[论文解读] High-Accuracy Multicommodity Flows via Iterative Refinement

Li Chen, Mingquan Ye|arXiv (Cornell University)|Apr 21, 2023

Optimization and Search Problems被引用 1

一句话总结

本文提出了首个用于无向图上高精度 ℓq,p-范数多商品流问题的迭代精炼框架，将问题转化为求解一系列可分解的残差问题。该方法在 Oq,p(m^{1+o(1)}k^2 log(1/ε)) 时间内实现 (1+ε)-近似解，优于通用线性规划求解器，并为该类问题中的高精度多商品流提供了首个近乎线性时间算法。

ABSTRACT

The multicommodity flow problem is a classic problem in network flow and combinatorial optimization, with applications in transportation, communication, logistics, and supply chain management, etc. Existing algorithms often focus on low-accuracy approximate solutions, while high-accuracy algorithms typically rely on general linear program solvers. In this paper, we present efficient high-accuracy algorithms for a broad family of multicommodity flow problems on undirected graphs, demonstrating improved running times compared to general linear program solvers. Our main result shows that we can solve the 𝓁_{q, p}-norm multicommodity flow problem to a (1 + ε) approximation in time O_{q, p}(m^{1+o(1)} k² log(1/ε)), where k is the number of commodities, and O_{q, p}(⋅) hides constants depending only on q or p. As q and p approach to 1 and ∞ respectively, 𝓁_{q, p}-norm flow tends to maximum concurrent flow. We introduce the first iterative refinement framework for 𝓁_{q, p}-norm minimization problems, which reduces the problem to solving a series of decomposable residual problems. In the case of k-commodity flow, each residual problem can be decomposed into k single commodity convex flow problems, each of which can be solved in almost-linear time. As many classical variants of multicommodity flows were shown to be complete for linear programs in the high-accuracy regime [Ding-Kyng-Zhang, ICALP'22], our result provides new directions for studying more efficient high-accuracy multicommodity flow algorithms.

研究动机与目标

• 为填补高精度多商品流算法的空白，开发一种快于通用线性规划求解器的方法。
• 设计一种专用于多商品流中 ℓq,p-范数最小化问题的迭代精炼框架。
• 证明对于一类广泛的多商品流问题，高精度解可在近乎线性时间内计算得出。
• 为此前在高精度环境下被认为等价于线性规划的问题提供新的算法研究方向。

提出的方法

• 提出一种新颖的迭代精炼框架，将 ℓq,p-范数最小化问题转化为求解 Oq,p(k log(1/ε)) 个残差问题。
• 将每个残差问题分解为 k 个单商品凸流问题，每个问题均可使用先进的凸流求解器在近乎线性时间内求解。
• 为涉及 ℓq 和 ℓpq 范数的边成本函数构造计算高效的自洽障碍函数，确保快速收敛。
• 利用 Bregman 散度与凸分析，推导出每次迭代中目标函数改进的强下界。
• 利用无向图的结构特性及 ℓq,p-范数的性质，确保残差问题保持可分解性并可高效求解。
• 应用定理 2（来自先前工作）以加法误差 exp(−log C m) 求解每个单商品子问题，从而保证全局解的高精度。

实验结果

研究问题

• RQ1 是否可以比通用线性规划求解器更高效地求解无向图上的高精度多商品流问题？
• RQ2 是否存在一种适用于 ℓq,p-范数多商品流问题的通用迭代精炼框架，能够实现近乎线性时间求解？
• RQ3 ℓq,p-范数流能否作为最大并发流等组合问题的有效松弛，同时仍能获得高精度解？
• RQ4 无向图的结构特性是否允许将残差问题分解为可独立求解的单商品流问题，并使用高效求解器？
• RQ5 ℓq,p-范数框架能否为此前被认为等价于线性规划的多商品流变体提供更快速的算法？

主要发现

• 该算法在 Oq,p(m^{1+o(1)}k^2 log(1/ε)) 时间内计算出 ℓq,p-范数多商品流问题的 (1+ε)-近似解。
• 运行时间在 m 上为次二次方，在 1/ε 上为多对数时间，显著优于高精度环境下通用 LP 求解器。
• 该框架将问题简化为求解 Oq,p(k log(1/ε)) 个残差问题，每个问题均可分解为 k 个单商品凸流问题。
• 每个单商品子问题使用近乎线性时间的凸流求解器在 m^{1+o(1)} 时间内求解，加法误差受 exp(−log C m) 限制。
• 总误差累积为 k · exp(−log C m)，可忽略不计，从而保证高概率正确性。
• 当 q→1 且 p→∞ 时，ℓq,p-范数流推广了最大并发流，该框架为此类松弛提供了首个高精度解。