[논문 리뷰] Constructive Algorithms for Discrepancy Minimization

Nikhil Bansal|arXiv (Cornell University)|2010. 02. 11.

Mathematical Approximation and Integration참고 문헌 9인용 수 40

한 줄 요약

이 논문은 엔트로피 방법을 통해 존재성 결과와 일치하는 bound를 달성하는 최초의 다항시간 랜덤 알고리즘을 제시한다. 원소의 색상은 정수기반 반복 최적화를 통해 유도되는 준정적계획형 프로그래밍(SDP)에 기반한 랜덤 워크로 모델링되며, m ≥ n일 경우 O(n^{1/2} log(2m/n))의 불일치도를 달성하고, 유계 차수 집합 체계의 경우 O(t^{1/2} log n)의 불일치도를, 유전적 불일치도의 경우 O(λ log(nm))의 불일치도를 달성하여, 불일치도 이론에서 오랫동안 남아있던 알고리즘적 격차를 해결한다.

ABSTRACT

Given a set system (V,S), V={1,...,n} and S={S1,...,Sm}, the minimum discrepancy problem is to find a 2-coloring of V, such that each set is colored as evenly as possible. In this paper we give the first polynomial time algorithms for discrepancy minimization that achieve bounds similar to those known existentially using the so-called Entropy Method. We also give a first approximation-like result for discrepancy. The main idea in our algorithms is to produce a coloring over time by letting the color of the elements perform a random walk (with tiny increments) starting from 0 until they reach $-1$ or $+1$. At each time step the random hops for various elements are correlated using the solution to a semidefinite program, where this program is determined by the current state and the entropy method.

연구 동기 및 목표

• 비구조적 존재성 bound를 만족하는 구조적 알고리즘을 제공하여 불일치도 최소화의 알고리즘 격차를 메운다.
• 스펜서의 '여섯 표준편차로 충분하다'는 결과가 알고리즘적으로 구현될 수 있는지 여부라는 오랫동안 남아있던 열린 문제를 해결한다.
• 유계 차수 집합 체계와 유전적 불일치도에 대해 기존 존재성 bound와 일치하는 구조적 보장을 확장한다.
• SDP 유도 랜덤 워크를 활용한 새로운 랜덤 알고리즘 프레임워크를 개발하여 불일치도 최소화를 수행한다.
• 불일치도에 대해 랜덤 색칠보다 나은 다항시간 근사 유사 결과를 제공한다.

제안 방법

• 원소의 색상을 0에서 시작하는 연속적인 랜덤 워크로 모델링하여, -1 또는 +1으로 점진적으로 이동시킨다.
• 각 시간 단계에서 현재 상태와 엔트로피 기반 제약 조건을 고려하여, 랜덤 워크의 증분 간 상관관계를 정수기반 반복 최적화(SDP)로 설정한다.
• 엔트로피 방법을 적용하여 SDP 해를 유도함으로써, 어떤 집합이 불일치도 임계값을 초과할 확률을 최소화한다.
• 불일치도 임계값을 기반으로 '위험한' 집합을 정의하고, 농도 집합의 수를 제어하기 위해 농도 불등식을 적용한다.
• 마르코프 및 체르노프 유형 부등식을 사용하여, 랜덤 워크 중에 너무 많은 집합이 극도로 위험해지는 확률을 제한한다.
• SDP 해를 랜덤 알고리즘에 통합하여, 타당성을 유지하면서 높은 확률로 낮은 불일치도를 확보한다.

실험 결과

연구 질문

• RQ1 m ≥ n일 경우, 스펜서의 O(n^{1/2} log(2m/n)) 불일치도 bound를 알고리즘적으로 달성할 수 있는가?
• RQ2 유계 차수 집합 체계에 대해 Srinivasan의 존재성 결과와 일치하는 O(t^{1/2} log n) 불일치도를 달성하는 구조적 알고리즘이 존재하는가?
• RQ3 효율적인 알고리즘을 사용하여, hereditary discrepancy λ를 로그 인자 범위 내에서 구조적으로 근사할 수 있는가?
• RQ4 엔트로피 방법이 SDP 유도 랜덤 워크 프레임워크를 통해 알고리즘적으로 구현될 수 있는가?
• RQ5 일반적인 집합 체계에서 다항시간 내에 달성 가능한 최고의 불일치도는 무엇이며, 존재성 결과와 일치시킬 수 있는가?

주요 결과

• 알고리즘은 m ≥ n일 경우 확률 1/log m 이상으로 O(n^{1/2} log(2m/n))의 불일치도를 달성하며, 이는 스펜서의 존재성 bound와 로그 인자 범위 내에서 일치한다.
• 각 원소가 최대 t개의 집합에 포함되는 집합 체계의 경우, 알고리즘은 확률 1/n 이상으로 O(t^{1/2} log n)의 불일치도를 달성하며, Srinivasan의 존재성 결과와 일치한다.
• 알고리즘은 hereditary discrepancy λ에 대해 O(λ log(nm))의 불일치도를 갖는 색칠을 생성하며, 이는 로그 인자 범위 내에서의 구조적 근사이다.
• 생존 변수 수가 a/2 이상 유지될 경우, 알고리즘이 상수 확률(1/2)로 성공하여 전체 랜덤 워크 동안 타당성이 유지된다.
• 분석은 SDP, 엔트로피 기반 제약 조건, 농도 불등식의 새로운 조합을 사용하여 고불일치도 집합의 발생 확률을 제한한다.
• 이 프레임워크는 엔트로피 방법을 완전히 알고리즘화한 최초의 사례로, 불일치도 이론에서 오랫동안 남아있던 열린 문제를 해결한다.