[논문 리뷰] Sublinear Algorithms and Lower Bounds for Metric TSP Cost Estimation

Yu Chen, Sampath Kannan외 1명|arXiv (Cornell University)|2020. 01. 01.

Complexity and Algorithms in Graphs참고 문헌 20인용 수 2

한 줄 요약

이 논문은 근사 인자가 2보다 엄밀히 좋은 첫 번째 부분선형 시간 알고리즘을 제시하며, 메트릭 TSP 비용을 추정한다. 그래픽 TSP에 대해 (2−ε₀)-근사 해법을 Õ(n) 시간 내에 달성하고, (1,2)-TSP에 대해 1.625-근사 해법을 Õ(n^{1.5}) 시간 내에 달성한다. 또한 어떤 (1+ε₀)-근사 해법에 대해서도 Ω(n²)의 질의 하한선을 엄밀히 증명하여, 부분선형 추정에서 메트릭 TSP와 메트릭 MST 사이에 근본적인 격차가 있음을 드러낸다.

ABSTRACT

We consider the problem of designing sublinear time algorithms for estimating the cost of a minimum metric traveling salesman (TSP) tour. Specifically, given access to a $n imes n$ distance matrix $D$ that specifies pairwise distances between $n$ points, the goal is to estimate the TSP cost by performing only sublinear (in the size of $D$) queries. For the closely related problem of estimating the weight of a metric minimum spanning tree (MST), it is known that for any $\varepsilon > 0$, there exists an $ ilde{O}(n/\varepsilon^{O(1)})$ time algorithm that returns a $(1 + \varepsilon)$-approximate estimate of the MST cost. This result immediately implies an $ ilde{O}(n/\varepsilon^{O(1)})$ time algorithm to estimate the TSP cost to within a $(2 + \varepsilon)$ factor for any $\varepsilon > 0$. However, no $o(n^2)$ time algorithms are known to approximate metric TSP to a factor that is strictly better than $2$. On the other hand, there were also no known barriers that rule out the existence of $(1 + \varepsilon)$-approximate estimation algorithms for metric TSP with $ ilde{O}(n)$ time for any fixed $\varepsilon > 0$. In this paper, we make progress on both algorithms and lower bounds for estimating metric TSP cost. We also show that the problem of estimating metric TSP cost is closely connected to the problem of estimating the size of a maximum matching in a graph.

연구 동기 및 목표

• 근사 비율이 2보다 엄밀히 좋은 부분선형 시간 알고리즘을 개발하여 메트릭 TSP 비용을 추정한다.
• Õ(n) 시간 내에서 (1+ε)-근사 TSP 비용 추정이 불가능한 계산적 장벽을 규명한다.
• 질의 및 스트리밍 모델에서 (1+ε)-근사 TSP 비용 추정에 대해 엄밀한 하한선을 수립한다.
• TSP 비용 추정과 최대 이분 매칭 크기 추정 간의 관계를 탐색한다.
• 부분선형 모델에서 메트릭 TSP와 메트릭 MST 간의 근본적인 복잡도 차이를 이해한다.

제안 방법

• 큰 매칭 또는 많은 이중연결 성분을 가진 그래프의 구조적 성질을 활용하여, 그래픽 TSP에 대해 랜덤화된 Õ(n)-시간 알고리즘을 설계한다.
• 그래프 분해와 샘플링 기법의 조합을 사용하여, 그래프 내 블록 수와 매칭 크기를 분석함으로써 TSP 비용을 추정한다.
• 모든 간선 가중치가 이진수임을 이용하고 정교한 샘플링 전략을 적용하여, (1,2)-TSP에 대해 Õ(n^{1.5})-시간 알고리즘을 개발한다.
• 일방향 통신 모델에서 Index 문제로의 감소를 통해 하한선을 증명하며, 통신 복잡도를 질의 및 공간 복잡도로 번역한다.
• TSP 비용 추정과 이분 그래프에서 최대 매칭 크기 추정 간의 엄밀한 연결 고리를 수립하여, 어떤 TSP 추정기라도 εn 이내의 덧셈 오차로 매칭 크기를 추정하는 데 사용될 수 있음을 보여준다.
• 기존의 Ω(n²) 매칭 크기 추정 하한선을 활용하여, (1+ε₀)-근사 TSP 비용 추정에 대해 Ω(n²) 하한선을 유도한다.

실험 결과

연구 질문

• RQ1 부분선형 시간 알고리즘이 메트릭 TSP에 대해 근사 인자를 2보다 엄밀히 낮출 수 있는가?
• RQ2 (1+ε)-근사 TSP 비용 추정이 Õ(n) 시간 내에서 불가능한 근본적인 장벽이 존재하는가?
• RQ3 부분선형 모델에서 TSP 비용 추정의 시간과 근사 비율 간 최적의 트레이드오프는 무엇인가?
• RQ4 TSP 비용 추정의 복잡도는 메트릭 MST 비용 추정과 비교해 볼 때 어떻게 다른가?
• RQ5 TSP 비용 추정은 최대 이분 매칭 크기 추정 문제로 환원되거나 관련이 있는가?

주요 결과

• 랜덤화된 Õ(n)-시간 알고리즘이 그래픽 TSP에 대해 (2−ε₀)-근사 해법을 달성하며, 근사 인자가 2 미만인 첫 번째 부분선형 알고리즘이다.
• Õ(n^{1.5})-시간 알고리즘이 (1,2)-TSP에 대해 1.625-근사 해법을 달성하여, 2-근사 기준선을 향상시킨다.
• 그래픽 TSP 또는 (1,2)-TSP의 비용을 (1+ε₀)-요소 내에서 추정하는 어떤 알고리즘도 Ω(n²)의 질의를 요구하며, 강력한 하한선을 증명한다.
• (1+ε)-근사 TSP 비용 추정기로 그래픽 TSP 또는 (1,2)-TSP를 사용하면, 최대 이분 매칭 크기를 εn 이내의 덧셈 오차로 추정할 수 있다.
• 단일 패assing 스트리밍 알고리즘으로 그래픽 TSP 비용을 (2−ε) 요소 내에서 근사하려면 Ω(εn)의 공간이 필요하며, 이는 통신 복잡도 하한선과 정확히 일치한다.
• 논문은 메트릭 TSP와 메트릭 MST 사이에 뚜렷한 분리가 있음을 입증한다: MST 비용은 Õ(n) 시간 내에서 (1+ε)-근사 가능하지만, TSP 비용은 비제곱 시간 내에서 (1+ε)-근사가 불가능하다.