[논문 리뷰] The Submodular Secretary Problem Goes Linear

Moran Feldman, Rico Zenklusen|arXiv (Cornell University)|2015. 07. 30.

Optimization and Search Problems참고 문헌 22인용 수 12

한 줄 요약

이 논문은 하위모듈라 매트로이드 비서 문제(SMSP)를 고전적 매트로이드 비서 문제(MSP)로의 블랙박스 감소를 제시하며, 어떤 매트로이드 클래스에 대해 MSP에 대해 O(1)-경쟁적인 알고리즘이 존재할 경우, 동일한 클래스에 대해 SMSP에 대해 O(1)-경쟁적인 알고리즘이 유도됨을 증명한다. 핵심 결과는 매트로이드 비서 추측(O(1)-경쟁성에 대해 MSP)가 SMSP에 대해 동일한 추측과 동치임을 보여주며, 이는 SMSP가 MSP보다 본질적으로 더 어렵지 않음을 시사한다.

ABSTRACT

During the last decade, the matroid secretary problem (MSP) became one of the most prominent classes of online selection problems. Partially linked to its numerous applications in mechanism design, substantial interest arose also in the study of nonlinear versions of MSP, with a focus on the submodular matroid secretary problem (SMSP). So far, O(1)-competitive algorithms have been obtained for SMSP over some basic matroid classes. This created some hope that, analogously to the matroid secretary conjecture, one may even obtain O(1)-competitive algorithms for SMSP over any matroid. However, up to now, most questions related to SMSP remained open, including whether SMSP may be substantially more difficult than MSP; and more generally, to what extend MSP and SMSP are related. Our goal is to address these points by presenting general black-box reductions from SMSP to MSP. In particular, we show that any O(1)-competitive algorithm for MSP, even restricted to a particular matroid class, can be transformed in a black-box way to an O(1)-competitive algorithm for SMSP over the same matroid class. This implies that the matroid secretary conjecture is equivalent to the same conjecture for SMSP. Hence, in this sense SMSP is not harder than MSP. Also, to find O(1)-competitive algorithms for SMSP over a particular matroid class, it suffices to consider MSP over the same matroid class. Using our reductions we obtain many first and improved O(1)-competitive algorithms for SMSP over various matroid classes by leveraging known algorithms for MSP. Moreover, our reductions imply an O(loglog(rank))-competitive algorithm for SMSP, thus, matching the currently best asymptotic algorithm for MSP, and substantially improving on the previously best O(log(rank))-competitive algorithm for SMSP.

연구 동기 및 목표

• 하위모듈라 매트로이드 비서 문제(SMSP)가 고전적 매트로이드 비서 문제(MSP)보다 본질적으로 더 어렵게 간주되는지 여부를 규명하는 것.
• SMSP에서 MSP로의 일반적인 블랙박스 감소를 수립하여 경쟁적인 알고리즘의 이행을 가능하게 하는 것.
• 경쟁 비율 보장 및 알고리즘 실행 가능성 측면에서 MSP와 SMSP 간의 관계를 조사하는 것.
• MSP에서 알려진 결과를 활용하여 SMSP의 渐近적 경쟁 비율을 향상시키는 것.
• 매트로이드 비서 추측이 SMSP에 대해 동일한 추측을 암시하는지 여부를 규명하는 것.

제안 방법

• MSP에 대해 α-경쟁적인 알고리즘을 갖는 임의의 알고리즘을, 동일한 매트로이드 클래스에 대해 O(α²)-경쟁적인 알고리즘으로 변환하는 블랙박스 감소를 설계한다.
• 선택과 하위모듈라 함수 수익 간의 균형을 이루기 위해 p = (3α)⁻¹로 적절히 선택된 확률을 사용하는 랜덤 알고리즘(알고리즘 2)을 도입한다.
• 하위모듈라성과 음이 아닌 성질을 활용하여, 무작위 부분집합에 대한 하위모듈라 함수의 기대값 기반 확률적 분석을 수행한다.
• 하위모듈라성을 이용하여, 집합의 합집합에서 하위모듈라 함수의 기대값을 개별 기대값의 합과 연결하는 핵심 보조정리를 활용한다.
• 독립 오ракูล 모델 기반으로 농도 및 기대값 경계를 적용하여 경쟁 비율 보장을 유도한다.
• 모든 MSP 인스턴스에 대해 상관된 무작위 독립 집합 {P_i}의 집합이 존재하며, 기대 총 무게가 w(OPT)/α 이상임을 가정한다.

실험 결과

연구 질문

• RQ1 하위모듈라 매트로이드 비서 문제(SMSP)는 고전적 매트로이드 비서 문제(MSP)보다 엄격히 더 어렵게 간주되는가?
• RQ2 주어진 매트로이드 클래스에 대해 MSP에 대해 O(1)-경쟁적인 알고리즘이 존재할 경우, 동일한 클래스에 대해 SMSP에 대해 O(1)-경쟁적인 알고리즘으로 변환 가능한가?
• RQ3 매트로이드 비서 추측(O(1)-경쟁성에 대해 MSP)는 SMSP에 대해 동일한 추측을 암시하는가?
• RQ4 SMSP의 최고로 달성 가능한 渐近적 경쟁 비율은 무엇이며, MSP에 대해 알려진 최고 수준과 비교해 볼 때 어떻게 되는가?
• RQ5 매트로이드의 구조적 성질과 하위모듈라 함수가 불확실성 하에 온라인 선택 과정에서 얼마나 상호작용하는가?

주요 결과

• 매트로이드 비서 추측은 SMSP에 대해 동일한 추측과 동치이며, 이는 SMSP가 MSP보다 본질적으로 더 어렵지 않음을 의미한다.
• 어떤 매트로이드 클래스에 대해 MSP에 대해 O(1)-경쟁적인 알고리즘이 존재할 경우, 동일한 클래스에 대해 SMSP에 대해 O(1)-경쟁적인 알고리즘으로 변환 가능함을 블랙박스 감소를 통해 입증한다.
• SMSP에 대해 O(log log(rank))-경쟁적인 알고리즘을 달성하였으며, 이는 MSP에 대해 알려진 최고의 渐近적 경쟁 비율과 일치한다.
• 이전까지 알려진 SMSP의 최고 경쟁 비율은 O(log(rank))였지만, 본 논문은 감소를 통해 이를 O(log log(rank))로 향상시켰다.
• MSP 알고리즘이 비율 α를 가질 경우, SMSP에 대해 적용된 알고리즘의 경쟁 비율은 O(kα(3α+1))이며, 여기서 k는 MSP 해법에서의 상관된 집합의 수이다.
• 감소 프레임워크를 통해 기존 MSP 알고리즘을 활용하여 다양한 매트로이드 클래스에 대해 SMSP에 대해 최초로 및 향상된 O(1)-경쟁적인 알고리즘을 가능하게 하였다.