[논문 리뷰] Small Space Stream Summary for Matroid Center

Sagar Kale|arXiv (Cornell University)|2018. 10. 15.

Facility Location and Emergency Management참고 문헌 26인용 수 3

한 줄 요약

이 논문은 매트로이드 센터 문제와 그 이상치 버전에 대해 처음으로 일회 스트리밍 알고리즘을 제안하며, O(r² log(1/ε)/ε) 공간에서 (7+ε)-근사값을 달성하고 이상치 버전에 대해서는 (15+ε)-근사값을 달성한다. ∆-근사값보다 우수한 근사값을 얻기 위한 O(r²) 공간 하한선을 확립하여, 스트리밍 환경에서 매트로이드 센터와 k-센터 사이에 제곱수 차이가 있음을 드러내며, 스트리밍 요약 및 스트리밍 스트랩 기법을 활용해 개선된 근사비율을 달성하는 효율적인 이중스테이지 알고리즘을 제공한다.

ABSTRACT

In the matroid center problem, which generalizes the $k$-center problem, we need to pick a set of centers that is an independent set of a matroid with rank $r$. We study this problem in streaming, where elements of the ground set arrive in the stream. We first show that any randomized one-pass streaming algorithm that computes a better than $Δ$-approximation for partition-matroid center must use $Ω(r^2)$ bits of space, where $Δ$ is the aspect ratio of the metric and can be arbitrarily large. This shows a quadratic separation between matroid center and $k$-center, for which the Doubling algorithm gives an $8$-approximation using $O(k)$-space and one pass. To complement this, we give a one-pass algorithm for matroid center that stores at most $O(r^2\log(1/\varepsilon)/\varepsilon)$ points (viz., stream summary) among which a $(7+\varepsilon)$-approximate solution exists, which can be found by brute force, or a $(17+\varepsilon)$-approximation can be found with an efficient algorithm. If we are allowed a second pass, we can compute a $(3+\varepsilon)$-approximation efficiently; this also achieves almost the known-best approximation ratio (of $3+\varepsilon$) with total running time of $O((nr + r^{3.5})\log(1/\varepsilon)/\varepsilon + r^2(\log Δ)/\varepsilon)$, where $n$ is the number of input points. We also consider the problem of matroid center with $z$ outliers and give a one-pass algorithm that outputs a set of $O((r^2+rz)\log(1/\varepsilon)/\varepsilon)$ points that contains a $(15+\varepsilon)$-approximate solution. Our techniques extend to knapsack center and knapsack center with outliers in a straightforward way, and we get algorithms that use space linear in the size of a largest feasible set (as opposed to quadratic space for matroid center).

연구 동기 및 목표

• 서브라인어 공간을 사용하는 매트로이드 센터 문제에 대한 효율적인 일회 및 이중스테이지 스트리밍 알고리즘을 설계하는 것.
• 매트로이드 센터 문제에 대한 랜덤화된 일회 스트리밍 알고리즘의 강력한 공간 복잡도 하한선을 확립하는 것.
• 프레임워크를 매트로이드 센터의 이상치 버전 및 낙서 백 편의성 문제로 확장하는 것.
• 최소한의 공간과 효율적인 계산을 사용해 알려진 오프라인 최고 근사비율(3+ε)에 가까운 근사비율을 달성하는 것.
• 매트로이드 제약 조건이 스트리밍 모델에서 k-센터에 비해 공간 요구량을 본질적으로 증가시킨다는 것을 보여주는 것.

제안 방법

• 증가하는 임계값을 갖는 다수의 후보 해를 유지함으로써 공간 사용량을 줄이기 위해 스트리밍 스트랩 기법을 사용한다.
• O(r² log(1/ε)/ε) 포인트로 구성된 스트리밍 요약을 유지하며, 이 요약에는 (7+ε)-근사값이 포함되어 있다.
• 브루트포스 검색을 통해 요약에서 (7+ε)-근사값을 구하거나, 효율적인 알고리즘을 통해 (17+ε)-근사값을 구한다.
• 요약과 매트로이드 독립성 검사를 활용해, 스트리밍 요약을 기반으로 한 이중스테이지 접근법을 통해 (3+ε)-근사값을 효율적으로 계산한다.
• 기존 기법을 낙서 백 편의성 문제 및 낙서 백 편의성 문제를 포함한 낙서 백 센터 문제로 확장하여, 공간 복잡도를 r²에서 r로 감소시켜 매트로이드 센터 문제보다 향상된 성능을 달성한다.
• 알 수 없는 최적 비용을 처리하기 위해 활성 및 비활성 복제본을 사용하는 더블링 스타일의 임계값 전략을 적용한다.

실험 결과

연구 질문

• RQ1 매트로이드 센터 문제에서 ∆-근사값보다 우수한 근사값을 달성하기 위해 일회 랜덤화 스트리밍 알고리즘이 필요한 최소 공간은 얼마인가?
• RQ2 매트로이드 센터 문제에 대해 r에 대해 제곱수 이하 공간을 사용하면서 (7+ε)-근사값을 달성하는 일회 스트리밍 알고리즘을 설계할 수 있는가?
• RQ3 스트리밍 모델에서 매트로이드 센터의 공간 복잡도는 k-센터와 어떻게 비교되는가?
• RQ4 프레임워크를 매트로이드 센터의 이상치 버전 및 낙서 백 편의성 문제로 확장할 수 있으며, 유사한 근사비율과 공간 효율성을 달성할 수 있는가?
• RQ5 매트로이드 센터 문제에 대해 제곱수 이하 공간을 사용하면서 이중스테이지로 달성 가능한 최고의 근사비율은 무엇인가?

주요 결과

• 매트로이드 센터 문제에 대해 ∆-근사값보다 우수한 근사값을 달성하는 랜덤화된 일회 스트리밍 알고리즘은 반드시 Ω(r²) 비트의 공간을 사용해야 하며, 이는 k-센터와의 제곱수 차이를 입증한다.
• 일회 알고리즘은 O(r² log(1/ε)/ε) 공간을 사용하여 (7+ε)-근사값을 달성하며, 요약에 대한 브루트포스 검색을 수행한다.
• 효율적인 일회 알고리즘은 동일한 공간을 사용하여 (17+ε)-근사값을 달성하며, 브루트포스 검색을 피한다.
• 이중스테이지 알고리즘은 총 시간 복잡도 O((nr + r³.⁵)log(1/ε)/ε + r² log∆/ε)와 공간 복잡도 O(r² log(1/ε)/ε)를 사용하여 (3+ε)-근사값을 계산한다.
• 매트로이드 센터의 이상치 버전에 대해, 일회 알고리즘은 O((r² + rz)log(1/ε)/ε) 포인트를 저장하며, 브루트포스를 사용하면 (15+ε)-근사값을 달성하고, 효율적인 계산을 통해 (51+ε)-근사값을 달성한다.
• 프레임워크는 낙서 백 편의성 문제로 확장되며, 동일한 근사비율을 달성하는 데 있어 공간 복잡도를 O(r²)에서 O(r)로 감소시켜 성능을 향상시킨다.