[논문 리뷰] Maximizing Stochastic Monotone Submodular Functions

Arash Asadpour, Hamid Nazerzadeh|arXiv (Cornell University)|2009. 08. 19.

Complexity and Algorithms in Graphs참고 문헌 27인용 수 5

한 줄 요약

이 논문은 매트로이드 제약 조건 하에서 확률적 단조 증가 부분모odu라 함수 최대화를 다루며, 적응성 갭(optimal adaptivity gap) $rac{e}{e-1}$ 를 달성하는 비적응 정책(non-adaptive policy)을 제안하고, 매트로이드가 균일(uniform)일 경우 최적값의 $1 - rac{1}{e}$ 이상을 보장하는 적응적 이른바(myopic) 정책을 제시한다. 이 작업은 날카로운 근사 한계를 확립하고, 확률적 부분모듈라 최적화를 위한 다항시간 알고리즘을 제공한다.

ABSTRACT

We study the problem of maximizing a stochastic monotone submodular function with respect to a matroid constraint. Due to the presence of diminishing marginal values in real-world problems, our model can capture the effect of stochasticity in a wide range of applications. We show that the adaptivity gap -- the ratio between the values of optimal adaptive and optimal non-adaptive policies -- is bounded and is equal to e/(e-1). We propose a polynomial-time non-adaptive policy that achieves this bound. We also present an adaptive myopic policy that obtains at least half of the optimal value. Furthermore, when the matroid is uniform, the myopic policy achieves the optimal approximation ratio of 1-1/e.

연구 동기 및 목표

• 매트로이드 제약 조건 하에서 확률적 단조 증가 부분모듈라 최적화의 적응성 갭을 분석하는 것.
• 다항시간 비적응 정책을 설계하여 최적의 적응성 갭 $ olimits\frac{e}{e-1}$ 을 달성하는 것.
• 일반 매트로이드에 대해 증명 가능한 근사 보장을 갖춘 적응적 이른바 정책을 개발하는 것.
• 특히 균일 매트로이드의 경우 $1 - \frac{1}{e}$ 의 날카로운 근사 비율을 확립하는 것.
• 불확실하고 감소하는 마진 수익을 갖는 환경에서, 결정론적 부분모듈라 최적화 결과를 확률적 환경으로 확장하는 것.

제안 방법

• 기대 마진 수익을 기반으로 요소를 선택하는 비적응 정책을 사용하여 최적의 적응성 갭 $ olimits\frac{e}{e-1}$ 을 달성한다.
• 각 단계에서 기대 마진 수익이 가장 높은 요소를 순차적으로 선택하는 이른바 적응 정책을 적용한다.
• 조건부 기대값과 부분모듈라성(submodularity)을 활용한 확률적 분석을 통해 적응 정책과 비적응 정책 간의 성능 갭을 제한한다.
• 정책 경로에서 활성 집합의 합을 유한하게 제한하기 위해 레마 11을 활용하여 다항시간 복잡도를 보장한다.
• 정책 단계에 걸쳐 부등식의 가중합을 계산하며, 계수로 $ (1 - \frac{1}{k})^{k-1-t} $ 를 사용하여 근사 비율을 유도한다.
• 함수의 확률적 단조성과 부분모듈라성을 바탕으로 마진 수익이 음이 아니고 감소함을 보장한다.

실험 결과

연구 질문

• RQ1 매트로이드 제약 조건 하에서 확률적 단조 증가 부분모듈라 함수 최대화의 적응성 갭은 무엇인가?
• RQ2 비적응 정책이 확률적 환경에서 최적의 적응성 갭 $ olimits\frac{e}{e-1}$ 을 달성할 수 있는가?
• RQ3 일반 매트로이드 환경에서 적응적 이른바 정책이 보장할 수 있는 근사 비율은 무엇인가?
• RQ4 매트로이드가 균일할 경우 이른바 정책이 최적의 $1 - \frac{1}{e}$ 근사 비율을 달성하는가?
• RQ5 마진 수익의 확률적 특성이 그레디 알고리즘과 적응 정책의 성능에 어떻게 영향을 미치는가?

주요 결과

• 매트로이드 제약 조건 하에서 확률적 단조 증가 부분모듈라 최대화의 적응성 갭은 유한하며, 그 값은 $ olimits\frac{e}{e-1}$ 과 동일하며, 결정론적 경우와 일치한다.
• 다항시간 비적응 정책이 이 최적의 적응성 갭을 달성하여 날카로운 성능 보장을 제공한다.
• 일반 매트로이드 환경에서는 적응적 이른바 정책이 최적값의 최소 절반을 보장한다.
• 매트로이드가 균일할 경우 이른바 정책은 최적의 근사 비율 $1 - \frac{1}{e}$ 를 달성한다.
• 최악의 경우 그레디 알고리즘이 결정론적 환경에서의 성능를 모의 실험으로 확인함으로써 $1 - \frac{1}{e}$ 의 경계가 날카로운 것으로 입증된다.
• 분석 결과, 균일 매트로이드 제약 조건 하에서 이른바 정책의 기대값은 최적의 적응 정책의 값의 $1 - \frac{1}{e}$ 배 이상임을 확인하였다.