[논문 리뷰] Submodular Maximization Under A Matroid Constraint: Asking more from an old friend, the Greedy Algorithm

Nived Rajaraman, Rahul Vaze|arXiv (Cornell University)|2018. 10. 30.

Complexity and Algorithms in Graphs참고 문헌 8인용 수 4

한 줄 요약

이 논문은 매트로이드 제약 조건 하에서의 서브모듈러 최적화 문제에서 그레디 알고리즘의 근사 보장을 개선하기 위해 새로운 측정치인 '판별도(discriminant)'를 도입한다. 각 단계에서 그레디 선택의 상대적 이득과 최고의 대안 선택 간의 비율을 수량화함으로써, 기존의 곡률 기반 보다 더 날카롭고 인스턴스에 의존하는 근사 비율을 유도한다. 이는 곡률 기반 보다 더 엄밀한 결과를 포함하고 개선하며, 구성된 예시를 통해 그 엄밀성이 입증된다.

ABSTRACT

The classical problem of maximizing a submodular function under a matroid constraint is considered. Defining a new measure for the increments made by the greedy algorithm at each step, called the discriminant, improved approximation ratio guarantees are derived for the greedy algorithm. At each step, discriminant measures the multiplicative gap in the incremental valuation between the item chosen by the greedy algorithm and the largest potential incremental valuation for eligible items not selected by it. The new guarantee subsumes all the previous known results for the greedy algorithm, including the curvature based ones, and the derived guarantees are shown to be tight via constructing specific instances. More refined approximation guarantee is derived for a special case called the submodular welfare maximization/partition problem that is also tight, for both the offline and the online case.

연구 동기 및 목표

• 매트로이드 제약 조건 하에서의 서브모듈러 최적화 문제에서 이론적 최악의 경우 보장과 실질적 성능 간 격차를 해소하기 위해.
• 각 단계에서 그레디 선택이 최고의 대안 대비 얼마나 유리한지 측정하는 새로운 인스턴스에 의존하는 성능 측정치인 '판별도'를 개발하기 위해.
• 기존 곡률 기반 보다 더 개선된 그레디 알고리즘의 근사 보장을 도출하기 위해.
• 구성된 문제 예시를 통해 새로운 보장의 엄밀성을 증명하기 위해.
• 특수한 경우, 즉 서브모듈러 웰페어/파트리션 문제와 그 온라인 변형에 대한 개선 분석을 확장하기 위해.

제안 방법

• 단계 $ i $ 에서 선택되지 않은 유효한 아이템들 중에서 그레디 선택으로 얻는 증분 가치와 최고의 가능한 증분 가치 간의 비율로 판별도 $ d_i' $ 를 정의한다.
• 판별도를 사용하여 그레디 알고리즘에 대한 새로운 근사 보장을 도출한다: $ \frac{Z(G)}{Z(\Omega)} \geq \frac{1}{\frac{1}{d} + c} $, 여기서 $ d $ 는 최소 판별도이고 $ c $ 는 곡률이다.
• 곡률 $ c $ 와 판별도 $ d $ 를 제어할 수 있는 문제 인스턴스의 가족을 구성하여, $ K \to \infty $ 의 극한에서 보장의 엄밀성이 입증되도록 한다.
• 매트로이드의 구조와 그레디 경로를 이용하여 최적 해 $ \Omega $ 의 유효한 순서를 설정함으로써 판별도 계산을 가능하게 한다.
• 서브모듈러 웰페어/파트리션 문제의 오프라인 및 온라인 설정에 모두 이 보장을 적용하여, 두 경우 모두 성립함을 보인다.
• 순차적 교환 논증을 사용하여 구성된 해 $ \Omega $ 의 최적성을 증명하며, 임의의 타당한 $ \Omega' $ 에 대해 $ Z(\Omega) \geq Z(\Omega') $ 임을 보인다.

실험 결과

연구 질문

• RQ1 기존의 이론적 근사 보장과 실질적 성능 간 격차를 메우기 위해, 새로운 인스턴스에 의존하는 측정치가 그레디 알고리즘의 근사 보장을 향상시킬 수 있는가?
• RQ2 그레디 이득과 최고의 대안 이득 간의 비율로 정의된 판별도는 기존의 곡률 기반 보장을 어떻게 개선하고 세밀화하는가?
• RQ3 새로운 보장은 엄밀한가? 그리고 구성된 문제 인스턴스로 이 보장을 달성할 수 있는가?
• RQ4 판별도 기반 분석은 서브모듈러 웰페어/파트리션 문제와 그 온라인 변형으로까지 확장 가능한가?
• RQ5 새로운 보장은 이전에 알려진 모든 곡률 기반 보장을 포함하고 개선하는가?

주요 결과

• 제안된 판별도 기반 보장 $ \frac{1}{\frac{1}{d} + c} $ 은 고전적인 $ \frac{1}{1+c} $ 곡률 기반 보다 엄밀히 개선되며, 이전의 모든 결과를 포함한다.
• 구성된 인스턴스를 통해 극한에서 $ K \to \infty $ 일 때 근사 비율이 $ \frac{1}{\frac{1}{d} + c} $ 에 수렴함을 보여, 이 보장이 엄밀함을 입증한다.
• 서브모듈러 웰페어/파트리션 문제의 경우, 동일한 판별도 기반 보장이 오프라인 및 온라인 설정 모두에 적용되며, 온라인 버전에서도 $ \frac{1}{\frac{1}{d} + c} $ 비율을 유지한다.
• 분석을 통해 최적 해 $ \Omega $ 는 비음성 가치 증가를 유지하는 순차적 교환 과정을 통해 구성될 수 있음을 증명하며, 이는 최적성의 확인을 의미한다.
• 엄밀한 예시에서 판별도 $ d_i' $ 가 모든 반복 단계에서 일정한 $ d $ 로 유지됨을 보여, 보장 유도 과정의 타당성을 검증한다.
• 판별도 $ d=1 $ 이고 $ c \to 0 $ 일 때 보장은 $ 1-1/e $ 로 감소하며, 이는 알려진 최적의 경우와 일치한다. 또한 $ d=1 $ 이고 $ c=1 $ 일 때는 $ 1/2 $-근사가 복구된다.