[논문 리뷰] Randomized Pipage Rounding for Matroid Polytopes and Applications

Chandra Chekuri, Jan Vondrák|arXiv (Cornell University)|2009. 09. 24.

Computational Geometry and Mesh Generation참고 문헌 17인용 수 20

한 줄 요약

이 논문은 매트로이드 풍선체 위에서 무작위적 pipage 라운딩에 대한 농도 경계를 도입하여, 임의의 상수 k ≥ 1 및 ɛ > 0에 대해 1개의 매트로이드 및 k개의 선형 제약 조건 하에서 단조 감소하는 부분모듈러스 최대화 문제에 대해 (1 − 1/e − ɛ) 근사 알고리즘을 가능하게 한다. 또한 제약 조건이 느슨할 경우 초수상수 k에 대해서도 이를 확장하며, 매트로이드 기저 제약 조건을 가진 최소최대 포장 문제에 대해 O(log m / log log m) 근사값을 제공한다.

ABSTRACT

We present concentration bounds for linear functions of random variables arising from the pipage rounding procedure on matroid polytopes. As an application, we give a (1 − 1/e − ɛ)-approximation algorithm for the problem of maximizing a monotone submodular function subject to 1 matroid and k linear constraints, for any constant k ≥ 1 and ɛ> 0. This generalizes the result for k linear constraints by Kulik et al. [11]. We also give the same result for a super-constant number k of ”loose ” linear constraints, where the right-hand side dominates the matrix entries by an Ω(ɛ −2 log k) factor. As another application, we present a general result on minimax packing problems that involve a matroid base constraint. An example is the multi-path routing problem with integer demands for pairs of vertices; the goal is to minimize congestion. We give an O(log m / log log m)approximation for the general problem min{λ: ∃x ∈ {0, 1} N, x ∈ B(M), Ax ≤ λb} where m is the number of packing constraints.

연구 동기 및 목표

• 매트로이드 풍선체 위에서 pipage 라운딩에 의해 생성된 랜덤 변수의 선형 함수에 대한 농도 경계를 수립하기.
• 임의의 상수 k ≥ 1 및 ɛ > 0에 대해 1개의 매트로이드 및 k개의 선형 제약 조건 하에서 단조 감소하는 부분모듈러스 최대화 문제의 근사 알고리즘을 확장하기.
• 제약 조건의 우변이 매트릭스 원소들보다 Ω(ɛ⁻² log k) 요인만큼 우세할 경우 초수상수 k에 대한 결과를 일반화하기.
• 매트로이드 기저 제약 조건을 포함하는 최소최대 포장 문제에 대한 일반적인 근사 결과를 제공하기.
• 일반적인 최소최대 포장 문제 min{λ: ∃x ∈ {0,1}^N, x ∈ B(M), Ax ≤ λb}에 대해 O(log m / log log m)-근사값을 달성하기.

제안 방법

• 매트로이드 풍선체 위에서 랜덤화된 pipage 라운딩을 활용하여 부분모듈러 최적화 문제의 타당해를 생성한다.
• pipage 라운딩에 의해 생성된 랜덤 변수의 선형 함수에 대한 농도 경계를 수립하여 고확률 성능 보장을 확보한다.
• 이 경계를 적용하여 1개의 매트로이드 및 k개의 선형 제약 조건 하에서 부분모듈러 최대화 문제에 대해 (1 − 1/e − ɛ) 근사값을 유도한다.
• 초수상수 k에 대한 접근을 확장하기 위해 제약 조건의 우변이 매트릭스 원소들보다 Ω(ɛ⁻² log k) 요인만큼 우세하도록 요구한다.
• pipage 라운딩 프레임워크를 활용하여 매트로이드 기저 제약 조건이 있는 최소최대 포장 문제에 대한 근사 보장을 도출한다.
• 최소최대 포장 문제 min{λ: ∃x ∈ {0,1}^N, x ∈ B(M), Ax ≤ λb}를 분석하고, 라운딩 기법을 통해 O(log m / log log m)-근사값을 도출한다.

실험 결과

연구 질문

• RQ1 매트로이드 풍선체 위에서 pipage 라운딩에 대한 농도 경계를 수립하여 더 강력한 근사 보장을 지원할 수 있는가?
• RQ2 1개의 매트로이드 및 k개의 선형 제약 조건 하에서 부분모듈러 최대화 문제에 대한 (1 − 1/e − ɛ) 근사값이 임의의 상수 k ≥ 1로 일반화될 수 있는가?
• RQ3 제약 조건이 충분히 느슨할 경우 근사 보장이 초수상수 k로 확장되는가?
• RQ4 pipage 라운딩 프레임워크가 매트로이드 기저 제약 조건이 있는 최소최대 포장 문제에 대한 근사 경계를 제공하도록 적응될 수 있는가?
• RQ5 일반적인 최소최대 포장 문제 min{λ: ∃x ∈ {0,1}^N, x ∈ B(M), Ax ≤ λb}에 대해 달성 가능한 최고의 근사 비율은 무엇인가?

주요 결과

• 논문은 매트로이드 풍선체 위에서 pipage 라운딩에 의해 생성된 랜덤 변수의 선형 함수에 대한 농도 경계를 수립한다.
• 임의의 상수 k ≥ 1 및 ɛ > 0에 대해 1개의 매트로이드 및 k개의 선형 제약 조건 하에서 단조 감소하는 부분모듈러스 최대화 문제에 대해 (1 − 1/e − ɛ) 근사 알고리즘을 제시한다.
• 제약 조건의 우변이 매트릭스 원소들보다 Ω(ɛ⁻² log k) 요인만큼 우세할 경우 결과는 초수상수 k로 확장된다.
• 매트로이드 기저 제약 조건이 있는 최소최대 포장 문제에 대해 논문은 O(log m / log log m)-근사값을 달성한다. 여기서 m은 포장 제약 조건의 수이다.
• 이 프레임워크는 min{λ: ∃x ∈ {0,1}^N, x ∈ B(M), Ax ≤ λb} 형태의 문제에 대해 일반적인 근사 결과를 가능하게 한다.
• 이 방법은 Kulik 등 [11]의 이전 결과를 더 넓은 제약 조건 영역으로 일반화한다.