[論文レビュー] On finding minimal w-cutset

Bozhena Bidyuk, Rina Dechter|arXiv (Cornell University)|Jul 7, 2004

Constraint Satisfaction and Optimization参考文献 19被引用数 17

ひとこと要約

本稿では、木分解を介して集合マルチ被覆問題に問題を還元することにより、グラフィカルモデルにおける最小w-カットセットを求めるための新しい手法を提案する。NP完全性を証明し、誘導幅が有界なモデルにおける効率的な推論を可能にする貪欲法を導入する。この手法は、w-カットセットサイズが小さいグラフィカルモデルにおける推論タスクのスケーラビリティを顕著に向上させる。

ABSTRACT

The complexity of a reasoning task over a graphical model is tied to the induced width of the underlying graph. It is well-known that the conditioning (assigning values) on a subset of variables yields a subproblem of the reduced complexity where instantiated variables are removed. If the assigned variables constitute a cycle-cutset, the rest of the network is singly-connected and therefore can be solved by linear propagation algorithms. A w-cutset is a generalization of a cycle-cutset defined as a subset of nodes such that the subgraph with cutset nodes removed has induced-width of w or less. In this paper we address the problem of finding a minimal w-cutset in a graph. We relate the problem to that of finding the minimal w-cutset of a tree-decomposition. The latter can be mapped to the well-known set multi-cover problem. This relationship yields a proof of NP-completeness on one hand and a greedy algorithm for finding a w-cutset of a tree decomposition on the other. Empirical evaluation of the algorithms is presented.

研究の動機と目的

• グラフィカルモデルにおけるw-カットセットの最小化により、推論の複雑さを低減すること。
• 木分解におけるw-カットセット計算と集合マルチ被覆問題との間の明確な形式的リンクを確立すること。
• この還元に基づいて、最小w-カットセットを計算するスケーラブルで貪欲なアルゴリズムを開発すること。
• 実世界の推論タスクにおける提案手法の性能と有効性を実験的に評価すること。

提案手法

• 最小w-カットセットを求める問題は、グラフの木分解における集合マルチ被覆問題に還元される。
• 集合マルチ被覆定式化に貪欲法を適用し、未被覆の制約を最も多くカバーするノードを反復的に選択する。
• 木分解を用いてグラフ構造を表現することで、誘導幅とw-カットセット候補の効率的計算が可能になる。
• 計算されたw-カットセットを削除することで、誘導幅が最大wとなる部分グラフが得られることを保証する。
• w-カットセット問題のNP完全性は、集合マルチ被覆問題への還元によって証明される。
• ベンチマークとしてのグラフィカルモデルを用いて実験的評価を行い、実行時間とカットセットサイズを評価する。

実験結果

リサーチクエスチョン

• RQ1 グラフィカルモデルにおける最小w-カットセットを求める計算複雑度は何か？
• RQ2 w-カットセット問題は、既知のNP困難問題に還元可能か？ これによりアルゴリズム設計が可能になるか？
• RQ3 集合マルチ被覆に基づく貪欲法は、小さなw-カットセットを計算するためにどれほど有効か？
• RQ4 提案手法の実験的性能は、カットセットサイズと実行時間の観点でどのように評価できるか？

主な発見

• 最小w-カットセットを求める問題は、集合マルチ被覆問題への還元によってNP完全であることが証明された。
• この還元により、実用的にw-カットセットを効率的に計算できる貪欲法の適用が可能になった。
• 実験的評価において、提案手法はベースラインヒューリスティクスと比較して顕著に小さいw-カットセットを達成した。
• 誘導幅が小さいグラフにおいて、アルゴリズムは良好にスケーリングされ、残りの部分グラフにおける線形伝搬により高速な推論が可能になった。