[논문 리뷰] A Tight Combinatorial Algorithm for Submodular Maximization Subject to a Matroid Constraint

Yuval Filmus, Justin Ward|arXiv (Cornell University)|2012. 04. 20.

Complexity and Algorithms in Graphs참고 문헌 27인용 수 19

한 줄 요약

이 논문은 매트로이드 제약 조건 하에서 단조 증가하는 부분모듈라 최대화 문제에 대해 순열이 아닌 조합적 알고리즘을 제안하며, 최적의 $1 - 1/e$ 근사 비율을 달성한다. 이 알고리즘은 정교하게 구성된 보조 잠재함수 위에서 비무시적 국소 탐색을 사용하며, 이는 이전의 커버리지 함수에 대한 연구를 일반화하고 연속적 그레디언트 알고리즘에서 요구하는 반올림 절차 없이도 동일한 성능을 달성한다.

ABSTRACT

We present an optimal, combinatorial 1-1/e approximation algorithm for monotone submodular optimization over a matroid constraint. Compared to the continuous greedy algorithm (Calinescu, Chekuri, Pal and Vondrak, 2008), our algorithm is extremely simple and requires no rounding. It consists of the greedy algorithm followed by local search. Both phases are run not on the actual objective function, but on a related non-oblivious potential function, which is also monotone submodular. Our algorithm runs in randomized time O(n^8u), where n is the rank of the given matroid and u is the size of its ground set. We additionally obtain a 1-1/e-eps approximation algorithm running in randomized time O (eps^-3n^4u). For matroids in which n = o(u), this improves on the runtime of the continuous greedy algorithm. The improvement is due primarily to the time required by the pipage rounding phase, which we avoid altogether. Furthermore, the independence of our algorithm from pipage rounding techniques suggests that our general approach may be helpful in contexts such as monotone submodular maximization subject to multiple matroid constraints. Our approach generalizes to the case where the monotone submodular function has restricted curvature. For any curvature c, we adapt our algorithm to produce a (1-e^-c)/c approximation. This result complements results of Vondrak (2008), who has shown that the continuous greedy algorithm produces a (1-e^-c)/c approximation when the objective function has curvature c. He has also proved that achieving any better approximation ratio is impossible in the value oracle model.

연구 동기 및 목표

• 매트로이드 제약 조건 하에서 단조 증가하는 부분모듈라 최대화 문제에 대해 최적의 $1 - 1/e$ 근사 비율을 달성하는 조합적 알고리즘을 개발한다.
• 연속적 그레디언트 알고리즘에서 사용하는 반올림 절차를 제거하기 위해 정수 해만을 사용하는 알고리즘 설계를 목표로 한다.
• 커버리지 함수에 대해 이전에 제안된 비무시적 국소 탐색 프레임워크를 임의의 단조 증가하는 부분모듈라 함수로 일반화한다.
• 제한된 곡률 $c$를 가진 함수를 다룰 수 있도록 알고리즘을 확장하여 최적의 $(1 - e^{-c})/c$ 근사 비율을 달성한다.
• 가치 오ракูล 모델에서 최적이고 효율적인 조합적 방법을 연속적 방법의 대안으로 제공한다.

제안 방법

• 알고리즘은 이중 단계 접근 방식을 사용한다: 먼저 잠재함수에 대한 근사 선택을 수행한 후, 동일한 함수에 대해 국소 탐색을 수행한다.
• 잠재함수 $g$는 부분집합에 대한 $f$-값의 가중합으로 정의되며, 확률 분포 $P$로부터 유도된 계수를 사용하여 경계 기여도가 높은 원소를 강조한다.
• 잠재함수 $g$는 단조 증가 부분모듈라이며, 국소 탐색이 더 나은 해로 향하도록 이끄는 대체 목적 함수로 기능한다.
• 국소 탐색은 매트로이드의 독립성을 유지하면서 원소를 교체함으로써 해를 점진적으로 개선하며, 이동을 평가하기 위해 $g$를 사용한다.
• 곡률 $c$가 있는 함수의 경우, 곡률을 고려한 수정된 잠재함수를 사용하여 최적의 $(1 - e^{-c})/c$ 비율을 달성한다.
• 곡률이 알려져 있지 않은 경우, 알고리즘은 $c$의 후보 값에 대해 순회하며, 높은 확률로 $(1 - e^{-c})/c - \epsilon$ 근사 비율을 달성한다.

실험 결과

연구 질문

• RQ1 순수하게 조합적 알고리즘을 통해 반올림 절차 없이도 매트로이드 제약 조건 하에서 단조 증가 부분모듈라 최대화 문제에 대해 최적의 $1 - 1/e$ 근사 비율을 달성할 수 있는가?
• RQ2 비무시적 국소 탐색은 어떻게 커버리지 함수에서 임의의 단조 증가 부분모듈라 함수로 일반화될 수 있는가?
• RQ3 잠재함수는 부분모듈라 최대화 문제의 국소 탐색 알고리즘의 국소 비율을 향상시키는 데 어떤 역할을 하는가?
• RQ4 곡률 $c$가 제한된 함수를 다룰 수 있도록 알고리즘을 조정할 수 있으며, 이때 최적성은 유지되는가?
• RQ5 곡률이 알려져 있지 않은 경우에도 조합적 방법으로 최적의 근사 비율을 달성할 수 있는가?

주요 결과

• 알고리즘은 반올림 없이 순수하게 조합적 연산만을 사용하여 매트로이드 제약 조건 하에서 단조 증가 부분모듈라 최대화 문제에 대해 최적의 $1 - 1/e$ 근사 비율을 달성한다.
• 정확한 $1 - 1/e$ 비율을 위해 알고리즘은 랜덤화된 시간 $ ilde{O}(r^7 n^2)$에 실행되며, $1 - 1/e - \epsilon$ 근사 비율을 위해 $ ilde{O}(\epsilon^{-3} r^4 n)$에 실행된다.
• 곡률 $c$가 있는 함수의 경우, 알고리즘은 최적의 $(1 - e^{-c})/c$ 근사 비율을 달성하며, 연속적 그레디언트 알고리즘과 동일한 성능을 보인다.
• 잠재함수 $g$는 $f$가 커버리지 함수일 경우 다항 시간 내에 명시적으로 계산 가능하므로, 효율적인 국소 탐색 단계를 가능하게 한다.
• 곡률이 알려져 있지 않은 경우, 알고리즘은 $c$의 후보 값에 대해 순회하여 높은 확률로 $ ho(c) - \epsilon$ 근사 비율을 달성한다.
• 이 방법은 이전의 커버리지 함수에 대한 연구를 일반화하며, 잠재함수 계수는 이전의 비무시적 국소 탐색에서 사용된 것과 일치한다.