[논문 리뷰] Nearly Linear-Work Algorithms for Mixed Packing/Covering and Facility-Location Linear Programs

Neal E. Young|arXiv (Cornell University)|2014. 07. 11.

Optimization and Search Problems참고 문헌 24인용 수 3

한 줄 요약

이 논문은 혼합 포장/커버링 선형계획 및 분수형 시설 위치 문제에 대해 처음으로 거의 선형 시간 및 거의 선형 작업량을 갖는 병렬 알고리즘을 제시한다. 제약 행렬의 비제로 원소 수 $N$에 대해 $ widetilde{O}(N/ epsilon^2)$ 시간과 작업량 내에 $(1+\epsilon)$-근사해를 달성한다. 이 방법은 새로운 라그랑주 이완 프레임워크를 사용하며, 부드러운 페널티 함수에 의해 유도되는 적응형 비균일 증분을 적용한다.

ABSTRACT

We describe the first nearly linear-time approximation algorithms for explicitly given mixed packing/covering linear programs, and for (non-metric) fractional facility location. We also describe the first parallel algorithms requiring only near-linear total work and finishing in polylog time. The algorithms compute $(1+ε)$-approximate solutions in time (and work) $O^*(N/ε^2)$, where $N$ is the number of non-zeros in the constraint matrix. For facility location, $N$ is the number of eligible client/facility pairs.

연구 동기 및 목표

• 명시적으로 주어진 혼합 포장/커버링 선형계획 문제에 대해 처음으로 거의 선형 시간 근사 알고리즘을 개발하는 것.
• 이러한 문제들에 대해 총 작업량이 거의 선형이고 시간이 다항로그 수준인 병렬 알고리즘을 설계하는 것.
• 비도메인 기반 분수형 시설 위치 문제로까지 거의 선형 작업량과 시간 효율성을 확장하는 것.
• NP-난해 문제의 근사 알고리즘에서 LP를 푸는 데 발생하는 성능 저하 문제를 해결하여 $\epsilon$과 입력 크기 $N$에 대해 거의 최적의 의존도를 확보하는 것.
• 빅데이터 및 다중프로세서 환경에서 확장 가능하고 고도로 병렬화 가능한 대규모 최적화 문제의 해결을 가능하게 하는 것.

제안 방법

• 알고리즘은 포장 및 커버링 제약 조건을 통합하는 부드러운 페널티 함수 $\phi(x)$를 유지하는 라그랑주 이완 프레임워크를 사용한다.
• 해를 점진적으로 향상시키기 위해 $\phi(x)$의 기울기를 따라 변수를 갱신하며, 신뢰 영역 내 수렴을 보장한다.
• 혼합 포장/커버링 문제의 경우 페널티 함수는 $\phi(x) \approx \log\left(\sum_i (1+\epsilon)^{P_i x} \cdot \sum_i (1-\epsilon)^{C_i x}\right)$ 로 설계된다.
• 시설 위치 문제의 경우, 문제를 커버링 LP로 재구성하고 적응형 스케일링을 적용한 특수한 라그랑주 이완 변형을 적용한다.
• 현재 해와 제약 위반 정도에 따라 의존하는 비균일하고 적응형 증분을 사용하여 수렴 속도를 향상시킨다.
• 업데이트를 프로세서 간에 분배함으로써 알고리즘을 병렬화하며, 반복 횟수와 데이터 의존성의 철저한 분 析를 통해 작업량과 시간의 경계를 도출한다.

실험 결과

연구 질문

• RQ1 혼합 포장/커버링 선형계획 문제에 대해 $(1+\epsilon)$-근사해를 갖는 거의 선형 시간 알고리즘을 설계할 수 있는가?
• RQ2 이러한 알고리즘을 총 작업량이 거의 선형이고 시간이 다항로그 수준인 고도로 병렬화 가능한 형태로 만들 수 있는가?
• RQ3 동일한 접근 방식을 비도메인 기반 분수형 시설 위치 문제로 확장할 수 있는가?
• RQ4 거의 선형 작업량과 시간을 확보하면서도 $\epsilon$에 대한 의존도를 $1/\epsilon^2$로 유지할 수 있는가?
• RQ5 기존 표준 집합 커버 재구성 방식에서 발생하는 문제 크기의 초선형 증가를 피할 수 있는가?

주요 결과

• 논문은 혼합 포장/커버링 LP에 대해 $(1+\epsilon)$-근사해를 $O(N \log m / \epsilon^2)$ 시간 내에 달성한다. 여기서 $N$은 제약 행렬의 비제로 원소 수이다.
• 혼합 포장/커버링 문제의 병렬 알고리즘은 $O(N \log m \cdot \log(n \log m / \epsilon) / \epsilon^2)$의 작업량을 수행하며, $O(\log N \cdot \log^2 m \cdot \log(n \log m / \epsilon) / \epsilon^4)$의 시간 내에 실행된다.
• 분수형 시설 위치 문제의 경우, 순차적 알고리즘은 $O(N \log m / \epsilon^2)$ 시간 내에 실행되고, 병렬 버전은 다항로그 수준의 시간 내에 $O(N \log N \cdot \log m / \epsilon^2)$의 작업량을 수행한다.
• 표준 집합 커버 재구성 방식에 의존하지 않아 문제 크기의 초선형 증가를 피함으로써, 문제 크기의 초선형 증가를 방지한다.
• 라그랑주 이완 프레임워크 덕분에 반복적 해법과 유사하게 수치적 안정성과 희소성 유지가 보장된다.
• 기존 연구에서 다른 매개변수에 대해 초선형 의존도를 보였던 것과 비교해, $1/\epsilon^2$에 대한 거의 최적의 의존도를 확보한다.