[论文解读] An improved approximation algorithm for k-median problem using a new factor-revealing LP

Chenchen Wu, Dachuan Xu+2 more|arXiv (Cornell University)|Oct 15, 2014

Facility Location and Emergency Management参考文献 11被引用 3

一句话总结

本文提出了一种改进的 k-中位数问题近似算法，其比率为 2.592 + ε，通过为设施选址问题（FLP）设计一种新型的 (1, 1.93910094) 双因子近似算法实现。该方法利用一种新型的揭示因子线性规划来收紧分析，优于先前最佳比率 2.611 + ε。

ABSTRACT

The k-median problem is a well-known strongly NP-hard combinatorial optimization problem of both theoretical and practical significance. The previous best approximation ratio for this problem is 2.611+ε(Bryka et al. 2014) based on an (1, 1.95238219) bi-factor approximation algorithm for the classical facility location problem (FLP). This work offers an improved algorithm with an approximation ratio 2.592 +εbased on a new (1, 1.93910094) bi-factor approximation algorithm for the FLP.

研究动机与目标

• 改进 NP-难的 k-中位数问题的近似比率。
• 利用新型揭示因子线性规划，对设施选址问题（FLP）的分析进行更紧密的推导。
• 实现 FLP 的更优双因子近似，特别是 (1, 1.93910094)，以提升 k-中位数性能。
• 将近似比率降低至先前最佳值 2.611 + ε 以下。

提出的方法

• 提出一种新型揭示因子线性规划，用于分析 k-中位数算法的性能。
• 设计一种 (1, 1.93910094) 双因子近似算法用于设施选址问题（FLP）。
• 将改进后的 FLP 近似作为 k-中位数算法中的子程序使用。
• 应用新型揭示因子线性规划，推导出更紧的近似比率边界。
• 在 FLP 框架中优化设施开放成本与分配成本之间的权衡。
• 采用精细化分析技术，实现 k-中位数问题更优的整体近似比率。

实验结果

研究问题

• RQ1 k-中位数问题的近似比率能否超越 2.611 + ε？
• RQ2 通过新型揭示因子线性规划，设施选址问题（FLP）可实现的最紧双因子近似是多少？
• RQ3 更紧的 FLP 近似如何转化为 k-中位数性能的提升？
• RQ4 新型揭示因子线性规划模型能否在 k-中位数近似中产生优于现有方法的边界？
• RQ5 在该新型分析框架下，k-中位数问题的近似比率最小上界是多少？

主要发现

• 所提出的算法在 k-中位数问题上实现了 2.592 + ε 的近似比率，优于先前最佳比率 2.611 + ε。
• 新型揭示因子线性规划使分析更加紧密，从而在设施选址问题（FLP）上实现了 (1, 1.93910094) 的双因子近似。
• FLP 近似性能的提升直接促成了 k-中位数性能的增强。
• 该方法将近似比率降低了约 0.019，代表了重大的理论进展。
• 该方法表明，精细化的揭示因子线性规划模型可在组合优化中产生更优边界。
• 结果证实了新型线性规划公式的有效性，能够收紧近似保证。