[논문 리뷰] Combinatorial Optimization Algorithms via Polymorphisms

Jonah Brown-Cohen, Prasad Raghavendra|arXiv (Cornell University)|2015. 01. 07.

Advanced Graph Theory Research참고 문헌 26인용 수 11

한 줄 요약

이 논문은 타당성 해를 유지하는 연산인 다형성( polymorphisms)을 사용하여 가치-오рак루 모델에서 조합 최적화를 위한 새로운 프레임워크를 제안한다. 측도를 보존하고 대칭성이 있는 다형성을 갖는 함수를 최소화하기 위한 랜덤화 알고리즘을 제시하며, 유일성 게임 추측을 근사 다형성의 관점에서 재구성함으로써, CSP와 Max-CSP 간의 타당성 기준을 통합한다.

ABSTRACT

An elegant characterization of the complexity of constraint satisfaction problems has emerged in the form of the the algebraic dichotomy conjecture of [BKJ00]. Roughly speaking, the characterization asserts that a CSP Λ is tractable if and only if there exist certain non-trivial operations known as polymorphisms to combine solutions to Λ to create new ones. In an entirely separate line of work, the unique games conjecture yields a characterization of approximability of Max-CSPs. Surprisingly, this characterization for Max-CSPs can also be reformulated in the language of polymorphisms. In this work, we study whether existence of non-trivial polymorphisms implies tractability beyond the realm of constraint satisfaction problems, namely in the value-oracle model. Specifically, given a function f in the value-oracle model along with an appropriate operation that never increases the value of f , we design algorithms to minimize f . In particular, we design a randomized algorithm to minimize a function f that admits a fractional polymorphism which is measure preserving and has a transitive symmetry. We also reinterpret known results on MaxCSPs and thereby reformulate the unique games conjecture as a characterization of approximability of max-CSPs in terms of their approximate polymorphisms.

연구 동기 및 목표

• 값-오라클 모델에서 정확한 만족 조건을 초월하여 다형성 기반의 타당성 특성화를 조합 최적화로 확장한다.
• 비어 있지 않은 대칭 다형성을 갖는 함수를 최소화하기 위한 랜덤화 알고리즘을 개발한다. 특히 측도를 보존하고 대칭성이 있는 다형성을 대상으로 한다.
• 유일성 게임 추측을 근사 다형성의 관점에서 Max-CSP의 근사 가능성 특성화로 재해석한다.
• 상관관계 감쇠, 초수축성, 그리고 CSP에서의 랜덤화 라운딩 행동 간 이론적 다리를 구축한다.
• 랜덤화 라운딩 과정에서 준난류성(quasirandomness)이 유지됨을 증명함으로써, 강건한 근사 알고리즘 설계를 가능하게 한다.

제안 방법

• 함수 값을 증가시키지 않는 분수 다형성(fractional polymorphisms)을 활용하며, 특히 측도를 보존하고 대칭성이 있는 다형성에 집중한다.
• 랜덤화 라운딩의 행동 분석을 위해 상관관계 감쇠와 초수축성 부등식을 적용한다.
• 변수의 영향력에 대한 영향을 제한하기 위해 Berry-Esseen 정리와 조건부 기대값 연산자를 사용한다.
• 각 함수 값이 분수 다형성에 의해 정의된 분포에서 독립적으로 샘플링되는 랜덤화 라운딩 절차를 적용한다.
• Hoeffding의 부등식을 적용하여 랜덤 샘플링 하에서 푸리에 계수의 집중을 제어함으로써, 영향력 제약의 안정성을 확보한다.
• 낮은 차수의 푸리에 계수에 대한 유니온 바운드를 적용하여, 원래 함수와 라운딩된 함수 간의 변수 영향력이 유사하게 유지됨을 보여준다.

실험 결과

연구 질문

• RQ1 비어 있지 않은 대칭 다형성이 존재할 경우, 이는 값-오라클 모델에서 효율적인 최적화 알고리즘 설계에 활용될 수 있는가?
• RQ2 대칭 다형성에서의 상관관계 감쇠는 조합 최적화를 위한 랜덤화 근사 알고리즘 설계에 어느 정도 기여하는가?
• RQ3 Max-CSP에 대해 유일성 게임 추측을 근사 다형성의 관점에서 어떻게 재구성할 수 있는가?
• RQ4 낮은 차수의 영향력으로 측정되는 준난류성(quasirandomness)은 분수 다형성의 랜덤화 라운딩 과정에서 유지되는가?
• RQ5 분수 다형성에서 샘플링한 후에도 함수의 변수 영향력이 안정적으로 제약을 받을 수 있는가? 이는 근사 보장 조건을 확보하는 데 기여하는가?

주요 결과

• 측도를 보존하고 대칭성이 있는 다형성을 갖는 함수 f : [q]^n → R 를 최소화하기 위한 랜덤화 알고리즘을 설계하였다.
• 알고리즘은 높은 확률로 최적값과 O(δ) 이내의 목적값을 달성한다. 여기서 δ는 다형성의 근사 오차를 제어하는 요소이다.
• 논문은 임의의 τ, d, ε 및 충분히 큰 R에 대해, 랜덤화 라운딩이 준난류성을 유지함을 증명한다. 즉, 높은 확률로 라운딩된 함수는 동일한 분포 하에서 유한한 영향력을 갖는다.
• 분포 하에서 함수의 기대 최대 영향력이 τ 이하일 경우, 랜덤화 라운딩 이후 기대 최대 영향력은 확률 1 - ε/R 이상으로 최대 5τ 이하가 된다.
• 직접성 테스트의 타당성 분석 결과, 원래 레이블링이 s + η 개 이상의 간선을 만족할 경우, 복원된 레이블링은 기대값으로 일정 비율의 간선을 만족하며, 이 비율은 η, τ, d 의 함수로 유계된다.
• 이 프레임워크는 CSP의 대수적 이분법 추측과 유일성 게임 추측을 다형성 성질로 표현함으로써 통합한다. CSP에 대해서는 정확한 다형성, Max-CSP에 대해서는 근사 다형성로 표현된다.