[논문 리뷰] Interpolating between $k$-Median and $k$-Center: Approximation Algorithms for Ordered $k$-Median

Deeparnab Chakrabarty, Chaitanya Swamy|arXiv (Cornell University)|2017. 11. 23.

Facility Location and Emergency Management인용 수 11

한 줄 요약

이 논문은 순서화된 k-미디안 문제에 대해 (18+ε)-근사 알고리즘을 제안한다. 이는 k-미디안과 k-센터를 일반화한 문제로, 순서화된 할당 비용의 가중합을 최소화한다. 이 알고리즘은 라그랑주 승수법, 원본-이중 방법, 그리고 순열 기반 기법을 활용하여 이 보장을 달성하며, {0,1} 가중치의 특수 케이스에 대해서는 표준 k-미디안 문제로의 새로운 환원을 통해 더 낫게 (8.5+ε)-근사 알고리즘을 제공한다.

ABSTRACT

We consider a generalization of $k$-median and $k$-center, called the {\\em ordered $k$-median} problem. In this problem, we are given a metric space $(\\mathcal{D},\\{c_{ij}\\})$ with $n=|\\mathcal{D}|$ points, and a non-increasing weight vector $w\\in\\mathbb{R}_+^n$, and the goal is to open $k$ centers and assign each point each point $j\\in\\mathcal{D}$ to a center so as to minimize $w_1\\cdot\ ext{(largest assignment cost)}+w_2\\cdot\ ext{(second-largest assignment cost)}+\\ldots+w_n\\cdot\ ext{($n$-th largest assignment cost)}$. We give an $(18+\\epsilon)$-approximation algorithm for this problem. Our algorithms utilize Lagrangian relaxation and the primal-dual schema, combined with an enumeration procedure of Aouad and Segev. For the special case of $\\{0,1\\}$-weights, which models the problem of minimizing the $\\ell$ largest assignment costs that is interesting in and of by itself, we provide a novel reduction to the (standard) $k$-median problem showing that LP-relative guarantees for $k$-median translate to guarantees for the ordered $k$-median problem; this yields a nice and clean $(8.5+\\epsilon)$-approximation algorithm for $\\{0,1\\}$ weights.

연구 동기 및 목표

• 순서화된 할당 비용의 가중합을 최소화하는 방식으로 k-미디안과 k-센터를 일반화한 순서화된 k-미디안 문제에 대해 상수 요인 근사 알고리즘을 개발하는 것.
• 특히 일반 거리 체계에서 순서화된 k-미디안 문제에 대한 근사 알고리즘에 대한 이전 연구가 제한되어 있는 점을 다루는 것.
• {0,1} 가중치의 특수 케이스에 대해 깔끔한 (8.5+ε)-근사 알고리즘을 제공하여, ℓ개의 가장 큰 할당 비용을 최소화하는 것을 목표로 하는 것.
• 표준 k-미디안 문제로의 새로운 선형계획법(이하 LP) 환원과 순열 기반 기법을 통해 {0,1} 가중치 케이스의 기법을 일반 가중치 설정으로 확장하는 것.
• 이전 연구보다 향상된 근사 보장을 달성하며, 특히 Byrka 등(38+ε)의 동시 결과보다 {0,1} 케이스에서 더 나은 상한을 확보하는 것.

제안 방법

• 자연스러운 근사화에서 Ω(ℓ)의 정수화 간극을 피하기 위해 {0,1}-가중치 케이스에 대해 새로운 LP 근사화를 사용한다.
• 순서화된 비용 구조를 다루기 위해 원본-이중 프레임워크와 라그랑주 승수법을 결합한다.
• Aouad와 Segev의 영감을 얻어, 추정된 최적 값 기반의 후보 해를 탐색하는 순열 절차를 활용한다.
• 일반 가중치 설정에 대해 이중 단계 접근법을 사용한다: 먼저 가장 큰 비용 M과 가중치 벡터 w^est를 추정한 후, 중심을 선택하기 위해 수정된 LP를 푼다.
• 각 고객의 비용 기여도를 추정 최적 비용에 상대적으로 제한하기 위해 함수 g_{M,w^est}(9; c_j)를 도입한다.
• 여러 개의 보조정리와 주장에서 이론적 보장을 조합하여 총 비용이 최적 비용의 (18+O(ε))배 이내로 제한됨을 보인다.

실험 결과

연구 질문

• RQ1 일반적인 순서화된 k-미디안 문제에 대해 상수 요인 근사 알고리즘을 달성할 수 있는가? 이 문제는 k-미디안과 k-센터 사이를 보간한다.
• RQ2 {0,1} 가중치 변형인 순서화된 k-미디안 문제에 대해 달성 가능한 최선의 근사 비율은 무엇인가? 이 경우 목표는 ℓ개의 가장 큰 할당 비용을 최소화하는 것이다.
• RQ3 원본-이중 및 라그랑주 승수법 같은 LP 기반 기법을 비가역적이고 순서화된 비용 함수에 어떻게 적용할 수 있는가?
• RQ4 순서화된 k-미디안 문제의 {0,1} 가중치 케이스에서 표준 k-미디안 문제로의 환원이 근사 보존 보장을 유지할 수 있는가?
• RQ5 일반 가중치 설정에서 근사 비율과 알고리즘 복잡도 사이의 상충 관계는 무엇인가?

주요 결과

• 논문은 원본-이중, 라그랑주 승수법, 순열 기법의 새로운 조합을 통해 일반 순서화된 k-미디안 문제에 대해 (18+ε)-근사 알고리즘을 달성한다.
• {0,1} 가중치 케이스에 대해 저자들은 문제를 표준 k-미디안 문제로 환원하여 (8.5+ε)-근사 알고리즘을 확보한다. 이는 LP 상대 보장에 기반한다.
• 알고리즘은 ℓ-센터룸 문제에서 자연스러운 근사화의 Ω(ℓ) 정수화 간극을 피하기 위해 신중하게 구성된 LP 근사화를 사용한다.
• 분석 결과, 해의 비용은 추정 최적 비용의 9배에 더해 낮은 순서의 항들로 제한되며, 이는 이후 다른 보장과 함께 확대되고 조합된다.
• 최종 근사 비율 (18+O(ε))는 추정 비용 보장과 최적 해 비용, 가중치 추정 오차 항들을 조합하여 유도된다.
• 이 접근법은 Byrka 등(38+ε)의 동시 결과보다 {0,1} 케이스에서 더 나은 근사 비율을 확보하며, 더 단순한 기법을 사용한다.