[논문 리뷰] Maximizing coverage while ensuring fairness: a tale of conflicting objective

Abolfazl Asudeh, Tanya Berger‐Wolf외 2명|arXiv (Cornell University)|2020. 07. 15.

Mathematical Approximation and Integration인용 수 2

한 줄 요약

이 논문은 색상 제약 조건을 통합하여 선택된 집합들 사이에서 색상 요소의 분포를 균형 잡는 동시에 커버리지 최대화를 동시에 달성하는 조합 최적화 프레임워크를 제안한다. 무작위 및 결정적 근사 알고리즘을 제시하여 최적 커버리지의 최소 63%를 확보하면서도, 충돌하는 목표 간에도 색상 비율을 일정 요인 내에서 유지함으로써 성능을 보장한다.

ABSTRACT

Ensuring fairness in computational problems has emerged as a $key$ topic during recent years, buoyed by considerations for equitable resource distributions and social justice. It $is$ possible to incorporate fairness in computational problems from several perspectives, such as using optimization, game-theoretic or machine learning frameworks. In this paper we address the problem of incorporation of fairness from a $combinatorial$ $optimization$ perspective. We formulate a combinatorial optimization framework, suitable for analysis by researchers in approximation algorithms and related areas, that incorporates fairness in maximum coverage problems as an interplay between $two$ conflicting objectives. Fairness is imposed in coverage by using coloring constraints that $minimizes$ the discrepancies between number of elements of different colors covered by selected sets; this is in contrast to the usual discrepancy minimization problems studied extensively in the literature where (usually two) colors are $not$ given $a$ $priori$ but need to be selected to minimize the maximum color discrepancy of $each$ individual set. Our main results are a set of randomized and deterministic approximation algorithms that attempts to $simultaneously$ approximate both fairness and coverage in this framework.

연구 동기 및 목표

• 선택된 집합에서 최대 커버리지와 공정성의 균형을 이루는 조합 최적화 프레임워크를 수립하기.
• 선택된 집합들 사이에서 색상 요소의 공정한 분포 확보와 커버리지 최대화 간의 갈등을 해결하기.
• 색상 제약 조건 하에서 두 목표를 동시에 근사하는 근사 알고리즘 개발하기.
• 해결책 내의 색상 비율을 등비율을 넘어서 임의로 사전 지정된 비율로 일반화함으로써 공정성의 개념을 확장하기.
• 충돌하는 목표가 존재할 경우 커버리지와 공정성의 상호 교환 가능성을 이론적으로 보장하기.

제안 방법

• 선택된 집합들이 각 색상에 대해 지정된 비율을 유지해야 하는 χ개의 색상이 있는 공정한 최대 커버리지(FMC) 문제를 수립한다.
• 다른 색상의 커버된 요소 수의 차이를 최소화함으로써 공정성을 색상 제약 조건을 통해 도입한다.
• 색상 제약 조건에서 요격 요인 f를 갖는 선형계획법(LP) 근사화 기반의 무작위 반올림 방법을 사용한다.
• 반복적 반올림과 이산화된 격자 셀 위에서의 동적 프로그래밍을 적용하여 최적 커버리지의 (1−ε) 요인 내에서 근사해를 도출한다.
• 마르코프 부등식과 유니온 바운드를 사용한 확률적 분석을 통해 색상 비율이 목표 비율에서 벗어나지 않는 범위를 제한한다.
• 검색 공간을 줄이면서도 근사 보장을 유지하기 위해 확대된 정수 격자 δ·Z^d를 사용하는 이산화 기법을 도입한다.

실험 결과

연구 질문

• RQ1 두 목표가 충돌할 경우, 동시에 커버리지를 최대화하고 공정성을 확보할 수 있는가?
• RQ2 FMC 문제에서 커버리지와 색상 비율성에 대해 달성 가능한 근사 보장은 무엇인가?
• RQ3 색상 제약 조건을 통해 각 색상의 커버된 요소 수를 균형 잡는 방법은 무엇인가?
• RQ4 높은 커버리지와 제한된 색상 이질성을 유지하는 효율적인 근사 알고리즘을 FMC에 설계할 수 있는가?
• RQ5 이 프레임워크는 비균일한 목표 색상 비율과 일반적인 하위모듈라 목표로 확장될 수 있는가?

주요 결과

• 제안된 무작위 알고리즘은 평균적으로 최적 커버리지의 최소 63%를 확보하면서도, 높은 확률로 색상 비율을 일정 요인 내에서 유지한다.
• 색상 수 χ가 상수일 경우, O(log n)번의 반복 후 알고리즘이 최적 커버리지의 (1−ε) 근사해를 높은 확률로 보장한다.
• 모든 색상 쌍에 대해, 해당 색상의 커버된 요소 수 비율이 O(1)이 되도록 보장한다. 이는 충돌하는 목표가 존재하더라도 마찬가지다.
• LP 근사화 과정에서 색상 제약 조건에 요격 요인 f가 발생하며, 선형계획법을 사용해 이를 줄이는 것은 아직 열려 있는 과제이다.
• 이 방법은 공정성을 유지하면서도 최적 커버리지의 (1−ε) 근사해를 달성하며, 실행 시간은 O((∆/L)^d 2(L/δ)^d (2^{O(d)}k/ε)^d)로 제한된다.
• 이 접근법은 등비율 외에도 임의로 사전 지정된 색상 비율 q1, q2, ..., qχ로 일반화 가능하다.