[논문 리뷰] Dependent Randomized Rounding for Matroid Polytopes and Applications

Chandra Chekuri, J. Vondrák외 1명|ArXiv.org|2009. 09. 24.

Complexity and Algorithms in Graphs참고 문헌 33인용 수 37

한 줄 요약

이 논문은 매트로이드 품체에 대해 종속적인 랜덤화된 스왑 라운딩을 도입하며, 선형 함수에 대해 찬너프 유사 농도 경계와 단조 감소하는 하위모듈라 함수에 대해 지수적 하위 꼬리 경계를 달성한다. 이는 매트로이드와 $k$개의 선형 제약 조건 하에서 단조 감소하는 하위모듈라 함수를 최대화할 때 $(1-1/e - \varepsilon)$-근사값을 제공하며, 제약 조건이 느슨할 경우 초수상수 $k$에 대해서도 성립한다. 또한 연속적 그레디언트 알고리즘을 다중 목표 하위모듈라 최대화 문제에 확장하여 파레토 집합 보장을 제공한다.

ABSTRACT

Motivated by several applications, we consider the problem of randomly rounding a fractional solution in a matroid (base) polytope to an integral one. We consider the pipage rounding technique and also present a new technique, randomized swap rounding. Our main technical results are concentration bounds for functions of random variables arising from these rounding techniques. We prove Chernoff-type concentration bounds for linear functions of random variables arising from both techniques, and also a lower-tail exponential bound for monotone submodular functions of variables arising from randomized swap rounding. The following are examples of our applications: (1) We give a (1-1/e-epsilon)-approximation algorithm for the problem of maximizing a monotone submodular function subject to 1 matroid and k linear constraints, for any constant k and epsilon>0. (2) We present a result on minimax packing problems that involve a matroid base constraint. We give an O(log m / log log m)-approximation for the general problem Min {lambda: x \in {0,1}^N, x \in B(M), Ax <= lambda b}, where m is the number of packing constraints. (3) We generalize the continuous greedy algorithm to problems involving multiple submodular functions, and use it to find a (1-1/e-epsilon)-approximate pareto set for the problem of maximizing a constant number of monotone submodular functions subject to a matroid constraint. An example is the Submodular Welfare Problem where we are looking for an approximate pareto set with respect to individual players' utilities.

연구 동기 및 목표

• 매트로이드 품체 상의 하위모듈라 함수에 대해 농도 성질을 유지하는 새로운 종속 라운딩 기법인 랜덤화된 스왑 라운딩을 개발하는 것.
• 제약 조건으로 인해 독립 라운딩이 실패할 경우 매트로이드 품체 내 분수 해를 라운딩하는 데 도전하는 문제를 해결하는 것.
• 단일 목표 문제를 초월하여 매트로이드 제약 조건 하에서 다수의 단조 감소하는 하위모듈라 함수를 동시에 최대화하기 위한 근사 알고리즘을 확장하는 것.
• 종속된 랜덤 변수에 대한 농도 경계를 통해 비선형 목표 함수와 다중 제약 조건을 다룰 수 있는 일반적 프레임워크를 제공하는 것.
• 상수 또는 느슨하게 제약된 선형 제약 조건이 있는 문제에 대해 $(1-1/e - \varepsilon)$-근사값을 달성하고, 다중 목표 하위모듈라 최적화에 대해 근사 파레토 집합을 계산하는 것.

제안 방법

• 매트로이드 품체 내 점에 대해 랜덤화된 스왑 라운딩을 새로운 종속 라운딩 기법으로 제안하며, 피페이지 라운딩을 대체하거나 보완한다.
• 랜덤화된 스왑 라운딩이 생성하는 랜덤 변수의 선형 함수에 대해 찬너프 유사 농도 경계를 확립한다.
• 랜덤화된 스왑 라운딩 하에서 단조 감소하는 하위모듈라 함수에 대해 지수적 하위 꼬리 경계를 증명하며, 최적해에서 벗어난 결과에 대한 확률적 보장을 가능하게 한다.
• 연속적 그레디언트 알고리즘을 다수의 단조 감소하는 하위모듈라 함수를 동시에 처리할 수 있도록 수정하며, 다중선형 확장과 선형 프로그래밍을 통한 방향 탐색을 활용한다.
• 먼저 분수 형태의 최적화 문제를 풀고, 그 해를 랜덤화된 스왑 라운딩을 통해 라운딩함으로써 매트로이드와 $k$개의 선형 제약 조건 하에서 단조 감소하는 하위모듈라 함수를 최대화하는 데 적용한다.
• 마진 기여도를 줄이기 위해 추측 단계를 사용하고, 농도 부등식과 유니언 바운드를 결합하여 고확률 근사 보장을 확보한다.

실험 결과

연구 질문

• RQ1 매트로이드 품체 상에서 선형 함수와 하위모듈라 함수 양쪽에 대해 강력한 농도 경계를 제공하는 새로운 종속 라운딩 기법을 설계할 수 있는가?
• RQ2 종속 라운딩을 사용할 때 매트로이드와 상수 개의 선형 제약 조건 하에서 단조 감소하는 하위모듈라 함수를 최대화할 수 있는 근사 보장은 무엇인가?
• RQ3 연속적 그레디언트 알고리즘을 매트로이드 제약 조건 하에서 다수의 단조 감소하는 하위모듈라 목표 함수를 동시에 처리할 수 있도록 일반화할 수 있는가? 이를 통해 근사 파레토 집합을 계산할 수 있는가?
• RQ4 하위모듈라 최대화 문제에서 랜덤화된 스왑 라운딩의 농도 성능과 근사 품질은 피페이지 라운딩과 비교해 어떻게 되는가?
• RQ5 선형 제약 조건 수 $k$가 초수상수일 경우, 어떤 조건에서 $(1-1/e - \varepsilon)$-근사값을 달성할 수 있는가?

주요 결과

• 모든 상수 $k \geq 1$ 과 $\varepsilon > 0$ 에 대해, 매트로이드와 $k$개의 선형 제약 조건 하에서 단조 감소하는 하위모듈라 함수를 최대화하는 데 대해 $(1-1/e - \varepsilon)$-근사 알고리즘이 달성된다.
• 오른쪽 항이 행렬 원소들보다 $\Omega(\varepsilon^{-2}\log k)$ 배 이상 큰 경우, $k$개의 선형 제약 조건 하에서도 동일한 근사 비율을 확보할 수 있다. 이는 초수상수 $k$에 대해서도 허용한다.
• 매트로이드 기저 제약 조건과 $m$개의 팩킹 제약 조건이 있는 민민 팩킹 문제에 대해 $O(\log m / \log \log m)$-근사값을 제공한다.
• 매트로이드 제약 조건 하에서 상수 개의 단조 감소하는 하위모듈라 함수를 최대화할 때 $(1-1/e - \varepsilon)$-근사 파레토 집합을 계산하며, 다중 목표 하위모듈라 웰페어 문제를 해결한다.
• 랜덤화된 스왑 라운딩은 단조 감소하는 하위모듈라 함수에 대해 지수적 하위 꼬리 경계를 달성하며, 강력한 확률적 농도 보장을 가능하게 한다.
• 이 방법은 다중 목표 하위모듈라 최대화 문제에 대해 연속적 그레디언트 알고리즘의 일반화된 형태를 사용할 수 있도록 하며, 모든 목표치를 충족시키는 해가 존재하지 않을 경우 비가능성 증명을 제공한다.