[논문 리뷰] Approximations of the Densest k-Subhypergraph and Set Union Knapsack problems

Richard Taylor|arXiv (Cornell University)|2016. 10. 17.

Optimization and Packing Problems참고 문헌 4인용 수 15

한 줄 요약

이 논문은 밀도가 가장 높은 k-하이퍼서브그래프 문제(DkSHP)와 세트 유니온 쓰래시백 문제(SUKP)에 대한 최초의 근사 알고리즘을 제안하며, 각각 $O(n^{\theta_m + 2\theta})$ 및 $O(n^{\bar{\alpha}_m + \epsilon})$의 근사 비율을 달성한다. 여기서 $\theta_m = \frac{1}{2}m - \frac{1}{2} - \frac{1}{2m}$ 이고 $\bar{\alpha}_m = \frac{2}{3}\left[m - 1 - \frac{2m - 2}{m^2 + m - 1}\right]$이며, 고정된 $m$ 및 $\epsilon$에 대해 $n$에 대해 다항식 시간 내에 실행된다. 이 접근법은 반복적인 라운딩과 하위그래프 샘플링 기법을 조합하여, 밀도가 높은 서브그래프에서 하이퍼그래프 및 쓰래시백 환경으로 근사 결과를 확장한다.

ABSTRACT

For any given $ε>0$ we provide an algorithm for the Densest $k$-Subhypergraph Problem with an approximation ratio of at most $O(n^{θ_m+2ε})$ for $θ_m=\frac{1}{2}m-\frac{1}{2}-\frac{1}{2m}$ and run time at most $O(n^{m-2+1/ε})$, where the hyperedges have at most $m$ vertices. We use this result to give an algorithm for the Set Union Knapsack Problem with an approximation ratio of at most $O(n^{α_m+ε})$ for $α_m=\frac{2}{3}[m-1-\frac{2m-2}{m^2+m-1}]$ and run time at most $O(n^{5(m-2)+9/ε})$, where the subsets have at most $m$ elements. The author is not aware of any previous results on the approximation of either of these two problems.

연구 동기 및 목표

• 밀도가 가장 높은 k-하이퍼서브그래프 문제(DkSHP)와 세트 유니온 쓰래시백 문제(SUKP)에 대한 최초의 근사 알고리즘을 개발함으로써, 여러 알려진 NP-완전 문제를 일반화한다.
• 최대 하이퍼엣지 크기 $m$에 따라 의존하는 DkSHP 및 SUKP에 대한 근사 비율을 확립하며, 근사 요인과 실행 시간에 대한 명시적 경계를 제공한다.
• 기존의 밀도가 높은 서브그래프에 대한 근사 기법을 하이퍼그래프로 확장하고, 감소 및 반복적인 라운딩 방법을 통해 더 복잡한 SUKP로 확장한다.
• 특히 고정된 $m$ 및 작은 $\epsilon > 0$에 대해 제안된 알고리즘의 근사 품질과 계산 효율성에 대한 이론적 보장을 제공한다.

제안 방법

• m-균일 하이퍼그래프에서 DkSHP에 대한 $O(k^{m-1})$ 근사 알고리즘을 기반으로 사용하며, 임의의 $k$ 개 정점이 최대 $\binom{k}{m} \leq k^m$ 개의 하이퍼엣지를 포함할 수 있다는 사실을 활용한다.
• 레마 2.2를 통한 확률적 추론을 적용하여 $\lfloor k/2 \rfloor$ 개의 정점을 선택할 경우 최대 수의 $m$-하이퍼엣지의 $\frac{1}{3^m}$ 이상을 확보할 수 있음을 보이며, 이를 통해 재귀적 근사 전략을 가능하게 한다.
• 레마 2.3를 사용하여 무게 없는 DkSHP 근사 결과를 가중치 DkSHWP 경우로 확장한다. 하이퍼엣지 가중치를 2의 거듭제곱으로 반올림하고 다수의 인스턴스를 해결함으로써 $O(f(n)\log n)$ 근사 비율을 달성한다.
• SUKP를 DkSHWP 인스턴스로 감소시키기 위해, $P$의 각 하위집합이 하이퍼엣지로 대응되는 하이퍼그래프 $H^*$를 구성하고, DkSHWP 근사 결과를 활용하여 SUKP에 대한 근사를 유도한다.
• 반복적인 샘플링과 차수 기반 선택을 적용하여 근사된 하이퍼그래프에서 타당한 해를 구성함으로써, 최종 해가 최적의 수익을 $O(n^{\alpha_m + \epsilon})$ 이내로 근사하도록 보장한다.
• 하이퍼그래프의 구조에 대한 귀납법과 케이스 분석을 통해 근사 비율과 실행 시간을 경계하며, 최종 근사 비율은 하위그래프 근사와 로그 수준의 가중치 라운드를 조합하여 유도된다.

실험 결과

연구 질문

• RQ1 하이퍼엣지 크기가 최대 $m$일 때, 밀도가 가장 높은 k-하이퍼서브그래프 문제에 대해 달성 가능한 최고의 근사 비율은 무엇인가요?
• RQ2 밀도가 높은 서브그래프에 대한 근사 프레임워크를 간선 크기가 유한한 하이퍼그래프로 확장할 수 있으며, 그 결과로 얻는 근사 품질은 어떠한가요?
• RQ3 세트 유니온 쓰래시백 문제를 하이퍼그래프 문제로 감소시켜 기존의 근사 기법을 활용할 수 있는 방법은 무엇인가요?
• RQ4 특히 $m$과 $\epsilon$에 대해 근사 비율과 실행 시간 사이의 상호 교환 관계는 어떻게 되나요?
• RQ5 SUKP에 대해 $m$과 $\epsilon$에 따라 의존하는 비율을 가지는 다항식 시간 근사 스킴을 달성할 수 있을까요?

주요 결과

• 이 논문은 하이퍼엣지 크기가 최대 $m$인 하이퍼그래프에 대해 DkSHP에 대해 $O(n^{\theta_m + 2\epsilon})$의 근사 비율을 달성한다. 여기서 $\theta_m = \frac{1}{2}m - \frac{1}{2} - \frac{1}{2m}$이다.
• 세트 유니온 쓰래시백 문제(SUKP)에 대해 이 논문은 $O(n^{\alpha_m + \epsilon})$의 근사 비율을 제공하며, 여기서 $\alpha_m = \frac{2}{3}\left[m - 1 - \frac{2m - 2}{m^2 + m - 1}\right]$이며, $m$은 최대 하위집합 크기이다.
• DkSHP 근사의 실행 시간은 $O(n^{m - 2 + 1/\epsilon})$ 이하이며, SUKP의 경우 $O(n^{5(m - 2) + 9/\epsilon})$ 이하로 경계된다. 고정된 $m$과 $\epsilon > 0$에 대해 둘 다 $n$에 대해 다항식 시간 내에 실행된다.
• SUKP에 대한 근사는 DkSHWP 문제로의 감소를 통해 유도되며, 하위집합 수익의 반복적인 라운딩과 하이퍼그래프 구조에 대한 재귀적 샘플링 전략을 사용한다.
• 분석 결과, 큰 $n$에 대해 SUKP의 최종 근사 비율은 로그 인자들이 점점 작아지므로 $O(n^{\alpha_m + 2\epsilon})$ 이하로 감소함을 보여준다.
• 표 1은 $m = 2$에서 $6$까지의 $\theta_m$ 및 $\alpha_m$의 명시적 값을 제공하며, 근사 비율이 $m$이 증가함에 따라 향상됨을 보여주며, $\theta_6 = 29/12 \approx 2.42$ 및 $\alpha_6 = 130/41 \approx 3.17$이다.