 구성 가능한 코어셋 접근법의 일반성과 적용 가능성을 입증한다.