[논문 리뷰] Structural Iterative Rounding for Generalized $k$-Median Problems

Anupam Gupta, Benjamin Moseley외 1명|arXiv (Cornell University)|2020. 09. 02.

Facility Location and Emergency Management참고 문헌 16인용 수 6

한 줄 요약

이 논문은 일반화된 k-미디안 문제에 대한 개선된 반복 반올림 알고리즘을 제안하며, 오직 O(1)의 분수 변수만을 사용하여 6.387-근사 비율을 달성한다. 집합 커버 유사 선형 프로그래밍의 극단점의 구조적 성질을 활용함으로써 이전 작업을 초월하며, 고장자 있는 k-미디안의 경우 6.994+ϵ, 배낭 미디안의 경우 6.387+ϵ의 새로운 최고 근사 비율을 확보한다.

ABSTRACT

This paper considers approximation algorithms for generalized $k$-median problems. This class of problems can be informally described as $k$-median with a constant number of extra constraints, and includes $k$-median with outliers, and knapsack median. Our first contribution is a pseudo-approximation algorithm for generalized $k$-median that outputs a $6.387$-approximate solution, with a constant number of fractional variables. The algorithm builds on the iterative rounding framework introduced by Krishnaswamy, Li, and Sandeep for $k$-median with outliers. The main technical innovation is allowing richer constraint sets in the iterative rounding and taking advantage of the structure of the resulting extreme points. Using our pseudo-approximation algorithm, we give improved approximation algorithms for $k$-median with outliers and knapsack median. This involves combining our pseudo-approximation with pre- and post-processing steps to round a constant number of fractional variables at a small increase in cost. Our algorithms achieve approximation ratios $6.994 + ε$ and $6.387 + ε$ for $k$-median with outliers and knapsack median, respectively. These improve on the best-known approximation ratio $7.081 + ε$ for both problems \cite{DBLP:conf/stoc/KrishnaswamyLS18}.

연구 동기 및 목표

• 다중 제약 조건이 있는 일반화된 k-미디안 문제에 대해 더 날카운 근사 알고리즘을 개발하기 위해.
• 제약 조건이 있는 선형 프로그래밍의 극단점의 구조를 분석하여 반복 반올림 과정에서의 목적 함수 손실을 줄이기 위해.
• 가짜 근사와 후처리를 조합하여 고장자 있는 k-미디안 및 배낭 미디안 문제에 대해 향상된 진정한 근사 비율을 달성하기 위해.
• 배낭 및 커버리지 제약 조건으로 정의된 다면체의 극단점의 조합 구조를 특성화하기 위해.
• 희소화 및 새로운 후처리 기법을 사용하여 분수 변수의 일정 수를 낮은 비용으로 반올림할 수 있도록 하기 위해.

제안 방법

• 반올림 과정에서 더 풍부한 제약 조건 집합을 허용하는 구조적 반복 반올림 프레임워크를 제안한다.
• r1개의 배낭 제약 조건과 r2개의 커버리지 제약 조건으로 정의된 다면체의 극단점을 분석하며, 시설 집합의 이분할 교차 그래프를 활용한다.
• 분수 시설 할당을 가진 고객의 체인 분해를 사용하여 분수 변수의 수를 근사한다.
• 가짜 근사 이전에 인스턴스를 사전 처리하기 위해 희소화 기법을 적용한다.
• O(1)의 분수 변수를 최소한의 비용 증가로 반올림할 수 있는 새로운 후처리 알고리즘을 개발한다.
• 기저 분석과 선형 독립성 논증을 활용하여 dim(C∗<1) + r을 사용해 분수 시설의 수를 근사한다.

실험 결과

연구 질문

• RQ1 일반화된 k-미디안 문제에서 반복 반올림 프레임워크를 더욱 정교화하여 근사 비율 손실을 줄일 수 있는가?
• RQ2 제약 조건이 있는 선형 프로그래밍의 극단점에서 어떤 구조적 성질을 활용하여 근사 보장을 향상시킬 수 있는가?
• RQ3 고장자 있는 k-미디안 및 배낭 미디안 문제에서 일정 수의 분수 변수를 무시할 만한 비용 증가로 반올림할 수 있는가?
• RQ4 시설 집합의 교차 그래프는 분수 해의 복잡성에 어떤 영향을 미치는가?
• RQ5 일반화된 k-미디안 문제에서 일정 요인 근사 비율을 유지하기 위해 필요한 최소 분수 변수 수는 얼마인가?

주요 결과

• 논문은 오직 O(1)의 분수 변수만을 사용하여 일반화된 k-미디안 문제에 대해 6.387-근사 비율을 달성하였으며, 이는 이전의 7.081-근사 비율을 초월한다.
• 고장자 있는 k-미디안 문제의 경우 개선된 알고리즘이 6.994+ϵ의 근사 비율을 달성하여 이전 최고의 7.081+ϵ을 뛰어넘는다.
• 배낭 미디안 문제의 경우 알고리즘이 6.387+ϵ의 근사 비율을 달성하며, 가짜 근사 비율과 일치한다.
• 분수 시설의 수는 r이 총 제약 조건 수일 때 dim(C∗<1) + r로 근사된다.
• 분수 할당을 가진 고객의 체인 분해는 선형 독립성 예산을 초과하여 추가로 3r개의 시설만 필요로 함을 보장한다.
• 후처리 단계에서 O(1)의 분수 변수를 임의로 작은 비용 증가로 성공적으로 반올림하여 진정한 근사 알고리즘을 가능하게 한다.