[논문 리뷰] Non-submodular Function Maximization subject to a Matroid Constraint, with Applications

Khashayar Gatmiry, Manuel Gomez-Rodriguez|arXiv (Cornell University)|2018. 11. 19.

Complexity and Algorithms in Graphs참고 문헌 55인용 수 6

한 줄 요약

이 논문은 일반 매트로이드 제약 조건 하에서 비하위모듈러성, 비감소 집합 함수의 최대화를 위한 표준 근사 알고리즘에 대한 이론적 분석을 제안한다. 두 가지 근사 보장이 수립되었으며, 하나는 하위모듈러리티 비율 γ(0.4γ²/(√(γr)+1))에 기반하고 다른 하나는 일반화된 곡률 α((1+1/(1−α))⁻¹)에 기반한다. 이는 링크 추천 및 가우시안 그래픽 모델 추정과 같은 실제 응용 분야에서 실용적 적용 가능성과 경쟁력 있는 성능을 보여준다.

ABSTRACT

The standard greedy algorithm has been recently shown to enjoy approximation guarantees for constrained non-submodular nondecreasing set function maximization. While these recent results allow to better characterize the empirical success of the greedy algorithm, they are only applicable to simple cardinality constraints. In this paper, we study the problem of maximizing a non-submodular nondecreasing set function subject to a general matroid constraint. We first show that the standard greedy algorithm offers an approximation factor of $\frac{0.4 γ^{2}}{\sqrt{γr} + 1}$, where $γ$ is the submodularity ratio of the function and $r$ is the rank of the matroid. Then, we show that the same greedy algorithm offers a constant approximation factor of $(1 + 1/(1-α))^{-1}$, where $α$ is the generalized curvature of the function. In addition, we demonstrate that these approximation guarantees are applicable to several real-world applications in which the submodularity ratio and the generalized curvature can be bounded. Finally, we show that our greedy algorithm does achieve a competitive performance in practice using a variety of experiments on synthetic and real-world data.

연구 동기 및 목표

• 비하위모듈러성, 비감소 집합 함수에 대해 기존의 카디널리티 제약 조건을 초월해 일반 매트로이드 제약 조건으로 표준 근사 알고리즘의 이론적 보장을 확장하는 것.
• 하위모듈러리티 비율 γ와 일반화된 곡률 α를 사용해 표준 근사 알고리즘의 근사 요소를 수립하는 것.
• 이론적 보장이 링크 추천 및 가우시안 그래픽 모델 추정과 같은 실제 응용 분야에서 실질적인 관련성을 가지는지 보여주는 것.
• 합성 및 실제 데이터를 통한 실험을 통해 알고리즘의 경쟁력 있는 성능을 검증하는 것.

제안 방법

• 논문은 매트로이드 제약 조건 하에서 표준 근사 알고리즘의 이론적 분석을 제안하며, 하위모듈러리티 비율 γ를 활용해 하위모듈러리티에서의 이탈 정도를 정량화한다.
• r가 매트로이드의 랭크일 때, γ-약한 하위모듈러 함수에 대한 성능를 제한하는 근사 요소 0.4γ²/(√(γr)+1)를 도출한다.
• 함수의 모듈러성에 가까워지는 정도를 측정하는 일반화된 곡률 α를 기반으로 한 상수 근사 요소 (1+1/(1−α))⁻¹을 도입한다.
• γ와 α가 근사 보장에 어떻게 연결되는지에 대한 이론적 유도를 포함하며, 링크 추천 및 가우시안 그래프 모델과 같은 실제 문제에 적용한다.
• 합성 및 실제 데이터 세트를 사용해 접근 방식을 검증하며, 휴리스틱 기반 알고리즘과 비교하여 가시성 및 실행 시간을 측정한다.
• 실험적 평가에서는 이론적 및 실측 가시성 지표를 사용해 근사 해의 안정성과 수렴성을 평가한다.

실험 결과

연구 질문

• RQ1 일반 매트로이드 제약 조건 하에서 비하위모듈러 함수 최대화에 대해 표준 근사 알고리즘이 비자명한 근사 보장을 달성할 수 있는가?
• RQ2 하위모듈러리티 비율 γ와 매트로이드 랭크 r에 따라 근사 알고리즘의 근사 요소는 어떻게 되는가?
• RQ3 이 설정에서 일반화된 곡률 α를 사용해 근사 알고리즘에 대해 상수 근사 요소를 유도할 수 있는가?
• RQ4 이러한 이론적 근사 보장은 링크 추천 및 가우시안 그래픽 모델 추정과 같은 실제 응용 분야에서 실질적인 관련성이 있는가?
• RQ5 가시성 및 실행 시간 측면에서 근사 알고리즘의 성능는 휴리스틱 기반 기준 대비 어떻게 비교되는가?

주요 결과

• 비하위모듈러성, 비감소 함수에 대해 매트로이드 제약 조건 하에서 표준 근사 알고리즘이 하위모듈러리티 비율 γ와 매트로이드 랭크 r에 따라 근사 요소 0.4γ²/(√(γr)+1)를 달성한다.
• 알고리즘은 일반화된 곡률 α에 기반한 상수 근사 요소 (1+1/(1−α))⁻¹을 달성하며, 특정 함수 유형에서는 더 날카운 보장을 제공한다.
• 이론적 근사 보장은 하위모듈러리티 비율 γ와 곡률 α가 유계일 수 있는 링크 추천에서의 가시성 최대화 및 트리 구조를 가진 가우시안 그래픽 모델 추정과 같은 실제 문제에 적용 가능하다.
• 합성 및 실제 데이터에 대한 실험 결과, 다양한 파라미터 설정에서 CP, UP, CUP 등의 휴리스틱 기반 알고리즘 대비 근사 알고리즘이 가시성 성능에서 뛰어난 성능을 보였다.
• 실측 가시성 기반의 근사 해가 이론적 해로 수렴함을 확인하여 알고리즘의 안정성과 실용적 신뢰성을 입증하였다.
• 방송국 수에 비례해 실행 시간이 선형적으로 증가함을 확인하여 대규모 인스턴스에 대한 양호한 확장성을 보였다.