[논문 리뷰] Reductions Between Expansion Problems

Prasad Raghavendra, David Steurer외 1명|arXiv (Cornell University)|2010. 11. 11.

Complexity and Algorithms in Graphs인용 수 5

한 줄 요약

이 논문은 소수집합 확산 가설(SSEH)과 제한된 형태의 유일성 게임 추측(UGC) 간의 동치성을 확립하며, 미약한 소수집합 확산 조건이 만족될 경우 SSEH가 UGC를 함의함을 증명한다. 또한, SSEH에서 유도된 인스턴스의 구조적 성질을 활용하는 새로운 국소적 기반의 기능 감소 기반 감소 기법을 통해 균형 잡힌 분할 문제와 최소 선형 배치 문제에 대한 첫 번째 강력한 근사 불가능성 결과를 도출한다.

ABSTRACT

The Small-Set Expansion Hypothesis (Raghavendra, Steurer, STOC 2010) is a natural hardness assumption concerning the problem of approximating the edge expansion of small sets in graphs. This hardness assumption is closely connected to the Unique Games Conjecture (Khot, STOC 2002). In particular, the Small-Set Expansion Hypothesis implies the Unique Games Conjecture (Raghavendra, Steurer, STOC 2010). Our main result is that the Small-Set Expansion Hypothesis is in fact equivalent to a variant of the Unique Games Conjecture. More precisely, the hypothesis is equivalent to the Unique Games Conjecture restricted to instance with a fairly mild condition on the expansion of small sets. Alongside, we obtain the first strong hardness of approximation results for the Balanced Separator and Minimum Linear Arrangement problems. Before, no such hardness was known for these problems even assuming the Unique Games Conjecture. These results not only establish the Small-Set Expansion Hypothesis as a natural unifying hypothesis that implies the Unique Games Conjecture, all its consequences and, in addition, hardness results for other problems like Balanced Separator and Minimum Linear Arrangement, but our results also show that the Small-Set Expansion Hypothesis problem lies at the combinatorial heart of the Unique Games Conjecture. The key technical ingredient is a new way of exploiting the structure of the Unique Games instances obtained from the Small-Set Expansion Hypothesis via (Raghavendra, Steurer, 2010). This additional structure allows us to modify standard reductions in a way that essentially destroys their local-gadget nature. Using this modification, we can argue about the expansion in the graphs produced by the reduction without relying on expansion properties of the underlying Unique Games instance (which would be impossible for a local-gadget reduction).

연구 동기 및 목표

• 소수집합 확산 가설(SSEH)과 유일성 게임 추측(UGC)의 제한된 형태 사이의 동치성을 확립하며, 여기서 UGC는 소수집합 확산 성질이 미약한 경우에만 성립하도록 요구된다.
• SSEH가 UGC의 모든 결과를 함의함을 보여주며, 기본적인 그래프 분할 문제에 대한 강력한 근사 불가능성 결과를 포함한다.
• SSEH에서 유도된 유일성 게임 인스턴스의 구조적 특성을 활용하여, 전통적인 국소 기반 감소 기법의 한계를 우회하는 새로운 감소 프레임워크를 개발한다.
• SSEH 하에서 균형 잡힌 분할 문제와 최소 선형 배치 문제에 대한 첫 번째 강력한 근사 불가능성 결과를 증명한다. 이는 이전에 UGC 하에서도 알려지지 않은 바이다.

제안 방법

• 국소적 구조에 의존하지 않고 확산 성질을 유지하는 비국소적 기반 감소 기반의 새로운 감소 기법을 사용하여 소수집합 확산(SSE)에서 유일성 게임으로의 변환을 구축한다.
• 매개변수 (η, δ, M)를 가진 SSE 인스턴스의 매개변수화된 가족을 도입하며, 여기서 η는 소수집합 확산 임계값을 제어하고 M는 고려 대상이 되는 집합의 측도를 제한한다.
• 감소의 확장된 구조를 이용하여 출력 그래프의 낮은 확산 집합을 원래의 SSE 인스턴스의 낮은 확산 집합으로 매핑하는 복호화 절차를 적용한다.
• 기존의 유일성 게임 감소 기법을 수정하여, 기반 인스턴스에 강력한 국소적 확산 성질이 없더라도 확산 행동을 유지하도록 조정한다.
• 특정 조건 하에서 출력 그래프의 비확산 집합이 입력에서의 비확산 집합을 유도함을 보여주는 핵심 보조정리(Lemma 6.12)를 적용한다.
• 할당에 의해 유도된 분할에서의 간선 확산에 대한 확률적 분석을 통해 완전성과 타당성을 확립하며, 가우시안 그래프 G(1−ε)의 확산 프로파일을 기준으로 삼는다.

실험 결과

연구 질문

• RQ1 소수집합 확산 가설은 소수집합 확산 성질이 제한된 인스턴스에 대해서만 성립하는 유일성 게임 추측의 제한된 형태와 동치인가?
• RQ2 소수집합 확산 가설을 이용하여 균형 잡힌 분할 문제와 최소 선형 배치 문제에 대해 강력한 근사 불가능성 결과를 도출할 수 있는가? 이 문제들에 대해서는 이전에 이러한 결과가 알려지지 않았다.
• RQ3 기존의 유일성 게임 인스턴스가 강력한 국소적 확산 성질을 갖지 않더라도, 비국소적 기반 감소 기법을 설계하여 출력 그래프의 전반적 확산 성질을 유지할 수 있는가?
• RQ4 가우시안 그래프 G(1−ε)의 확산 프로파일은 SSEH 하에서 만족 가능하고 불가능한 유일성 게임 인스턴스를 구분하는 데 타당한 기준이 되는가?
• RQ5 SSEH에서 유도된 유일성 게임 인스턴스의 구조적 특성을 활용하여, 기존의 국소 기반 감소 기법의 한계를 우회할 수 있는가?

주요 결과

• 소수집합 확산 가설은 소수집합 확산 성질이 미약한 인스턴스에 대해서만 성립하는 유일성 게임 추측의 제한된 형태와 동치이며, 이는 두 가설을 통합한다.
• 논문은 SSEH 하에서 균형 잡힌 분할 문제에 대한 첫 번째 강력한 근사 불가능성 결과를 증명하며, 임의의 상수 요소 이내로 근사하는 것이 SSE-하드임을 보여준다.
• 논문은 SSEH 하에서 최소 선형 배치 문제에 대한 첫 번째 강력한 근사 불가능성 결과를 확립하며, 상수 요소 근사가 불가능함을 입증한다.
• 논문에서 개발된 감소 프레임워크는 국소 기반 감소 기법에 의존하지 않고 전반적 확산 구조를 활용함으로써, 입력 인스턴스의 국소적 확산에 독립적인 타당성 분석을 가능하게 한다.
• 모든 ε > 0에 대해, opt > 1 − 2ε − o(ε) 인 유일성 게임 인스턴스와 opt < O(q^(-ε/(2−ε))) + γ 인 인스턴스를 구분하는 것이 SSE-하드임을 보여주며, 이는 가우시안 그래프 G(1−ε)의 확산 프로파일 조건과 일치하는 조건 하에서 성립한다.
• 출력 그래프의 비확산 집합이 입력에서의 비확산 집합으로 대응되며, 측도와 확산이 엄격한 범위 내에서 유지되어 타당성 분석이 정밀하게 확보된다.