[논문 리뷰] Hardness of Online Sleeping Combinatorial Optimization Problems

Satyen Kale, Chansoo Lee외 1명|arXiv (Cornell University)|2016. 01. 01.

Optimization and Search Problems인용 수 10

한 줄 요약

이 논문은 온라인 조합 최적화 문제—예를 들어 온라인 최단 경로, 최소 스패닝 트리, 이분 매칭—이 행동이 동적으로 이용 불가능해지는 수면 설정(sleeping setting)에서 계산적으로 어려워진다는 것을 보여준다. 이는 이러한 수면 설정 버전이 DNF 표현식의 PAC 학습 문제만큼 어렵다는 것을 증명하며, 온라인 학습 분야의 열린 문제를 해결하고 여러 기본 문제에 대해 강력한 계산 복잡도 하한을 설정한다.

ABSTRACT

We show that several online combinatorial optimization problems that admit efficient no-regret algorithms become computationally hard in the sleeping setting where a subset of actions becomes unavailable in each round. Specifically, we show that the sleeping versions of these problems are at least as hard as PAC learning DNF expressions, a long standing open problem. We show hardness for the sleeping versions of Online Shortest Paths, Online Minimum Spanning Tree, Online k-Subsets, Online k-Truncated Permutations, Online Minimum Cut, and Online Bipartite Matching. The hardness result for the sleeping version of the Online Shortest Paths problem resolves an open problem presented at COLT 2015 [Koolen et al., 2015].

연구 동기 및 목표

• 행동가가 동적으로 이용 불가능한 상황(수면 설정)일 때 온라인 조합 최적화 문제의 계산 복잡도를 조사하는 것.
• 이러한 문제의 수면 변형에서 효율적인 노레그 알고리즘이 여전히 가능할지 여부를 판단하는 것.
• 수면 문제를 오랫동안 미해결 상태였던 DNF 표현식의 PAC 학습 문제로 감소시켜 계산 난이도 결과를 설정하는 것.
• 2015년 COLT에서 제기된 온라인 최단 경로 문제의 수면 버전의 난이도에 관한 열린 문제를 해결하는 것.

제안 방법

• DNF 표현식의 PAC 학습 문제에서 온라인 조합 최적화 문제의 수면 설정 버전으로의 감소.
• 수면 제약 조건 하에서 DNF 학습의 난이도를 유지하는 감소 프레임워크의 구축.
• 수면 변형에 대해 효율적인 노레그 알고리즘이 존재한다면 DNF 학습 문제의 해법이 존재하게 된다는 것을 보여주는 것.
• 온라인 최단 경로, 최소 스패닝 트리, k-서브셋, k-절단된 순열, 최소 컷, 이분 매칭 등 여러 구체적 문제에 감소 기법을 적용하는 것.
• 조합론적 및 복잡도 이론적 기법을 사용하여 수면 설정이 문제 난이도를 본질적으로 증가시킨다는 것을 보여주는 것.
• 수면 설정 버전이 적어도 DNF 학습 문제만큼 어려운 것을 공식적으로 증명하는 것—이는 아직 해결되지 않은 문제이다.

실험 결과

연구 질문

• RQ1 수면 설정의 온라인 최단 경로 문제의 계산 난이도는 어떻게 되며, 이는 DNF 학습 문제의 난이도와 일치하는가?
• RQ2 기본적인 온라인 조합 최적화 문제의 수면 변형에 대해 효율적인 노레그 알고리즘을 설계할 수 있는가?
• RQ3 각 라운드에서 행동이 동적으로 이용 불가능해지는 것이 온라인 최적화의 계산 복잡도를 어느 정도 증가시키는가?
• RQ4 PAC 학습 DNF의 난이도는 수면 설정의 온라인 최적화에 대한 계산 장벽으로 작용하는가?
• RQ5 노레그 알고리즘을 여러 조합 문제에 수면 설정으로 확장하는 데에는 본질적인 제약이 존재하는가?

주요 결과

• 온라인 최단 경로, 최소 스패닝 트리, k-서브셋, k-절단된 순열, 최소 컷, 이분 매칭 문제의 수면 설정 버전은 모두 DNF 표현식의 PAC 학습 문제만큼 어려운 것으로 밝혀졌다.
• 수면 설정의 온라인 최단 경로 문제에 대한 난이도 결과는 2015년 COLT에서 제기된 열린 문제를 해결한다.
• 이러한 문제의 수면 변형에 대해 효율적인 노레그 알고리즘이 존재한다면 오랫동안 미해결 상태였던 DNF 학습 문제의 해법이 존재하게 된다.
• 수면 설정이 도입하는 계산 장벽은 PAC 모델에서 DNF 공식을 학습하는 데서 유래한 난이도와 동일하다.
• 결과적으로 강력한 부정적 결과를 도출한다: 이러한 기본 문제들에 대해 수면 설정에서는 효율적인 노레그 학습이 이루어질 가능성이 낮다.