[논문 리뷰] Set Covering Problems with General Objective Functions

Jean Cardinal, Christophe Dumeunier|ArXiv.org|2008. 02. 15.

Optimization and Search Problems참고 문헌 26인용 수 4

한 줄 요약

이 논문은 기초 집합의 분할에서 부분 집합 크기의 일반화된 평균을 최대화하는 일반화된 집합 커버 문제를 제안한다. 이는 $ p $에 의해 매개변수화되며, 그린 알고리즘이 모든 $ p > 0 $에 대해 $ (p+1)^{1/p} $의 근사 비율을 달성함을 증명한다. 이 비율은 P = NP 가정이 성립하지 않는 한 최적이다. 이는 최소 집합 커버, 최소 엔트로피 집합 커버, 최대 엣지 클리크 분할 문제를 통합하고 확장한다.

ABSTRACT

We introduce a parameterized version of set cover that generalizes several previously studied problems. Given a ground set V and a collection of subsets S_i of V, a feasible solution is a partition of V such that each subset of the partition is included in one of the S_i. The problem involves maximizing the mean subset size of the partition, where the mean is the generalized mean of parameter p, taken over the elements. For p=-1, the problem is equivalent to the classical minimum set cover problem. For p=0, it is equivalent to the minimum entropy set cover problem, introduced by Halperin and Karp. For p=1, the problem includes the maximum-edge clique partition problem as a special case. We prove that the greedy algorithm simultaneously approximates the problem within a factor of (p+1)^1/p for any p in R^+, and that this is the best possible unless P=NP. These results both generalize and simplify previous results for special cases. We also consider the corresponding graph coloring problem, and prove several tractability and inapproximability results. Finally, we consider a further generalization of the set cover problem in which we aim at minimizing the sum of some concave function of the part sizes. As an application, we derive an approximation ratio for a Rent-or-Buy set cover problem.

연구 동기 및 목표

• 최소 집합 커버, 최소 엔트로피 집합 커버, 최대 엣지 클리크 분할과 같은 고전적 집합 커버 문제들을 하나의 매개변수화된 프레임워크로 통합하고 일반화하기.
• 매개변수 $ p $에 의해 매개변수화된 일반화된 평균 목표 함수를 가진 이 일반화된 집합 커버 문제에서 그린 알고리즘의 성능을 분석하기.
• 모든 양의 $ p $ 값에 대해 그린 알고리즘의 날카운 근사 보장을 확립하고, 일반적인 복잡도 가정 하에 최적성 증명하기.
• 일반 볼록 비용 함수에 대해 이 프레임워크를 확장하고, 렌트-오브-바이 집합 커버와 같은 새로운 문제들에 적용하기.
• 이 일반화된 비용 모델 하에서 그래프 색칠 문제 변형의 근사 비율을 유도하기, 특히 완전 그래프와 클로우프리 그래프에서의 경우에 중점적으로 다루기.

제안 방법

• 기본 집합의 분할에서 부분 집합 크기의 일반화된 평균 $ M_p = \left( \frac{1}{n} \sum_{v \in V} a_v^p \right)^{1/p} $을 최대화하는 새로운 집합 커버 문제의 가시화를 시도한다. 여기서 $ a_v $ 는 원소 $ v $ 가 속한 부분 집합의 크기를 의미한다.
• 그린 알고리즘 적용: 각 단계에서 아직 커버되지 않은 원소를 $ p $-평균 목표 함수에서의 마진 기여를 최대화하는 부분 집합에 할당한다.
• 비용 당 원소 수 $ \frac{f(a_v)}{a_v} $ 를 기반으로 한 이중 적합 분석을 사용한다. 여기서 $ f(c_i) = -c_i^{p+1} $ 이다.
• 조화 평균 기반 분석과 볼록성 논증을 통해, 모든 $ p > 0 $ 에 대해 그린 알고리즘이 $ (p+1)^{1/p} $ 의 근사 비율을 달성함을 증명한다.
• 일반 볼록 비용 함수 $ f(c_i) $ 에 대해 프레임워크를 확장하고, 그린 알고리즘이 $ \max_c \left\{ \frac{1}{f(c)} \sum_{j=1}^c \frac{f(j)}{j} \right\} $ 으로 유계된 비율을 달성함을 증명한다.
• 조각별 비용 함수 $ f(c) = \min\{ c/(\beta n), 1 \} $ 를 가진 렌트-오브-바 집합 커버 문제에 일반 결과를 적용하여 $ 1 - \ln \beta $ 근사 비율을 도출한다.

실험 결과

연구 질문

• RQ1 그린 알고리즘은 일반화된 평균 목표 함수에 의해 매개변수화된 광범위한 집합 커버 문제 클래스에 대해 일반적으로 적용 가능하며, 그 근사 보장은 무엇인가?
• RQ2 모든 $ p > 0 $ 에 대해 일반화된 평균 집합 커버 문제에서 근사 비율 $ (p+1)^{1/p} $ 는 날카로운가? 이는 특수 케이스에 대해 알려진 결과들을 포함하는가?
• RQ3 일반 볼록 비용 함수에 대해 부분 집합 크기에 대한 비용 함수가 적용된 더 넓은 집합 커버 문제 클래스에서 그린 알고리즘의 성능은 어떠한가?
• RQ4 이 일반화된 프레임워크는 렌트-오브-바 집합 커버와 같은 실용적 문제에 적용 가능하며, 어떤 근사 비율을 보장할 수 있는가?
• RQ5 이 일반화된 목표 함수 하에서 대응하는 그래프 색칠 문제 변형의 다항시간 가능성과 근사 불가능성 한계는 무엇인가?

주요 결과

• 그린 알고리즘은 모든 $ p > 0 $ 에 대해 최대 $ p $-평균 집합 커버 문제에서 $ (p+1)^{1/p} $ 의 근사 비율을 달성하며, 이 한계는 P = NP 가정이 성립하지 않는 한 날카로운 것이다.
• $ p = -1 $ 인 경우 문제는 고전적인 최소 집합 커버로 축소되며, 그린 알고리즘은 기존에 알려진 $ H_{\max |S_i|} $ 근사 비율을 달성한다.
• $ p = 0 $ 인 경우 문제는 최소 엔트로피 집합 커버 문제에 해당하며, 그린 알고리즘은 이전에 알려진 것과 동일한 근사 비율을 달성한다.
• $ p = 1 $ 인 경우 문제는 최대 엣지 클리크 분할 문제의 특수 케이스를 포함하며, 그린 알고리즘은 상수 요인 근사 해를 제공한다.
• 부분 집합 크기의 볼록 함수 $ f(c_i) $ 합을 최소화하는 일반 프레임워크는 $ \max_c \left\{ \frac{1}{f(c)} \sum_{j=1}^c \frac{f(j)}{j} \right\} $ 의 근사 비율을 가진 다항시간 근사 알고리즘을 제공한다.
• 비용 함수 $ f(c) = \min\{ c/(\beta n), 1 \} $ 를 가진 렌트-오브-바 집합 커버 문제에 대해 그린 알고리즘은 $ 1 - \ln \beta $ 근사 비율을 달성하며, $ w(V) \leq e $ 일 경우 이전의 2-근사 결과보다 향상된다.