[论文解读] Fully Dynamic Set Cover - Improved and Simple.

Raghavendra Addanki, Barna Saha|arXiv (Cornell University)|Apr 9, 2018

Complexity and Algorithms in Graphs被引用 1

一句话总结

本文提出了首个完全动态无权集合覆盖算法，具备 f(1+ε) 的近似保证，并实现 O(f log n / ε) 的摊销更新时间。该成果通过一种新颖的随机化方法——将随机性从输入（删除顺序）转移到算法本身，重新构想了一个简单的离线算法。该方法实现了在动态更新下对集合覆盖的高效、近似最优维护。

ABSTRACT

In this paper, we revisit the unweighted set cover problem in the fully dynamic setting. In contrast to the offline setting where a static set of $n$ elements need to be covered using minimum number of sets from a family $\mathcal{F}$, here elements to be covered change over time and can be inserted and deleted. The goal is to maintain a close to optimal set cover solution at every time step while minimizing the update time. In the offline setting, several textbook algorithms exist from early eighties that give a factor $f$ approximation algorithm for set cover where $f$ is the maximum frequency of an element. Whereas, in the dynamic setting, even today, there does not exist a factor $O(f)$-approximation algorithm for set cover, except for when $f=2$ (the special case of unweighted vertex cover). The best approximation bound known for dynamic set cover is $O(f^2)$ [Bhattacharya et al. ICALP 2015] with an amortized update time of $O(f\log{n})$. Subsequent works get an $O(f^2)$ amortized update time but with a worse approximation factor of $O(f^3)$ [Gupta et al., STOC 2017; Bhattacharya et al., IPCO 2017]. In this paper, we give the first $f(1+\epsilon)$-approximation algorithm for the fully dynamic unweighted set cover problem for any $\epsilon >0$. An important contribution of this work lies in its conceptual simplicity. First, we take one of the simplest possible deterministic algorithms for the offline set cover and show that it achieves a factor $f(1+\epsilon)$-approximation in $O(\frac{f}{\epsilon})$ expected amortized time when deletions are randomly ordered. Next to handle any sequence of updates, we transfer the randomness to the algorithm instead. This recipe of switching the role of randomness turns out to be extremely useful. We get the first $f(1+\epsilon)$-approximation in $O(\frac{f\log{n}}{\epsilon})$ amortized update time on expectation and with high probability.

研究动机与目标

• 通过在完全动态无权集合覆盖中实现接近最优的 f(1+ε) 近似因子，填补动态集合覆盖算法长期存在的空白。
• 克服先前研究仅实现 O(f²) 或 O(f³) 近似且更新时间更差的局限性。
• 通过重新诠释算法设计中的随机性，设计一种简单且确定性的算法，具备强大的理论保证。
• 在期望和高概率下均实现高效的更新时间，使该解决方案在动态环境中具有实用性。

提出的方法

• 采用一个简单的确定性离线集合覆盖算法作为基础，该算法通过贪心策略选择覆盖未覆盖元素最多的集合。
• 通过概率分析证明，当删除顺序随机时，该算法可实现 f(1+ε) 的近似。
• 提出一种技术，通过随机化选择过程，将随机性从输入（即删除顺序）转移到算法中。
• 使用随机舍入和抽样技术，模拟随机删除顺序的效果，确保在任意更新序列下仍具鲁棒性。
• 维护一个动态数据结构，用于追踪未覆盖元素和集合频率，从而实现高效的更新操作。
• 应用浓度不等式和鞅论证，将期望和高概率下的更新时间控制在 O(f log n / ε)。

实验结果

研究问题

• RQ1 能否将一个简单的确定性离线集合覆盖算法改造，使其在完全动态环境下实现接近最优的 f(1+ε)-近似？
• RQ2 随机化删除顺序对贪心集合覆盖算法近似质量有何影响？
• RQ3 如何有效将随机性从输入转移到算法中，以在任意更新序列下维持性能保证？
• RQ4 是否可能在完全动态集合覆盖中同时实现接近最优的近似因子和高效的更新时间？
• RQ5 在完全动态更新下，维持 f(1+ε)-近似解所需的最小更新时间是多少？

主要发现

• 所提出的算法在完全动态无权集合覆盖中实现了 f(1+ε) 的近似，优于先前最优的 O(f²)。
• 该算法在期望和高概率下均实现 O(f log n / ε) 的摊销更新时间，显著优于先前的 O(f²) 更新时间。
• 关键洞见在于：将随机性从输入（即删除顺序）转移到算法中，可使算法在任意更新序列下保持鲁棒性能。
• 分析表明，当选择过程被随机化时，一个简单的贪心算法即使在对抗性更新顺序下也能维持近似最优性。
• 该方法在不依赖复杂数据结构或启发式方法的前提下，同时实现了强大的近似性能和高效的更新时间。
• 该成果填补了动态集合覆盖领域长期存在的空白，首次实现了以 f 为参数的子二次更新时间的 f(1+ε)-近似。