[논문 리뷰] Approximations for Monotone and Non-monotone Submodular Maximization with Knapsack Constraints

Ariel Kulik, Hadas Shachnai외 1명|arXiv (Cornell University)|2011. 01. 15.

Complexity and Algorithms in Graphs참고 문헌 2인용 수 7

한 줄 요약

이 논문은 d개의 knapsack 제약 조건 하에서 부분모듈러 최대화 문제에 대해 연속적 허용과 이산적 근사 간의 새로운 연결을 제시한다. 기대치에 의한 확장과 결정적 라운딩을 활용하여, 단조 부분모듈러 함수에 대해 (1−e⁻¹−ε)-근사, 비단조 부분모듈러 함수에 대해 (1/4−ε)-근사의 결과를 도출하였으며, 임의의 ε>0에 대해 다항시간 내에 달성 가능하다.

ABSTRACT

Submodular maximization generalizes many fundamental problems in discrete optimization, including Max-Cut in directed/undirected graphs, maximum coverage, maximum facility location and marketing over social networks. In this paper we consider the problem of maximizing any submodular function subject to $d$ knapsack constraints, where $d$ is a fixed constant. We establish a strong relation between the discrete problem and its continuous relaxation, obtained through {\em extension by expectation} of the submodular function. Formally, we show that, for any non-negative submodular function, an $α$-approximation algorithm for the continuous relaxation implies a randomized $(α- \eps)$-approximation algorithm for the discrete problem. We use this relation to improve the best known approximation ratio for the problem to $1/4- \eps$, for any $\eps > 0$, and to obtain a nearly optimal $(1-e^{-1}-\eps)-$approximation ratio for the monotone case, for any $\eps>0$. We further show that the probabilistic domain defined by a continuous solution can be reduced to yield a polynomial size domain, given an oracle for the extension by expectation. This leads to a deterministic version of our technique.

연구 동기 및 목표

• 다중 knapsack 제약 조건 하에서 부분모듈러 함수 최대화 문제에 도전하는 것은 이산 최적화의 기본 문제이다.
• d개의 knapsack 제약 조건 하에서 단조 및 비단조 부분모듈러 함수에 대해 기존의 근사 비율을 향상시키는 것.
• 문제의 연속적 허용과 그 이산적 대응 간에 강력한 이론적 연결을 수립하는 것.
• 성능 보장이 있는 결정적 근사 알고리즘을 개발하여 랜덤화된 접근 방식의 한계를 극복하는 것.
• 연속적 해의 확률적 영역의 복잡성을 줄여 다항시간 계산이 가능하도록 하는 것.

제안 방법

• 이산 부분모듈러 함수를 연속적, 다변선형 허용 F로 매핑하기 위해 기대치에 의한 확장을 사용한다.
• 연속적 허용에 대해 α-근사가 가능하다면, 이는 이산 문제에 대해 (α−ε)-근사로 이어진다는 것을 보여준다.
• 반복적 라운딩을 적용하여 연속적 해에서 분수 변수의 수를 O(log|U|)로 감소시킨다.
• 다항식 크기의 실현 영역을 기반으로 결정적 라운딩을 수행하여 분수 해를 타당한 이산 해로 변환한다.
• pipage 라운딩과 도메인 감소 기법을 활용하여 근사 품질을 유지하면서도 타당성을 확보한다.
• 연속적 근사 알고리즘을 라운딩 단계와 통합하여 연속적 해 값에 대해 (1−ε) 근사 보장을 보장한다.

실험 결과

연구 질문

• RQ1 knapsack 제약 조건 하에서 연속적 허용과 이산 부분모듈러 최대화 간에 강력한 연결을 수립할 수 있는가?
• RQ2 d개의 knapsack 제약 조건 하에서 비단조 부분모듈러 함수에 대해 어떤 근사 비율을 달성할 수 있는가?
• RQ3 기존의 랜덤화된 부분모듈러 최대화 알고리즘을 knapsack 제약 조건 하에서 결정적으로 변환할 수 있는가?
• RQ4 근사 품질을 훼손하지 않고도 연속적 해에서 분수 변수의 수를 다항식 크기로 줄일 수 있는가?
• RQ5 d개의 knapsack 제약 조건 하에서 단조 부분모듈러 최대화 문제에 대해 달성 가능한 최고의 근사 비율은 무엇인가?

주요 결과

• 논문은 연속적 허용과 이산 부분모듈러 최대화 간에 거의 최적의 연결을 수립하였으며, 연속 문제에 대해 α-근사가 가능하다면 이는 이산 문제에 대해 (α−ε)-근사로 이어진다는 것을 보여준다.
• d개의 knapsack 제약 조건 하에서 단조 부분모듈러 함수에 대해 임의의 ε>0에 대해 결정적 (1−e⁻¹−ε)-근사 알고리즘을 달성하였다.
• d개의 knapsack 제약 조건 하에서 비단조 부분모듈러 함수에 대해 임의의 ε>0에 대해 결정적 (1/4−ε)-근사 알고리즘을 제공하였다.
• 연속적 해에서 분수 변수의 수가 O(log|U|)로 감소하여 다항시간 결정적 라운딩이 가능해졌다.
• 이 방법은 최대 커버리지 문제에 특정하게 적용 가능하며, d개의 knapsack 제약 조건 하에서 (1−e⁻¹−ε)-근사 알고리즘을 도출한다.
• ε가 고정된 상수일 경우 실행 시간은 |U|에 대해 다항식이지만, 1/ε에 대해 지수적일 수 있어 향후 개선의 본질적 복잡성 한계를 시사한다.