[논문 리뷰] A simple iterative algorithm for maxcut

Sihong Shao, Dong Zhang외 1명|arXiv (Cornell University)|2018. 03. 17.

Complexity and Algorithms in Graphs참고 문헌 21인용 수 8

한 줄 요약

이 논문은 라운딩이 필요 없는 연속형 등가 공식을 직접 해결하는 새로운 단순 반복(SI) 알고리즘을 최대 컷 문제에 제안한다. 이는 컷 값의 단조적 향상과 국소 최적해로의 유한 수렴을 보장한다. 이 알고리즘은 고도로 발전된 조합적 알고리즘과 비교해 최소 0.986의 컷 품질 비율을 달성하며, 펌진 테크닉 기반 국소 최적해 탈출 전략을 통해 0.997까지 향상된다.

ABSTRACT

We propose a simple iterative (SI) algorithm for the maxcut problem through fully using an equivalent continuous formulation. It does not need rounding at all and has advantages that all subproblems have explicit analytic solutions, the cut values are monotonically updated and the iteration points converge to a local optima in finite steps via an appropriate subgradient selection. Numerical experiments on G-set demonstrate the performance. In particular, the ratios between the best cut values achieved by SI and those by some advanced combinatorial algorithms in [Ann. Oper. Res. 248 (2017) 365] are at least $0.986$ and can be further improved to at least $0.997$ by a preliminary attempt to break out of local optima.

연구 동기 및 목표

• 기존 연속 방법에서 흔히 요구되는 라운딩 단계를 피하는 연속형 반복 알고리즘을 개발한다.
• 알고리즘 내 모든 하위문제가 명시적 해석적 해를 갖도록 보장하여 계산 오버헤드와 복잡성을 감소시킨다.
• 적절한 하향도 선택을 통해 컷 값의 단조적 향상과 국소 최적해로의 전역 수렴을 확보한다.
• 표준 G-set 인스턴스에서 알고리즘의 성능을 평가하고, CirCut와 같은 최첨단 조합적 및 연속적 방법과 비교한다.
• 특히 펌진 기법을 통해 국소 최적해에서 벗어나는 전략을 탐색하여 해 품질을 추가로 향상시킨다.

제안 방법

• 목적 함수 $ F(\mathbf{x}) = \frac{I(\mathbf{x})}{\|\mathbf{x}\|_\infty} $ 를 사용하여 최대 컷 문제를 연속 분수 프로그래밍 문제로 재구성한다. 여기서 $ I(\mathbf{x}) = \sum_{\{i,j\} \in E} w_{ij} |x_i - x_j| $ 이다.
• 분수 문제를 폐쇄형 해를 갖는 일련의 하위문제로 변환하는 Dinkelbach 유형의 반복 체계를 제안한다.
• 각 내부 하위문제에 대해 정확한 해석적 해법(정리 3.3)을 적용하여 외부 솔버 의존도를 제거한다.
• 활성 간선 집합 기반 하향도 선택을 통해 유한 단계 내에 정류점으로의 수렴을 보장한다.
• 국소 최적해에서 벗어나기 위한 펌진 전략을 도입하여, 기본 SI 알고리즘을 초월한 해 품질 향상을 달성한다.
• 스펙트럼 컷(Sc) 해를 초기화 방법으로 사용하여 시작점 품질을 향상시킨다.

실험 결과

연구 질문

• RQ1 라운딩이 필요 없으면서도 높은 품질의 해를 달성할 수 있는 연속형 최대 컷 알고리즘을 설계할 수 있는가?
• RQ2 반복형 최대 컷 알고리즘의 모든 하위문제를 해석적으로 해결할 수 있으며, 이는 더 빠르고 안정적인 수렴을 이끌어내는가?
• RQ3 해석적 하위문제를 갖는 제안된 반복 방법이 국소 최적해로 단조적으로 수렴하는가?
• RQ4 CirCut와 같은 최첨단 조합적 및 연속적 방법과 비교해 SI 알고리즘의 해 품질과 효율성은 어떠한가?
• RQ5 펌진 기반 전략이 실제로 국소 최적해에서 벗어나고 컷 값을 추가로 향상시키는 데 효과적인가?

주요 결과

• SI 알고리즘은 G-set 인스턴스에서 고도로 발전된 조합적 알고리즘의 최고 컷 값과 비교해 최소 0.986, 최대 0.997의 비율을 확보한다.
• 평균적으로 SI 알고리즘은 컷 품질에서 CirCut0를 0.997의 요인으로 초월하며, 반복 수와 런타임이 훨씬 적다.
• 대부분의 인스턴스에서 평균 25~100회 반복 내외로 완료되며, 벽시계 시간은 1초 이내로, 속도 면에서 CirCut를 능가한다.
• 펌진 기반 개선 버전(SI_PERTURB)은 모든 테스트 인스턴스에서 CirCut보다 높은 컷 값을 달성했으며, 평균 비율은 0.997이다.
• 적절한 하향도 선택 전략을 통해 알고리즘이 유한 단계 내에 국소 최적해로 수렴한다.
• 이 방법은 강건하며, 스펙트럼 컷 해에서 초기화할 수 있어 기존 해를 정밀화하고 개선할 수 있다.