[论文解读] Combinatorial Optimization Algorithms via Polymorphisms

Jonah Brown-Cohen, Prasad Raghavendra|arXiv (Cornell University)|Jan 7, 2015

Advanced Graph Theory Research参考文献 26被引用 11

一句话总结

本文提出了一种新颖的框架，用于在值查询模型中进行组合优化，利用多态性——即保持解可行性的操作。它提出了一种随机化算法，用于最小化具有保测度、传递对称多态性的函数，并以近似多态性重新表述唯一游戏猜想，从而统一了CSP和Max-CSP的可解性准则。

ABSTRACT

An elegant characterization of the complexity of constraint satisfaction problems has emerged in the form of the the algebraic dichotomy conjecture of [BKJ00]. Roughly speaking, the characterization asserts that a CSP Λ is tractable if and only if there exist certain non-trivial operations known as polymorphisms to combine solutions to Λ to create new ones. In an entirely separate line of work, the unique games conjecture yields a characterization of approximability of Max-CSPs. Surprisingly, this characterization for Max-CSPs can also be reformulated in the language of polymorphisms. In this work, we study whether existence of non-trivial polymorphisms implies tractability beyond the realm of constraint satisfaction problems, namely in the value-oracle model. Specifically, given a function f in the value-oracle model along with an appropriate operation that never increases the value of f , we design algorithms to minimize f . In particular, we design a randomized algorithm to minimize a function f that admits a fractional polymorphism which is measure preserving and has a transitive symmetry. We also reinterpret known results on MaxCSPs and thereby reformulate the unique games conjecture as a characterization of approximability of max-CSPs in terms of their approximate polymorphisms.

研究动机与目标

• 将基于多态性的可解CSP特征化方法从精确满足扩展到值查询模型中的优化。
• 为具有非平凡对称多态性的函数设计一种随机化算法，特别是那些保测度且具有传递对称性的函数。
• 将唯一游戏猜想重新解释为使用近似多态性对Max-CSP近似可解性的表征。
• 在相关性衰减、超收缩性与CSP中随机舍入行为之间建立理论桥梁。
• 证明准随机性在随机舍入下得以保持，从而支持稳健近似算法的设计。

提出的方法

• 利用从不增加函数值的分数多态性概念，重点关注保测度且对称的多态性。
• 应用相关性衰减和超收缩性不等式，分析具有对称多态性的函数在随机舍入下的行为。
• 使用Berry-Esseen定理和条件期望算子，限制在随机抽样下变量的影响。
• 采用一种随机舍入过程，其中每个函数值独立地从由分数多态性定义的分布中抽样。
• 应用Hoeffding不等式，控制随机抽样下傅里叶系数的集中性，确保影响界限的稳定性。
• 通过对低次傅里叶系数使用并集界，表明舍入后函数中变量的影响与原函数中的影响保持接近。

实验结果

研究问题

• RQ1 非平凡对称多态性的存在是否可用于在值查询模型中设计高效的优化算法？
• RQ2 对称多态性中的相关性衰减在多大程度上能促进随机近似算法的设计，用于组合优化？
• RQ3 如何用近似多态性重新表述Max-CSP的唯一游戏猜想？
• RQ4 通过低次影响衡量的准随机性是否在分数多态性的随机舍入后仍然保持？
• RQ5 在从分数多态性抽样后，函数中变量的影响是否能被稳定地界定，从而确保近似保证？

主要发现

• 设计了一种随机化算法，用于最小化函数 f : [q]^n → R，该函数具有保测度且具有传递对称性的分数多态性。
• 该算法以高概率实现目标值在最优值的 O(δ) 误差范围内，其中 δ 控制多态性近似中的误差。
• 本文证明，对于任意 τ, d, ε 和充分大的 R，随机舍入保持准随机性：以高概率，舍入后的函数在相同分布下具有有界影响。
• 证明若在某分布下函数的最大期望影响小于 τ，则经随机舍入后，最大期望影响以至少 1 - ε/R 的概率不超过 5τ。
• 字典测试的可靠性分析表明，若原始标记满足超过 s + η 条边，则解码后的标记在期望下满足常数比例的边，该比例受 η, τ 和 d 的函数有界。
• 该框架通过将CSP的代数二分猜想和唯一游戏猜想均表达为多态性性质——CSP为精确，Max-CSP为近似——从而实现统一。