[論文レビュー] Structural Iterative Rounding for Generalized $k$-Median Problems

Anupam Gupta, Benjamin Moseley+1 more|arXiv (Cornell University)|Sep 2, 2020

Facility Location and Emergency Management参考文献 16被引用数 6

ひとこと要約

本稿では、一般化されたkメディアン問題に対する洗練された反復丸めアルゴリズムを提示し、O(1)の分数変数のみを用いて6.387-近似を得た。集合被覆型線形計画法における極値点の構造的性質を活用することで、先行研究を改善し、kメディアン問題における外れ値を含む場合の近似比が6.994+ϵ、ナップサックメディアン問題における近似比が6.387+ϵという、新たな最良近似比を達成した。

ABSTRACT

This paper considers approximation algorithms for generalized $k$-median problems. This class of problems can be informally described as $k$-median with a constant number of extra constraints, and includes $k$-median with outliers, and knapsack median. Our first contribution is a pseudo-approximation algorithm for generalized $k$-median that outputs a $6.387$-approximate solution, with a constant number of fractional variables. The algorithm builds on the iterative rounding framework introduced by Krishnaswamy, Li, and Sandeep for $k$-median with outliers. The main technical innovation is allowing richer constraint sets in the iterative rounding and taking advantage of the structure of the resulting extreme points. Using our pseudo-approximation algorithm, we give improved approximation algorithms for $k$-median with outliers and knapsack median. This involves combining our pseudo-approximation with pre- and post-processing steps to round a constant number of fractional variables at a small increase in cost. Our algorithms achieve approximation ratios $6.994 + ε$ and $6.387 + ε$ for $k$-median with outliers and knapsack median, respectively. These improve on the best-known approximation ratio $7.081 + ε$ for both problems \cite{DBLP:conf/stoc/KrishnaswamyLS18}.

研究の動機と目的

• 複数の制約を伴う一般化kメディアン問題に対するよりタイトな近似アルゴリズムの開発。
• 制約付き線形計画法における極値点の構造を分析することで、反復丸めにおける目的関数の損失を低減。
• 擬似近似と後処理を組み合わせることで、外れ値を含むkメディアン問題およびナップサックメディアン問題における真の近似比の向上。
• ナップサック制約および被覆制約によって定義される単体の極値点の組合せ的構造の特定。
• スパarsificationおよび新規の後処理技術を用いて、低コストで定数個の分数変数を丸めることを可能にする。

提案手法

• 丸めプロセスにより豊かな制約集合を許容する構造的反復丸めフレームワークを提案。
• r1個のナップサック制約およびr2個の被覆制約によって定義される単体の極値点を分析し、施設集合の二部グラフの交差グラフを活用。
• 分数施設割り当てを持つクライアントのチェーン分解を用いて、分数変数の数を制限。
• 擬似近似の前処理として、スパarsification技術を適用。
• O(1)個の分数変数を最小限のコスト増加で丸めるための新規後処理アルゴリズムを開発。
• 基底解析および線形独立性の議論を用いて、dim(C∗<1) + r を用いて分数施設の数を上限づける。

実験結果

リサーチクエスチョン

• RQ1 一般化kメディアン問題における反復丸めフレームワークを洗練させることで、近似比の損失を低減できるか？
• RQ2 制約付き線形計画法における極値点のどのような構造的性質が近似保証の向上に寄与できるか？
• RQ3 外れ値を含むkメディアン問題およびナップサックメディアン問題において、定数個の分数変数を無視できるコスト増で丸められるか？
• RQ4 施設集合の交差グラフは、分数解の複雑さにどのように影響するか？
• RQ5 一般化kメディアン問題において、定数倍近似を維持するのに必要な最小の分数変数の数は何か？

主な発見

• 本稿では、O(1)の分数変数のみを用いて、一般化kメディアン問題に対して6.387-近似を達成し、以前の7.081-近似を上回った。
• 外れ値を含むkメディアン問題では、改善されたアルゴリズムにより6.994+ϵの近似比を達成し、以前の最良の7.081+ϵを上回った。
• ナップサックメディアン問題では、6.387+ϵの近似比を達成し、擬似近似の境界と一致した。
• 分数施設の数は、rが制約総数であるとき、dim(C∗<1) + r で上限づけられる。
• 分数割り当てを持つクライアントのチェーン分解により、線形独立性の予算を超えてたった3r個の追加施設で済む。
• 後処理においてO(1)個の分数変数を任意に小さいコスト増で丸めることに成功し、真の近似アルゴリズムの実現を可能にした。