[논문 리뷰] Faster Algorithms for Feedback Arc Set Tournament, Kemeny Rank Aggregation and Betweenness Tournament

Marek Karpiński, Warren Schudy|arXiv (Cornell University)|2010. 06. 23.

Multi-Criteria Decision Making인용 수 22

한 줄 요약

이 논문은 최적 비용 OPT을 활용하여 세 가지 NP-난이도 랭킹 문제—피드백 아크 세트 토너먼트, 케멘티 랭킹 집계, 베타윈스 토너먼트—에 대해 더 빠른 고정 매개변수 알고리즘을 제안한다. 이는 모든 세 문제에 대해 $O^{*}(2^{O(\sqrt{OPT})})$의 런타임을 달성하며, 이는 이전의 경계보다 크게 향상되었고, 지수 시간 가설(ETH)의 하한선과 일치한다. 이로 인해 $\text{OPT} \leq n(\log n)^2$일 경우 다항식 시간 해법이 가능해진다. 핵심 혁신은 제한된 편향 분석을 갖는 새로운 동적 프로그래밍 접근법과 최적 해에 가까운 위치를 기반으로 한 정밀한 매개변수화된 검색 전략이다.

ABSTRACT

We study fixed parameter algorithms for three problems: Kemeny rank aggregation, feedback arc set tournament, and betweenness tournament. For Kemeny rank aggregation we give an algorithm with runtime O*(2^O(sqrt{OPT})), where n is the number of candidates, OPT is the cost of the optimal ranking, and O* hides polynomial factors. This is a dramatic improvement on the previously best known runtime of O*(2^O(OPT)). For feedback arc set tournament we give an algorithm with runtime O*(2^O(sqrt{OPT})), an improvement on the previously best known O*(OPT^O(sqrt{OPT})) (Alon, Lokshtanov and Saurabh 2009). For betweenness tournament we give an algorithm with runtime O*(2^O(sqrt{OPT/n})), where n is the number of vertices and OPT is the optimal cost. This improves on the previously known O*(OPT^O(OPT^{1/3}))$ (Saurabh 2009), especially when OPT is small. Unusually we can solve instances with OPT as large as n (log n)^2 in polynomial time!

연구 동기 및 목표

• 피드백 아크 세트 토너먼트, 케멘티 랭킹 집계, 베타윈스 토너먼트의 세 가지 기본 랭킹 문제에 대해 더 빠른 고정 매개변수 알고리즘을 개발한다.
• 최적 비용 $\text{OPT}$에 대한 지수적 의존도를 $2^{O(\text{OPT})}$에서 $2^{O(\sqrt{\text{OPT}})}$로 감소시킨다.
• 지수 시간 가설(ETH) 하에 하한선을 증명하여 타ight한 매개변수 복잡도 경계를 확립한다.
• 기존 방법으로는 해결이 어려웠던 $\text{OPT} \leq n(\log n)^2$인 경우에 다항식 시간 해법을 가능하게 한다.

제안 방법

• 후보 해 $\pi^1$ 에서의 허용 가능한 편향 반경 $r(v)$ 내의 랭킹만을 고려하도록 검색 공간을 제한하는 새로운 동적 프로그래밍 프레임워크를 제안한다.
• 최적 해 $\pi^*$ 에서의 거리가 $d(\pi^1, \pi^*) = O(\sqrt{\text{OPT}/n})$ 이고, 비용이 $C(\pi^1) \leq 2C(\pi^*)$ 인 랭킹 $\pi^1$ 을 식별하는 매개변수화된 검색 전략을 사용한다.
• 서브셋 $S$ 에만 포함된 정점들 간의 제약 조건과 관련된 비용을 포괄하는 비용 함수 $C^\prime(\pi)$ 를 정의하여 동적 프로그래밍에서 최적 부분구조를 확보한다.
• 공간 복잡도를 $|V|^{O(1)}$ 로 줄이기 위해 동적 프로그래밍의 분할정복 변형을 적용하면서, $|V|^{O(\psi)}$ 시간을 유지한다. 여기서 $\psi = \max_j |\{v : |\pi^1(v) - j| \leq r(v)\}|$ 이다.
• 삼각 부등식과 토너먼트의 구조적 성질을 활용하여 최적 랭킹에서 크게 벗어난 정점의 수를 제한한다.
• 편향 경계를 $b(\pi, v, j+1/2)$ 차이에서 유도하여, 최적 해 $\pi^*$ 가 항상 동적 프로그래밍의 검색 공간 내에 있음을 보여, 정당성을 입증한다.

실험 결과

연구 질문

• RQ1 피드백 아크 세트 토너먼트에 대한 고정 매개변수 알고리즘에서 $\text{OPT}$ 에 대한 지수적 의존도를 $2^{O(\text{OPT})}$ 에서 $2^{O(\sqrt{\text{OPT}})}$ 로 줄일 수 있는가?
• RQ2 케멘티 랭킹 집계에 대해 $O^{*}(2^{O(\sqrt{\text{OPT}})})$ 런타임을 달성할 수 있는가? 이는 이전의 $O^{*}(2^{O(\text{OPT})})$ 경계를 향상시키는 것이다.
• RQ3 베타윈스 토너먼트 문제는 $O^{*}(2^{O(\sqrt{\text{OPT}/n})})$ 시간에 해결할 수 있는가? 이는 이전의 $O^{*}(\text{OPT}^{O(\text{OPT}^{1/3})})$ 경계보다 크게 향상된다.
• RQ4 지수 시간 가설(ETH)은 가중 피드백 아크 세트 토너먼트 문제에 대해 $O^{*}(2^{o(\sqrt{\text{OPT}})})$ 시간 이하의 알고리즘이 존재하지 않음을 암시하는가?
• RQ5 어떤 조건에서 $\text{OPT}$ 가 이들 문제를 다항식 시간 내에 해결할 수 있는가?

주요 결과

• 논문은 피드백 아크 세트 토너먼트에 대해 $O^{*}(2^{O(\sqrt{\text{OPT}})})$ 런타임을 달성하였으며, 이는 이전 최고 성능인 $O^{*}(\text{OPT}^{O(\sqrt{\text{OPT}})})$ 보다 향상된 것이다.
• 케멘티 랭킹 집계의 경우 알고리즘이 $O^{*}(2^{O(\sqrt{\text{OPT}})})$ 시간 내에 실행되며, 이는 이전의 $O^{*}(2^{O(\text{OPT})})$ 경계에 비해 극적인 향상이다.
• 베타윈스 토너먼트의 경우 알고리즘이 $O^{*}(2^{O(\sqrt{\text{OPT}/n})})$ 시간 내에 실행되며, 이는 이전의 $O^{*}(\text{OPT}^{O(\text{OPT}^{1/3})})$ 경계보다 크게 향상되었다.
• 논문은 일치하는 하한선을 증명한다: 지수 시간 가설(ETH)이 참이 아니라면, 가중 피드백 아크 세트 토너먼트 문제를 $O^{*}(2^{o(\sqrt{\text{OPT}})})$ 시간 이내에 해결할 수 있는 알고리즘은 존재하지 않는다.
• 알고리즘은 $\text{OPT} \leq n(\log n)^2$ 인 경우 다항식 시간 내에 해결할 수 있으며, 이는 이전에는 해결 가능성이 알려지지 않은 영역이었다.
• 정당성은 최적 해 $\pi^*$ 가 항상 동적 프로그래밍의 검색 공간 내에 있으며, 이는 정점 위치의 $O(\sqrt{n\cdot\text{OPT}})$ 이내의 편향 경계에 의해 보장됨을 보여, 알고리즘의 정확성을 보장한다.