[논문 리뷰] Beating the random assignment on constraint satisfaction problems of bounded degree

Boaz Barak, Ankur Moitra외 8명|arXiv (Cornell University)|2015. 05. 13.

Constraint Satisfaction and Optimization인용 수 8

한 줄 요약

이 논문은 유계 차수 제약 만족 문제(CSPs)에서 랜덤 할당을 능가하는 고전적 알고리즘을 제시한다. Max-$k$ XOR에 대해서는 $\frac{1}{2} + \bigOmega(1/\sqrt{D})$의 제약 조건 만족 비율을 달성하고, 일반적인 삼각형 없는 CSP에 대해서는 $\mathrm{opt} + \bigOmega(1/\sqrt{D})$를 달성한다. 여기서 $D$는 변수의 최대 차수이다. 이 방법은 국소적 제약 구조를 기반으로 한 랜덤 분할과 임계값 설정을 사용하여 랜덤 추측을 초월하는 만족도를 극대화하며, 이는 이전의 양자 알고리즘을 따라가고 개선한다.

ABSTRACT

We show that for any odd $k$ and any instance of the Max-kXOR constraint satisfaction problem, there is an efficient algorithm that finds an assignment satisfying at least a $\frac{1}{2} + Ω(1/\sqrt{D})$ fraction of constraints, where $D$ is a bound on the number of constraints that each variable occurs in. This improves both qualitatively and quantitatively on the recent work of Farhi, Goldstone, and Gutmann (2014), which gave a \emph{quantum} algorithm to find an assignment satisfying a $\frac{1}{2} + Ω(D^{-3/4})$ fraction of the equations. For arbitrary constraint satisfaction problems, we give a similar result for "triangle-free" instances; i.e., an efficient algorithm that finds an assignment satisfying at least a $μ+ Ω(1/\sqrt{D})$ fraction of constraints, where $μ$ is the fraction that would be satisfied by a uniformly random assignment.

연구 동기 및 목표

• 유계 차수 제약 만족 문제(CSPs), 특히 Max-$k$ XOR 및 삼각형 없는 CSP에서 랜덤 할당을 능가하는 고전적 알고리즘을 개발하는 것.
• 최근에 발표된 양자 알고리즘이 Max-3 XOR에 대해 $\tfrac{1}{2} + \bigOmega(D^{-3/4})$를 달성한 데 비추어, 고전적 알고리즘과 양자 알고리즘 간의 차이를 줄이는 것.
• 최근의 양자 알고리즘 성능을 따라하거나 능가하는 결정적이고 효율적이며 고전적으로 실행 가능한 방법을 제공하는 것.
• 랜덤 할당에 비해 $\bigOmega(1/\sqrt{D})$의 이점이 존재하고, 이는 근사 저항 설정에서도 고전적 방법으로 달성 가능하다는 것을 입증하는 것.

제안 방법

• 알고리즘은 변수들을 두 집합 $\bm{F}$와 $\bm{G}$로 랜덤 분할하며, 각 변수는 독립적으로 확률 $\tfrac{1}{2}$로 $\bm{G}$에 할당된다.
• 각 변수 $x_j$에 대해, 활성 제약 기여의 합의 중앙값을 소수 오차 $\delta$ 이내로 근사하는 임계값 $\theta_j$를 계산한다.
• 각 변수 $\bm{x}_j$의 부호는 $\mathrm{sgn}(\bm{Q}_j - \widetilde{\theta}_j)$로 설정되며, 여기서 $\bm{Q}_j$는 $x_j$를 포함하는 제약 값의 합이고, $\widetilde{\theta}_j$는 중앙값의 표본 근사이다.
• 분석은 푸리에 분석과 농도 경계를 활용하며, $\mathbb{E}[\bm{x}_j] \approx 0$임을 보이고, $\delta$가 작을 경우 비활성 제약 조건 기여가 무시 가능하다는 것을 보여준다.
• 핵심 기술적 단계는 삼각형 없음 성질과 제약 조건의 활성 확률이 $2^{-k+1}$임을 고려하여 $\mathbb{E}[\sqrt{|\bm{N}_i|} \mid i \in \bm{G}] \geq \exp(-O(k)) \cdot \sqrt{\deg(i)}$임을 증명하는 것이다.
• 알고리즘은 $\operatorname{poly}(m,n,\exp(k))$ 시간 내에 실행되며, 높은 확률로 근사 임계값과 부호를 효율적으로 계산할 수 있다.

실험 결과

연구 질문

• RQ1 유계 차수 $D$를 가진 Max-$k$ XOR 사례에서 고전적 알고리즘이 랜덤 할당을 능가하는 근사 비율을 달성할 수 있는가?
• RQ2 Farhi 등이 발표한 최근의 양자 알고리즘이 Max-3 XOR에 대해 $\tfrac{1}{2} + \bigOmega(D^{-3/4})$를 달성한 데 비해, 이를 따라하거나 능가할 수 있는가?
• RQ3 일반적인 삼각형 없는 CSP에 대해서도 랜덤 할당에 비해 $\bigOmega(1/D)$의 이점을 달성할 수 있는가, 특히 Max-$k$ XOR 외의 사례에서도?
• RQ4 유계 차수 CSP에서 근사 비율과 차수 범위 $D$ 사이의 최적의 트레이드오프는 무엇이며, 이를 고전적으로 달성할 수 있는가?
• RQ5 오차가 제한된 상태에서 중앙값 기반 임계값 설정 방법을 효율적으로 구현하면서도 기대 만족도 향상을 유지할 수 있는가?

주요 결과

• 알고리즘은 Max-$k$ XOR에 대해 $\tfrac{1}{2} + \bigOmega(1/\sqrt{D})$의 제약 조건 만족 비율을 달성하며, 이는 이전의 Farhi 등이 제안한 양자 알고리즘의 $\tfrac{1}{2} + \bigOmega(D^{-3/4})$ 보다 향상된 성능을 보인다.
• 일반적인 삼각형 없는 CSP에 대해서는 최소 $\mu + \bigOmega(1/\sqrt{D})$의 제약 조건 만족 비율을 확보하며, 여기서 $\mu$는 랜덤 할당 하에서의 기대 비율이다.
• 이 개선은 양자 계산을 피하는 고전적이고 효율적인 알고리즘을 통해 달성되며, 랜덤 분할과 임계값 설정을 사용한다.
• 분석 결과, 비활성 제약 조건의 기대 기여는 $2^k \delta$ 이하로 제한되며, $\delta = 1/\operatorname{poly}(m,n,\exp(k))$일 경우 무시 가능하다.
• 이 방법은 $\mathbb{E}[\sqrt{|\bm{N}_i|} \mid i \in \bm{G}] \geq \exp(-O(k)) \cdot \sqrt{\deg(i)}$임을 입증하며, 이는 $\bigOmega(1/\sqrt{D})$의 이득에 핵심적이다.
• 알고리즘은 높은 확률로 $\operatorname{poly}(m,n,\exp(k))$ 시간 내에 근사 임계값 $\widetilde{\theta}_j$를 계산하고 $\mathrm{sgn}(0)$을 정의할 수 있어 실용적으로 실행 가능하다.