[논문 리뷰] Unconstrained Submodular Maximization with Constant Adaptive Complexity

Lin Chen, Moran Feldman외 1명|arXiv (Cornell University)|2018. 11. 15.

Complexity and Algorithms in Graphs인용 수 7

한 줄 요약

이 논문은 유한한 적응 라운드 수와 선형 쿼리 복잡도를 사용하여 비제약 하위모듈라 최대화 문제에 대해 $(1/2 - \varepsilon)$-근사값을 달성하는 최초의 알고리즘을 제안한다. 이는 하위모듈라 함수의 연속적 근사화와 제한된 라운드 수를 갖는 새로운 적응적 절차를 활용하여 최적 해를 효율적으로 근사하면서도 높은 병렬 처리 가능성을 유지한다.

ABSTRACT

In this paper, we consider the unconstrained submodular maximization problem. We propose the first algorithm for this problem that achieves a tight $(1/2-\varepsilon)$-approximation guarantee using $ ilde{O}(\varepsilon^{-1})$ adaptive rounds and a linear number of function evaluations. No previously known algorithm for this problem achieves an approximation ratio better than $1/3$ using less than $Ω(n)$ rounds of adaptivity, where $n$ is the size of the ground set. Moreover, our algorithm easily extends to the maximization of a non-negative continuous DR-submodular function subject to a box constraint and achieves a tight $(1/2-\varepsilon)$-approximation guarantee for this problem while keeping the same adaptive and query complexities.

연구 동기 및 목표

• 기존 알고리즘이 상수 근사 비율을 달성했음에도 불구하고 $\Omega(n)$라운드가 필요로 했음에도 불구하고 비제약 하위모듈라 최대화 문제의 적응 복잡도 간극을 메우기 위해.
• 비제약 하위모듈라 최대화 문제에 대해 상수 적응 복잡도를 유지하면서도 엄밀한 $(1/2 - \varepsilon)$-근사 보장을 달성하기 위해.
• 상자 제약 조건 하에 연속적 DR-하위모듈라 함수로 알고리즘을 확장하면서도 동일한 복잡도 한계를 유지하기 위해.
• 낮은 적응성으로도 고품질 근사가 가능함을 보여주어 대규모 환경에서 효율적인 병렬 처리를 가능하게 하기 위해.

제안 방법

• 알고리즘은 하위모듈라 함수의 연속적 근사화를 사용하여 상자 제약 조건 하에서 연속적 DR-하위모듈라 함수의 최대화 문제로 문제를 재정의한다.
• 균일한 차이 $\Delta \cdot \mathbf{1}_\cN$를 갖는 두 벡터 $x$와 $y$를 계산하는 새로운 적응 절차인 Pre-Process를 도입하여 기울기 변화를 제한한다.
• 경로를 매개변수 $t$로 파arameter화한 방향 도함수의 연쇄 법칙 기반 분석을 통해 함수 값 변화에 대한 경계를 도출한다.
• 값과 도함수 오ракูล 쿼리를 융합한 하이브리드 전략을 사용하여 부분 기울기를 추정하고 고가치 해로의 탐색을 이끈다.
• 반복적인 정밀화를 통해 후보 해를 유지하며, $x$에서 $y$로 향하는 신중히 설계된 경로를 사용하여 근사 보장을 확보한다.
• DR-하위모듈라 성질을 활용하여 경로를 따라 함수 값의 차이를 경계함으로써 $(1/2 - \varepsilon)$-근사 보장을 유도한다.

실험 결과

연구 질문

• RQ1 비제약 하위모듈라 최대화 문제에 대해 $n$에 종속되지 않은 적응 복잡도로 $(1/2 - \varepsilon)$-근사값을 달성할 수 있는가?
• RQ2 낮은 적응 라운드 수에서 근사 비율이 거의 최적에 가까운 상황에서도 선형 쿼리 복잡도를 유지할 수 있는가?
• RQ3 동일한 복잡도 보장을 유지하면서도 상자 제약 조건 하에 연속적 DR-하위모듈라 함수로 알고리즘을 확장할 수 있는가?
• RQ4 비제약 하위모듈라 최대화 문제에 대해 상수 근사 비율을 달성하기 위해 필요한 최소 적응 라운드 수는 얼마인가?

주요 결과

• 제안된 알고리즘은 $\tilde{O}(\varepsilon^{-1})$의 적응 라운드를 사용하여 비제약 하위모듈라 최대화 문제에 대해 $(1/2 - \varepsilon)$-근사값을 달성한다.
• 알고리즘은 지면 집합의 크기 $n$에 대해 선형 수준의 함수 평가 수만 필요로 한다.
• 이 방법은 상자 제약 조건 하에 연속적 DR-하위모듈라 함수로도 확장 가능하며, 동일한 근사 및 복잡도 보장을 유지한다.
• 이전 연구에서 하위선형 적응 라운드 수로 $1/3$-근사값을 초과할 수 없었던 점을 고려할 때, 본 알고리즘은 이를 향상시킨다.
• 분석을 통해 적응 라운드 수가 $n$에 독립적으로 경계됨을 입증하여, 저적응 하위모듈라 최적화 분야에서 열려 있는 문제를 해결한다.
• 알고리즘의 설계는 $x$와 $y$ 사이의 기울기 변화가 $16\tau$ 이내로 제한됨을 보장하여 함수 값 비교를 엄밀하게 가능하게 한다.