[논문 리뷰] Constrained Monotone Function Maximization and the Supermodular Degree

Moran Feldman, Rani Izsak|arXiv (Cornell University)|2014. 07. 23.

Complexity and Algorithms in Graphs참고 문헌 30인용 수 28

한 줄 요약

이 논문은 k-확장 가능 시스템 제약 조건 하에서 임의의 단조 증가 집합 함수를 최대화하기 위한 처음으로 알려진 근사 알고리즘을 제시한다. 이 알고리즘은 초모듈라도에 적응하는 그레디언트 접근법을 사용하며, (1−e−1/(d+1))-근사 비율을 달성한다. 이는 하위모듈라 함수에 대한 Fisher-Nemhauser-Wolsey의 결과와 Feige-Izsak의 복지 최대화 결과를 일반화하며, 특수 케이스에서 근사 품질에 손실 없이 적용된다.

ABSTRACT

The problem of maximizing a constrained monotone set function has many practical applications and generalizes many combinatorial problems. Unfortunately, it is generally not possible to maximize a monotone set function up to an acceptable approximation ratio, even subject to simple constraints. One highly studied approach to cope with this hardness is to restrict the set function. An outstanding disadvantage of imposing such a restriction on the set function is that no result is implied for set functions deviating from the restriction, even slightly. A more flexible approach, studied by Feige and Izsak, is to design an approximation algorithm whose approximation ratio depends on the complexity of the instance, as measured by some complexity measure. Specifically, they introduced a complexity measure called supermodular degree, measuring deviation from submodularity, and designed an algorithm for the welfare maximization problem with an approximation ratio that depends on this measure. In this work, we give the first (to the best of our knowledge) algorithm for maximizing an arbitrary monotone set function, subject to a k-extendible system. This class of constraints captures, for example, the intersection of k-matroids (note that a single matroid constraint is sufficient to capture the welfare maximization problem). Our approximation ratio deteriorates gracefully with the complexity of the set function and k. Our work can be seen as generalizing both the classic result of Fisher, Nemhauser and Wolsey, for maximizing a submodular set function subject to a k-extendible system, and the result of Feige and Izsak for the welfare maximization problem. Moreover, when our algorithm is applied to each one of these simpler cases, it obtains the same approximation ratio as of the respective original work.

연구 동기 및 목표

• k-확장 가능 시스템 제약 조건 하에서 단조 증가 집합 함수 최대화를 위한 일반적인 근사 알고리즘을 개발하는 것.
• 기존의 하위모듈라 함수 최대화 및 복지 최대화 결과를 임의의 단조 증가 함수로 확장하는 것.
• 초모듈라도에 따라 근사 비율이 부드럽게 악화되는 알고리즘을 설계하는 것. 이는 하위모듈라리티에서의 이격도를 측정하는 척도이다.
• 하위모듈라 또는 복지 최대화 케이스에 특화되었을 때도 이전 연구들과 동일한 근사 비율을 달성함으로써 일반성에 손해 없이 성능을 유지하는 것.
• 소작업 확장 가설 하에서 근사 비율이 거의 최적임을 보여주는 하드니스 결과를 수립하는 것.

제안 방법

• 최적 해에서 유도된 후보 집합에 대한 경계 이득에 기반해 반복적으로 요소를 선택하는 그레디언트 알고리즘을 제안한다.
• 초모듈라도 d′를 사용하여 선택된 요소의 경계 이득을 제한하는 새로운 분석 기법을 도입한다.
• k-확장 가능 시스템 성질을 활용하여 해 집합 Sℓ의 값을 f(S₀)와 f(OPT)로 표현하는 재귀 부등식을 활용한다.
• 각 단계에서 가능한 최고의 경계 이득을 모델링하기 위해 D+(u) 및 후보 쌍 (u, D+(u) ∩OPT)의 개념을 사용한다.
• OPT ∖ S₀에 속한 요소들에 대해 청구 기법을 적용하여 각 반복의 향상 정도에 하한을 도출한다.
• 근사 비율이 최소 1−e−1/(d′+1)임을 증명하며, 이는 작은 덧셈 요소를 제외하고는 최적임을 보여준다.

실험 결과

연구 질문

• RQ1 하위모듈라 또는 복지 최대화 문제에 적용되었을 때도 이전 연구들과 동일한 근사 비율을 달성할 수 있는 단일 알고리즘이 존재하는가? 성능 손실 없이 가능한가?
• RQ2 k-확장 가능 시스템 설정에서 초모듈라도 d′는 근사 비율에 어떻게 영향을 미치는가?
• RQ3 임의의 단조 증가 집합 함수에 대해 k-확장 가능 제약 조건 하에서 초모듈라도에 따라 부드럽게 악화되는 그레디언트 알고리즘을 설계할 수 있는가?
• RQ4 이러한 문제 클래스에 대해 소작업 확장 가설 하에서 도달 가능한 최고의 근사 비율은 무엇인가?
• RQ5 초모듈라도는 다양한 함수 클래스 간 근사 보장을 통합하는 데 의미 있는 복잡도 척도로 사용될 수 있는가?

주요 결과

• 제안된 알고리즘은 k-확장 가능 시스템 하에서 단조 증가 집합 함수 최대화에 대해 (1−e−1/(d′+1))-근사 비율을 달성한다.
• 하위모듈라 함수에 특화되었을 때(d′=0), Fisher, Nemhauser, 및 Wolsey의 (1−1/e)-근사 비율을 복원한다.
• 복지 최대화 문제에 적용되었을 때, d가 초모듈라도이면 Feige와 Izsak의 (1/(d+2))-근사 비율을 달성한다.
• 초모듈라도가 증가함에 따라 알고리즘의 성능이 부드럽게 악화되며, 이는 비하위모듈라리티의 편차에 대한 강건성을 시사한다.
• 하드니스 결과에 따르면, 소작업 확장 가설 하에서 어떤 다항식 시간 알고리즘도 1−e−1/(d+1)보다 더 좋은 근사 비율을 달성할 수 없다.
• 하위모듈라 또는 복지 최대화 문제에 적용되었을 때도 이전 연구들과 동일한 근사 보장을 유지함으로써, 일반성에 대한 보상 없이 성능이 손상되지 않음을 입증한다.