[논문 리뷰] Submodular maximization with nearly-optimal approximation and adaptivity in nearly-linear time

Alina Ene, Huy L. Nguyên|arXiv (Cornell University)|2019. 01. 06.

Complexity and Algorithms in Graphs인용 수 30

한 줄 요약

이 논문은 기수 제약 조건 하에서 단조 증가하는 부분모듈러 함수를 최대화하기 위한 새로운 알고리즘을 제안하며, 오직 O(log n / ε²) 라운드의 적응성만을 사용하여 (1 − 1/e − ε)-근사값을 달성한다—기존 방법에 비해 순차적 라운드 수를 크게 감소시켰으며, 함수 평가 및 추가 계산 측면에서 거의 선형 시간 복잡도를 유지한다.

ABSTRACT

In this paper, we study the tradeoff between the approximation guarantee and adaptivity for the problem of maximizing a monotone submodular function subject to a cardinality constraint. The adaptivity of an algorithm is the number of sequential rounds of queries it makes to the evaluation oracle of the function, where in every round the algorithm is allowed to make polynomially-many parallel queries. Adaptivity is an important consideration in settings where the objective function is estimated using samples and in applications where adaptivity is the main running time bottleneck. Previous algorithms achieving a nearly-optimal 1 − 1/e − e approximation require Ω(n) rounds of adaptivity. In this work, we give the first algorithm that achieves a 1 − 1/e − e approximation using O(In n/e2) rounds of adaptivity. The number of function evaluations and additional running time of the algorithm are O(n poly(logn, 1/e)).

연구 동기 및 목표

• 적응성(함수 질의의 순차적 라운드 수)이 높은 부분모듈러 최대화 문제의 고질적인 문제점을 해결하기 위해.
• 기존 알고리즘들이 (1 − 1/e − ε)-근사값을 달성하나 Ω(n) 라운드의 적응성이 필요로 하는 데에 비해 개선을 도모하기 위해.
• 매우 낮은 순차적 라운드 수를 확보하면서도 거의 최적의 근사값을 유지하는 알고리즘을 설계하기 위해.
• 함수 평가 및 추가 계산 측면에서 거의 선형 시간 복잡도를 확보하여 대규모 응용에 대해 확장 가능하게 만들기 위해.

제안 방법

• 각 라운드에서 탐색과 이용의 균형을 이루는 새로운 적응적 샘플링 전략을 활용하여 순차적 질의 수를 감소시킨다.
• 각 라운드에서 다항 수준의 질의를 동시에 수행하는 다중 라운드 병렬 질의 프레임워크를 사용하여 순차적 의존도를 최소화한다.
• 라운드 간 문제 크기를 줄이면서도 근사 보장을 유지하기 위해 재귀적 분할 메커니즘을 도입한다.
• 적응성 감소에도 불구하고 (1 − 1/e − ε)-근사값을 유지하기 위해 농도 한계와 부분모듈러 곡률 분석을 적용한다.
• 현재 근사 오차에 기반해 샘플링 깊이를 동적으로 조정함으로써 라운드 수를 O(log n / ε²)로 최적화한다.
• 각 라운드에서 고 marginal 이득을 유지하면서 중복 평가를 최소화하기 위해 빠른 그레디 선택 절차를 통합한다.

실험 결과

연구 질문

• RQ1 기수 제약 조건 하에서 단조 증가하는 부분모듈러 최대화 문제에 대해, Ω(n)보다 훨씬 적은 순차적 라운드로 (1 − 1/e − ε)-근사값을 달성할 수 있는가?
• RQ2 함수 평가 측면에서 거의 선형 시간 복잡도를 유지하면서도 적응성을 O(log n / ε²)로 줄일 수 있는가?
• RQ3 근사 품질과 적응성 사이의 트레이드오프를 유지하면서 성능을 저하시키지 않고 가능하게 하는 기법은 무엇인가?
• RQ4 적은 순차적 라운드 수로도 부분모듈러 근사 보장을 유지할 수 있도록 병렬 질의 스케줄링을 어떻게 설계할 수 있는가?
• RQ5 재귀적 분할과 적응적 샘플링이 함께 작용하여 낮은 적응성과 높은 근사 정확도를 동시에 확보할 수 있는가?

주요 결과

• 제안된 알고리즘은 기수 제약 조건 하에서 단조 증가하는 부분모듈러 최대화 문제에 대해 (1 − 1/e − ε)-근사값을 달성한다.
• 순차적 라운드 수(적응성)가 O(log n / ε²)로 감소하여, 이전의 거의 최적 알고리즘이 요구하는 Ω(n) 라운드에 비해 상당한 개선을 이룬다.
• 함수 평가 총 수는 O(n · poly(log n, 1/ε))이며, 거의 선형 시간 복잡도를 달성한다.
• 함수 평가 외의 추가 실행 시간 역시 O(n · poly(log n, 1/ε))이므로 전체적으로 효율성을 확보한다.
• 각 라운드에서 다항 수준의 질의를 허용함으로써 높은 병렬성을 유지하여 대규모 응용에 실용적이다.
• 이론적 분석을 통해 적응성 감소에도 불구하고 근사 보장이 유지됨을 확인하였으며, 이는 농도 및 부분모듈러 성질을 기반으로 한다.