[논문 리뷰] Matroid-Constrained Maximum Vertex Cover: Approximate Kernels and Streaming Algorithms

Huang, Chien-Chung, Sellier, François|arXiv (Cornell University)|2021. 07. 15.

Complexity and Algorithms in Graphs인용 수 2

한 줄 요약

이 논문은 매트로이드 제약 조건 하에서 단조 감소하는 부분모듈러 최대화를 위한 새로운 스트리밍 알고리즘을 제안하며, Õ(k) 메모리로 단일 패assing에서 0.3178-근사치를 달성하고, O(1/ε³) 패assing과 Õ(k/ε) 메모리로 (1−1/e−ε)-근사치를 달성한다. 이 접근법은 랜덤라이즈드 라운딩과 매치로이드 제약 조건을 활용하여 이전 방법의 한계를 극복하며, 스트리밍 환경에서 카디널리티 제약 조건과 매트로이드 제약 조건 사이의 격차를 메운다.

ABSTRACT

Given a graph with weights on the edges and a matroid imposed on the vertices, our problem is to choose a subset of vertices that is independent in the matroid, with the objective of maximizing the total weight of covered edges. This problem is a generalization of the much studied max k-vertex cover problem, where the matroid is the simple uniform matroid, and it is also a special case of maximizing a monotone submodular function under a matroid constraint. In this work, we give a Fixed Parameter Tractable Approximation Scheme (FPT-AS) when the given matroid is a partition matroid, a laminar matroid, or a transversal matroid. Precisely, if k is the rank of the matroid, we obtain (1 - ε) approximation using (1/(ε))^{O(k)}n^{O(1)} time for partition and laminar matroids and using (1/(ε)+k)^{O(k)}n^{O(1)} time for transversal matroids. This extends a result of Manurangsi for uniform matroids [Pasin Manurangsi, 2018]. We also show that these ideas can be applied in the context of (single-pass) streaming algorithms. Our FPT-AS introduces a new technique based on matroid union, which may be of independent interest in extremal combinatorics.

연구 동기 및 목표

• 기존 방법이 매트로이드 제약 조건 하에서 엄밀한 보장을 확보하지 못한 바, 스트리밍 부분모듈러 최대화에서 카디널리티 제약 조건과 매트로이드 제약 조건 사이의 격차를 해소하기 위해.
• 특히 단일 패assing 및 다중 패assing 환경에서 매트로이드 제약 조건 하에서 강력한 근사 비율을 달성하는 공간 효율적인 (반)스트리밍 알고리즘을 개발하기 위해.
• 매트로이드 제약 조건 하에서 근사 최적의 (1−1/e) 근사치 보장을 달성하기 위해 필요한 패assing 수와 메모리의 최적 경계를 설정하기 위해.
• 매트로이드 제약 조건에 사용된 기법을 비단조화 함수 및 랜덤 오더 스트림으로 확장하여, 이전 작업을 초월하는 근사 비율 향상을 위해.

제안 방법

• 랜덤라이즈드 라운딩과 임계값 설정을 사용하는 단일 패assing 반스트리밍 알고리즘을 제안하여, Õ(k) 크기의 해 집합을 유지하고 0.3178 근사치 보장을 달성한다.
• 반복적인 샘플링과 강화를 통해 연속적 그레디언트 과정을 시뮬레이션하는 다중 패assing 알고리즘을 도입하며, O(1/ε³) 패assing과 O(k/ε) 메모리를 사용한다.
• 매치로이드 제약 조건과 확률적 분석을 활용하여 각 반복에서 기대되는 경계 증가량을 제한하며, 부분모듈러성과 매트로이드 독립성의 특성을 활용한다.
• 각 패assing에 대해 αk개의 윈도우를 사용하는 윈도우드 기반 접근법을 적용하며, 여기서 α = ⌈k/ε⌉/k로 정의되어, 반복적인 정교화를 통해 점진적으로 해를 향상시킨다.
• 매치로이드 구조 내에서 단사 사상과 균일한 랜덤 샘플링을 기반으로 하여 레마 43을 적용하여 각 반복에서 기대되는 함수 값 증가량을 제한한다.
• E[f(Li)]와 f(OPT)를 포함하는 재귀 부등식을 유도하며, 전체 기대값 법칙을 활용하여 1/(p+1)(1−e^{−i(p+1)/(αk)}−O(ε)) 형태의 폐쇄형 근사 bound를 도출한다.

실험 결과

연구 질문

• RQ1 매트로이드 제약 조건 하에서 단일 패assing 스트리밍 알고리즘이 1/4를 초월하는 근사치를 달성할 수 있는가?
• RQ2 매트로이드 제약 조건 하에서 Õ(k) 메모리로 상수 개의 패assing 내에 (1−1/e−ε) 근사치를 달성하는 것이 가능한가?
• RQ3 스트리밍 부분모듈러 최대화에서 매트로이드 제약 조건 하에서 패assing 수, 메모리, 근사 비율 간의 최적의 무역 관계는 무엇인가?
• RQ4 스트림 요소의 랜덤 오더가 p-매치로이드 제약 조건 하에서 근사 보장에 어떤 영향을 미치는가?
• RQ5 매트로이드 제약 조건에 사용된 기법을 스트리밍 모델에서 비단조화 부분모듈러 함수로 확장할 수 있는가?

주요 결과

• 단일 패assing 알고리즘은 Õ(k) 메모리로 0.3178-근사치 보장을 달성하며, 이는 이전 최고 성능인 0.25를 향상시킨다.
• 다중 패assing 알고리즘은 O(1/ε³) 패assing과 O(k/ε) 메모리로 (1−1/e−ε)-근사치를 달성하며, ε에 대한 의존성 측면에서 최적이다.
• 1/2를 초월하는 근사 비율을 달성하려면 하나 이상의 패assing이 필요하며, 1−1/e를 초월하는 근사 비율을 달성하려면 Ω(k) 패assing이 필요하다.
• 이 방법은 비단조화 함수로 확장 가능하며, 이로 인해 단일 패assing 스트리밍 환경에서 근사 비율이 0.1715에서 0.1921로 향상된다.
• 랜덤 오더 스트림의 경우, p-매치로이드 제약 조건 하에서 개선된 보장을 달성하며, 유리한 입력 순서에서 더 강력한 성능을 보임을 시사한다.
• 분석을 통해 근사 비율이 渐近적으로 최적임을 입증하였으며, 많은 패assing의 극한에서 알려진 최적의 경계인 1−1/e에 도달한다.