[논문 리뷰] Fine-Grained Completeness for Optimization in P

Karl Bringmann, Alejandro Cassis외 2명|arXiv (Cornell University)|2021. 01. 01.

Complexity and Algorithms in Graphs참고 문헌 14인용 수 1

한 줄 요약

이 논문은 최적화 문제의 P 내에서 세밀한 완전성(fine-grained completeness)을 확립하기 위해 MaxSP 및 MinSP 클래스를 도입한다. 이 클래스들은 관계 구조 위에서의 양자화자 없는 일阶논리 공식에서 만족하는 튜플의 수를 최대화하거나 최소화하는 문제로 정의된다. 논문은 최대/최소 내적 문제(Maximum/Minimum Inner Product problem)가 결정론적 세밀한 감소에 대해 완전하다는 것을 증명하며, 이는 이 문제에 대해 비제곱 시간 알고리즘 또는 근사 알고리즘을 개발할 경우 MaxSP/MinSP에 속한 모든 문제에 대해 더 빠른 알고리즘을 얻을 수 있음을 시사한다. 이는 직교 벡터 가설(Orthogonal Vectors Hypothesis)과도 깊은 연관성을 가진다.

ABSTRACT

We initiate the study of fine-grained completeness theorems for exact and approximate optimization in the polynomial-time regime. Inspired by the first completeness results for decision problems in P (Gao, Impagliazzo, Kolokolova, Williams, TALG 2019) as well as the classic class MaxSNP and MaxSNP-completeness for NP optimization problems (Papadimitriou, Yannakakis, JCSS 1991), we define polynomial-time analogues MaxSP and MinSP, which contain a number of natural optimization problems in P, including Maximum Inner Product, general forms of nearest neighbor search and optimization variants of the $k$-XOR problem. Specifically, we define MaxSP as the class of problems definable as $\max_{x_1,\dots,x_k} \#\{ (y_1,\dots,y_\ell) : ϕ(x_1,\dots,x_k, y_1,\dots,y_\ell) \}$, where $ϕ$ is a quantifier-free first-order property over a given relational structure (with MinSP defined analogously). On $m$-sized structures, we can solve each such problem in time $O(m^{k+\ell-1})$. Our results are: - We determine (a sparse variant of) the Maximum/Minimum Inner Product problem as complete under *deterministic* fine-grained reductions: A strongly subquadratic algorithm for Maximum/Minimum Inner Product would beat the baseline running time of $O(m^{k+\ell-1})$ for *all* problems in MaxSP/MinSP by a polynomial factor. - This completeness transfers to approximation: Maximum/Minimum Inner Product is also complete in the sense that a strongly subquadratic $c$-approximation would give a $(c+\varepsilon)$-approximation for all MaxSP/MinSP problems in time $O(m^{k+\ell-1-δ})$, where $\varepsilon > 0$ can be chosen arbitrarily small. Combining our completeness with~(Chen, Williams, SODA 2019), we obtain the perhaps surprising consequence that refuting the OV Hypothesis is *equivalent* to giving a $O(1)$-approximation for all MinSP problems in faster-than-$O(m^{k+\ell-1})$ time.

연구 동기 및 목표

• 최적화 문제에 대해 다항시간 범위 내에서 세밀한 완전성의 프레임워크를 확립하기 위해.
• MaxSP 및 MinSP를 관계 구조 위에서의 양자화자 없는 일阶논리 공식의 해의 수를 세는 방식으로 표현할 수 있는 최적화 문제의 클래스로 정의하기 위해.
• 최대/최소 내적 문제를 MaxSP/MinSP에 대해 완전한 문제로 식별하기 위해.
• 이 문제에 대해 비제곱 시간 알고리즘 또는 근사 알고리즘을 얻을 경우, MaxSP/MinSP에 속한 모든 문제에 대해 더 빠른 알고리즘이 유도됨을 보여주기 위해.
• 최적화 문제의 난이도가 직교 벡터 가설과 밀접하게 연결되어 있음을, 정확한 감소를 통해 연결하기 위해.

제안 방법

• 관계 구조 위에서의 양자화자 없는 일阶논리 공식의 변수 수와 관계 수에 따라 매개변수화된 최적화 문제의 클래스로 MaxSP 및 MinSP를 정의하기 위해.
• MaxSP/MinSP에 대해 완전한 문제 후보로 최대/최소 내적 문제의 희소 변형(sparse variant)을 도입하기 위해.
• 모든 MaxSP/MinSP 문제에서 최대/최소 내적 문제로의 결정론적 세밀한 감소를 구성하여, 해의 품질과 실행 시간 한계를 유지하기 위해.
• 색상 칠하기(color-coding) 및 문장 치환 기법을 사용하여 다중관계 문제를 단일 문장 문제로 전환하고, 단항 문장을 포함하도록 변환하기 위해.
• 차원 감소 및 인스턴스 변환 기법을 적용하여 단항 문장과 교차 간선(predicates)을 제거하고, 하이브리드 문제(Hybrid Problem)로 감소시키기 위해.
• Chen와 Williams의 기존 알고리즘 결과를 활용하여, 완전 문제에서의 알고리즘 개선 사례를 MaxSP/MinSP에 속한 모든 문제로 이식하기 위해.

실험 결과

연구 질문

• RQ1 P 내에서 자연스러운 문제 중에서 세밀한 감소에 대해 광범위한 최적화 문제 클래스에 대해 완전한 문제가 존재하는가?
• RQ2 NP 최적화 문제에 대해 MaxSNP-완전성과 유사하게, P 내 최적화 문제에 대해 세밀한 완전성을 확립할 수 있는가?
• RQ3 최대/최소 내적 문제에 대해 강력한 비제곱 시간 알고리즘을 얻을 경우, 어떤 알고리즘적 결과가 도출되는가?
• RQ4 P 내 최적화 문제의 난이도는 직교 벡터 가설과 어떻게 관련되어 있는가?
• RQ5 근사 완전성(approximation completeness)을 확립할 수 있는가? 즉, 완전 문제에 대해 빠른 근사 알고리즘이 존재할 경우, MaxSP/MinSP에 속한 모든 문제에 대해 빠른 근사 알고리즘이 도출되는가?

주요 결과

• 최대/최소 내적 문제(Maximum/Minimum Inner Product problem)는 결정론적 세밀한 감소에 대해 MaxSP/MinSP에 대해 완전하다: 이 문제에 대해 강력한 비제곱 시간 알고리즘이 존재할 경우, MaxSP/MinSP에 속한 모든 문제에 대해 다항 시간의 속도 향상이 가능하다.
• 최대/최소 내적 문제에 대해 강력한 비제곱 시간 c-근사 알고리즘이 존재할 경우, 모든 MaxSP/MinSP 문제에 대해 (c + ε)-근사 알고리즘을 시간 O(mk+ℓ−1−δ) 내에 얻을 수 있으며, 여기서 δ > 0 이고 ε > 0 은 임의로 작은 값이다.
• 직교 벡터 가설을 반증하는 것과, 모든 MinSP 문제에 대해 O(1)-근사 알고리즘을 O(mk+ℓ−1) 시간보다 더 빠르게 얻는 것은 동치이다.
• 감소 과정은 문제의 구조를 유지하며, 최대/최소 내적 문제에 대해 가장 빠른 알고리즘을 활용함으로써 MaxSP/MinSP 문제 전반에 걸쳐 약간의 알고리즘 개선을 가능하게 한다.
• 이 프레임워크를 통해 단일 완전 문제에서의 알고리즘 진전을 세밀한 감소를 통해 MaxSP/MinSP에 속한 전체 문제 클래스로 이식할 수 있다.
• 결과적으로, 세밀한 복잡도 이론과 P 내 근사 난이도 이론 간의 밀접한 연결을 확립하였으며, 결정 문제를 넘어서 완전성 이론을 확장하였다.