[논문 리뷰] Evaluation of DNF Formulas

Sarah R. Allen, Lisa Hellerstein외 2명|arXiv (Cornell University)|2013. 10. 14.

Machine Learning and Algorithms참고 문헌 14인용 수 5

한 줄 요약

이 논문은 임의의 비용과 균형 분포 하에서 단조 DNF 공식에 대한 Stochastic Boolean Function Evaluation (SBFE) 문제를 연구한다. 근사 알고리즘을 제시하며 성능 보장을 갖춘 결과를 도출한다: 단조 $k$-DNF에 대해 $\frac{4}{\rho^k}$의 요인을 달성하고, 단조 $k$-항 DNF에 대해 $\max\{2k, \frac{2}{\rho}(1+\ln k)\}$의 요인을 달성한다. 또한, approximation 요인이 $0 < \epsilon < 1$에 대해 $\Omega((\log kd)^\epsilon)$ 이상이어야 함을 증명하여 이전의 근사 bound가 거의 최적임을 보여준다.

ABSTRACT

Stochastic Boolean Function Evaluation (SBFE) is the problem of determining the value of a given Boolean function $f$ on an unknown input $x$, when each bit of $x_i$ of $x$ can only be determined by paying a given associated cost $c_i$. Further, $x$ is drawn from a given product distribution: for each $x_i$, $Prob[x_i=1] = p_i$, and the bits are independent. The goal is to minimize the expected cost of evaluation. Stochastic Boolean Function Evaluation (SBFE) is the problem of determining the value of a given Boolean function $f$ on an unknown input $x$, when each bit of $x_i$ of $x$ can only be determined by paying a given associated cost $c_i$. Further, $x$ is drawn from a given product distribution: for each $x_i$, $Prob[x_i=1] = p_i$, and the bits are independent. The goal is to minimize the expected cost of evaluation. In this paper, we study the complexity of the SBFE problem for classes of DNF formulas. We consider both exact and approximate versions of the problem for subclasses of DNF, for arbitrary costs and product distributions, and for unit costs and/or the uniform distribution.

연구 동기 및 목표

• 임의의 비용과 균형 분포 하에서 DNF 공식의 부분집합에 대한 Stochastic Boolean Function Evaluation (SBFE) 문제의 복잡도를 분석하는 것.
• 단조 $k$-DNF 및 $k$-항 DNF 공식에 대해 증명 가능한 성능 보장을 갖춘 근사 알고리즘을 개발하는 것.
• 달성 가능한 근사 요인에 대한 엄밀한 하한선을 설정하여, 기존의 $O(\log kd)$ bound가 예상 인증 비용 기준으로 거의 최적임을 보여주는 것.
• 평균적 결정 트리 깊이와 평균적 인증 크기 사이의 관계를 조사하여, 일부 경우에 지수적 간격이 존재함을 보여주는 것.

제안 방법

• $k$-DNF에 대한 SBFE 문제를 $k=2$일지라도 NP-난해로 감소시켜 이 클래스에 대한 계산적 난이도를 입증한다.
• 단조 $k$-DNF에 대한 근사 알고리즘을 제안하며, 성능 보장으로 $\frac{4}{\rho^k}$를 달성한다. 여기서 $\rho$는 $p_i$ 또는 $1-p_i$의 최소값이다.
• 비단위 비용에 대해 수정된 라운드로빈 전략을 도입하여, 단위 비용과 균일 분포 하에서도 $O(\log kd)$ 근사 bound를 유지한다.
• Kaplan 등이 제안한 알고리즘을 비단위 비용과 비균일 분포를 처리할 수 있도록 확장하여, $O(\frac{1}{\rho}\log kd)$ 근사 요인을 달성한다.
• 비율 $E_{f}[OPT]/E_{f}[CERT]$에 대한 하한선을 유도하기 위해 $n^\beta$개의 항을 갖는 랜덤 DNF 공식의 확률적 분석을 수행한다.
• 임의의 $\epsilon \in (0,1)$에 대해 하한선이 $\Omega((\log kd)^\epsilon)$임을 증명함으로써, $O(\log kd)$ 근사 요인이 하위다항수 요소를 제외하고는 최적임을 보여준다.

실험 결과

연구 질문

• RQ1 임의의 비용과 균형 분포 하에서 단조 $k$-DNF 공식을 평가할 때 달성 가능한 근사 비율은 무엇인가?
• RQ2 단조 CDNF 공식에 대해 $O(\log kd)$ 근사 bound는 향상될 수 있는가, 아니면 거의 최적인가?
• RQ3 DNF 공식에 대해 최적의 SBFE 전략의 기대 비용은 인증 비용의 기대값과 어떻게 비교되는가?
• RQ4 부울 함수에 대해 평균 결정 트리 깊이와 평균 인증 크기 사이에 초수렴 간격이 존재하는가?
• RQ5 CDNF 공식에서 단조성 가정을 제거할 경우 $O(\log kd)$ 근사 bound를 유지할 수 있는가?

주요 결과

• $k$-DNF에 대한 SBFE 문제는 $k=2$일지라도 NP-난해임을 입증하여 이 클래스에 대한 계산적 난이도를 확립한다.
• 단조 $k$-DNF에 대한 근사 알고리즘은 최적 비용 대비 $\frac{4}{\rho^k}$의 요인을 달성한다. 여기서 $\rho = \min_i \min(p_i, 1-p_i)$이다.
• 단조 $k$-항 DNF에 대해선 근사 요인이 $\max\{2k, \frac{2}{\rho}(1+\ln k)\}$로 달성된다.
• 단조 $k$-항 DNF에 대한 SBFE 문제는 $k$가 상수일 경우 다항식 시간 내에 정확히 해결할 수 있다.
• 단조 CDNF에 대한 $O(\log kd)$ 근사 요인은 거의 최적이다. 하한선이 임의의 $\epsilon \in (0,1)$에 대해 $\Omega((\log kd)^\epsilon)$이기 때문이다.
• 임의의 $\epsilon \in (0,1)$에 대해 비율 $E_{f}[OPT]/E_{f}[CERT]$가 $\Omega(n^\epsilon)$인 부울 함수가 존재함을 보여주며, 이는 평균적 깊이가 평균적 인증 크기보다 지수적으로 클 수 있음을 시사한다.