[논문 리뷰] When the Optimum is also Blind: a New Perspective on Universal Optimization

Marek Adamczyk, Fabrizio Grandoni외 2명|arXiv (Cornell University)|2017. 07. 06.

Complexity and Algorithms in Graphs참고 문헌 24인용 수 4

한 줄 요약

이 논문은 오프라인 최적해가 아닌 동일한 제약 조건 하에서 최적의 유니버설 해를 기준으로 근사 유니버설 해를 평가하는 새로운 스토하스틱 유니버설 최적화 프레임워크를 제안한다. 구성 정수계획법을 라운딩하고 하위모듈러 최적화 기법을 활용하여, 집합 커버 문제에 대해 $H_n$ 근사치를 달성하고, 다른 NP-난이도 문제에 대해서는 향상된 근사 bound를 확보한다.

ABSTRACT

Consider the following variant of the set cover problem. We are given a universe $U=\{1,...,n\}$ and a collection of subsets $\mathcal{C} = \{S_1,...,S_m\}$ where $S_i \subseteq U$. For every element $u \in U$ we need to find a set $ϕ(u) \in \mathcal C$ such that $u\in ϕ(u)$. Once we construct and fix the mapping $ϕ:U ightarrow \mathcal{C}$ a subset $X \subseteq U$ of the universe is revealed, and we need to cover all elements from $X$ with exactly $ϕ(X):=\cup_{u\in X} ϕ(u)$. The goal is to find a mapping such that the cover $ϕ(X)$ is as cheap as possible. This is an example of a universal problem where the solution has to be created before the actual instance to deal with is revealed. Such problems appear naturally in some settings when we need to optimize under uncertainty and it may be actually too expensive to begin finding a good solution once the input starts being revealed. A rich body of work was devoted to investigate the approximability of such problems under the regime of worst case analysis or when the input instance is drawn randomly from some probability distribution. Here one typically compares the quality of the produced solution with the optimal offline solution. In this paper we consider a different viewpoint: What if we would compare our approximate universal solution against an optimal universal solution that obeys the same rules as we do? We show that under this viewpoint it is possible to achieve improved approximation algorithms for the stochastic version of universal set cover. Our result is based on rounding a proper configuration IP that captures the optimal universal solution, and using tools from submodular optimization. The same basic approach leads to improved approximation algorithms also for other related problems.

연구 동기 및 목표

• 유니버설 최적화에서 최악의 경우 및 기대 비율 기준의 한계를 해결하기 위해, 동일한 제약 조건 하에서 최적의 유니버설 해를 더 자연스러운 비교 기준으로 도입한다.
• 기존의 기대 비율 모델보다 스토하스틱 유니버설 문제에 대해 더 나은 근사 보장을 제공하는 프레임워크를 개발한다.
• 집합 커버, 정점 커버, 간선 커버, 방향 스티너 트리, 멀티컷, 시설 위치 문제를 포함한 여러 NP-난이도 커버링 문제로 접근을 확장한다.
• 구성 정수계획법과 하위모듈러 최적화를 기반으로 한 통합된 방법을 통해 날카러운 근사 비율을 달성한다.
• 특정 확률 분포가 아닌 일반적인 확률 분포에서도 다항식으로 유한한 지지도를 가지는 경우에도 최적의 근사 비율(예: 집합 커버의 경우 $H_n$)을 확보한다.

제안 방법

• 입력이 공개되기 이전에 원소에서 집합으로의 모든 유효한 매핑을 포괄하는 구성 정수계획법(_CONF-IP_)으로 최적의 유니버설 해를 수식화한다.
• 구성 IP를 선형계획법(LP-MC)으로 완화하고, 이중성과 흐름 기반 분석을 활용하여 원래 문제와의 관계를 규명한다.
• 분수 해를 정수 해로 변환하는 데 하위모듈러 최적화 기반의 라운딩 절차를 적용하여 비용 증가를 제한한다.
• 일반적인 그래프를 자르기 구조를 근사적으로 유지하는 트리로 매립하기 위해 Räcke의 트리 분해를 활용한다.
• 상대적 하중이 $O(\log n)$ 이하인 분해 트리의 볼록 조합을 활용하여 모든 그래프에 대해 근사 비율을 제한한다.
• 트리 분해에서 유도된 이중 해를 스케일링하여 원래 그래프에 대한 타당한 이중 해를 도출하고, 멀티컷 문제에 대해 $O(\log n)$ 근사 비율을 증명한다.

실험 결과

연구 질문

• RQ1 최적의 유니버설 해를 오프라인 최적해가 아닌 기준으로 삼음으로써, 유니버설 스토하스틱 최적화에서 더 나은 근사 보장을 달성할 수 있는가?
• RQ2 일반적인 확률 분포와 다항식으로 유한한 지지도를 가지는 조건 하에서, 유니버설 집합 커버 문제에 대해 $H_n$ 근사치를 확보할 수 있는가?
• RQ3 제안된 프레임워크는 집합 커버를 초과하여 다른 NP-난이도 커버링 문제로 확장 가능한가?
• RQ4 구성 정수계획법과 하위모듈러 최적화의 활용이 유니버설 스토하스틱 환경에서 근사 비율을 어떻게 향상시키는가?
• RQ5 독립적 활성화 모델 하에서 트리 분해 기법을 활용할 경우, 일반 그래프에서의 유니버설 멀티컷 문제에 대해 어떤 근사 비율을 확보할 수 있는가?

주요 결과

• 논문은 다항식으로 유한한 지지도를 가지는 임의의 확률 분포 하에서 유니버설 집합 커버 문제에 대해 $H_n$ 근사 비율을 달성하며, 이는 고전적인 오프라인 근사 비율과 일치한다.
• 독립적 활성화 모델 하에서 일반 그래프의 유니버설 멀티컷 문제에 대해 논문은 최적의 유니버설 해를 기준으로 $O(\log n)$ 근사 비율을 확보한다.
• 기존의 기대 비율 모델보다 최적의 유니버설 해를 기준으로 비교함으로써, 유니버설 제약 조건 하에서 더 자연스러운 기준을 제공함으로써 프레임워크는 개선된 성능을 보인다.
• 이 접근은 일반적이며 정점 커버, 간선 커버, 방향 스티너 트리, 멀티컷, 시설 위치 문제에 대해 향상된 근사 알고리즘을 도출한다.
• Räcke의 트리 분해를 $O(\log n)$ 상대적 하중을 가진 채택함으로써 근사 비율이 정점 수에 대해 로그 스케일링됨을 보장한다.
• 트리에서 (LP-MC)의 분수 해를 라운딩하는 과정에서 3-근사치를 달성하며, 이는 볼록 조합을 통한 일반 그래프로의 확장에 의해 연장된다.