[論文レビュー] Generalized Constraint Satisfaction Problems

Alex Scott, Gregory B. Sorkin|arXiv (Cornell University)|Apr 20, 2006

Constraint Satisfaction and Optimization参考文献 5被引用数 3

ひとこと要約

本稿は、スコア関数が実数値ではなく多項式値をとる一般化制約充足問題（GCSP）を導入する。これにより、分割関数の恒等式を用いて、指数時間・多項式空間の効率的アルゴリズムが可能になる。従来のCSP技術を解の数え上げや一様ランダムサンプリングに拡張し、追加の変数を導入することで、従来は困難であった問題、例えば最大二部分割問題やイジング模型の分割関数を解けるようにする。

ABSTRACT

Abstract. A number of recent authors have given exponential-time algorithms for optimization problems such as Max Cut and Max Independent Set, or for the more general class of Constraint Satisfaction Problems (CSPs). In this paper, we introduce the class of Generalized Constraint Satisfaction Problems (GCSPs), where the score functions are polynomial-valued rather than realvalued functions. We show that certain reductions used for solving CSPs can be extended to identities for the “partition function ” of a GCSP, leading to relatively efficient exponential-time (polynomial-space) algorithms for solving a GCSP. This also enables us (at the cost of only a polynomial factor in time) to modify existing algorithms for optimizing CSPs into algorithms that count solutions or sample uniformly at random. Using an extra variable allows us to solve Max Bisection or calculate the partition function of the Ising Model, problems that were previously inaccessible with this approach. 1.

研究の動機と目的

• 従来の制約充足問題（CSP）を、スコア関数が多項式値をとる一般化CSP（GCSP）へと拡張すること。
• 分割関数の恒等式を用いて、GCSPに対して指数時間・多項式空間の効率的アルゴリズムを開発すること。
• 従来のCSP最適化アルゴリズムを、解の数え上げや一様ランダムサンプリングに適応させ、多項式時間の追加コストで実現すること。
• 本フレームワークを用いて、従来この手法では不可能であった問題、例えば最大二部分割問題やイジング模型の分割関数を解けるようにすること。
• 追加の変数を導入することで、標準CSPを超える問題クラスへの適用範囲が拡張できることを示すこと。

提案手法

• 実数値スコア関数を多項式値スコア関数に置き換えることでGCSPを定義する。
• 標準CSPで用いられるものと同様の一般化された恒等式を、GCSPの分割関数について導出する。
• これらの恒等式を活用して、GCSPを解く指数時間・多項式空間のアルゴリズムを設計する。
• スコアを多項式と見なすことにより、従来のCSP最適化アルゴリズムを変更し、解の数え上げや一様ランダムサンプリングを可能にする。
• 最大二部分割やイジング模型のような問題の制約を符号化するために、補助変数を導入する。
• 新しいフレームワーク下で、多項式構造を活用して分割関数を効率的に表現・計算する。

実験結果

リサーチクエスチョン

• RQ1 多項式値スコア関数を用いることで、標準CSPを効率的なアルゴリズムを保ちつつ一般化できるか？
• RQ2 標準CSPにおける分割関数の恒等式を、多項式スコアをもつGCSPにどのように拡張できるか？
• RQ3 既存のCSP最適化アルゴリズムを、GCSPにおける解の数え上げや一様ランダムサンプリングにどの程度適応できるか？
• RQ4 本フレームワークは、従来このアプローチでは不可能だった最大二部分割問題やイジング模型の分割関数を扱えるか？
• RQ5 追加の変数が、問題のクラスへの適用範囲を拡張する上で果たす役割は何か？

主な発見

• 本稿では、実数値スコアを多項式値関数に置き換えることで、CSPをGCSPに成功して一般化した。
• GCSPの分割関数に関する恒等式が導出され、これにより指数時間・多項式空間の効率的アルゴリズムが可能になった。
• 従来のCSP最適化アルゴリズムを、解の数え上げや一様ランダムサンプリングに適応させることができ、多項式時間の追加コストで実現した。
• 補助変数を導入することで、最大二部分割問題やイジング模型の分割関数といった問題に本手法を拡張できた。
• フレームワークは計算効率を維持したまま、標準CSPを超える問題の解法範囲を拡大した。
• 結果として、多項式表現が、同じ漸近的時間境界内での新たなアルゴリズム的機能を可能にすることが示された。