[论文解读] On local search and LP and SDP relaxations for k-Set Packing

TS Tim Oosterwijk|arXiv (Cornell University)|Jul 27, 2015

Complexity and Algorithms in Graphs参考文献 84被引用 3

一句话总结

本论文研究了 k-集合打包问题的局部搜索、线性规划（LP）和半定规划（SDP）松弛，该问题是基础的 NP-难组合优化问题。论文简化了 Berman 加权近似算法证明的代数过程，为多项式规模的 LP 和自然 SDP 松弛建立了新的整数规划间隙界 $\frac{k}{3}+1+\varepsilon$，并讨论了改进近似保证方面的开放问题。

ABSTRACT

Set packing is a fundamental problem that generalises some well-known combinatorial optimization problems and knows a lot of applications. It is equivalent to hypergraph matching and it is strongly related to the maximum independent set problem. In this thesis we study the k-set packing problem where given a universe U and a collection C of subsets over U, each of cardinality k, one needs to find the maximum collection of mutually disjoint subsets. Local search techniques have proved to be successful in the search for approximation algorithms, both for the unweighted and the weighted version of the problem where every subset in C is associated with a weight and the objective is to maximise the sum of the weights. We make a survey of these approaches and give some background and intuition behind them. In particular, we simplify the algebraic proof of the main lemma for the currently best weighted approximation algorithm of Berman ([Ber00]) into a proof that reveals more intuition on what is really happening behind the math. The main result is a new bound of k/3 + 1 + epsilon on the integrality gap for a polynomially sized LP relaxation for k-set packing by Chan and Lau ([CL10]) and the natural SDP relaxation [NOTE: see page iii]. We provide detailed proofs of lemmas needed to prove this new bound and treat some background on related topics like semidefinite programming and the Lovasz Theta function. Finally we have an extended discussion in which we suggest some possibilities for future research. We discuss how the current results from the weighted approximation algorithms and the LP and SDP relaxations might be improved, the strong relation between set packing and the independent set problem and the difference between the weighted and the unweighted version of the problem.

研究动机与目标

• 简化 Berman 针对 k-集合打包问题的加权近似算法中主引理的代数证明，揭示数学结构背后的更深层直觉。
• 为 k-集合打包问题的多项式规模 LP 松弛和自然 SDP 松弛建立新的整数规划间隙界 $\frac{k}{3}+1+\varepsilon$。
• 探讨 k-集合打包问题与最大独立集问题之间的关系，尤其关注加权与无权变体的上下文。
• 识别并讨论开放问题与未来研究方向，包括通过在局部搜索中考虑更大的改进集合来改进近似保证。

提出的方法

• 使用直观的组合推理而非复杂的代数，简化了 Berman 加权近似算法中主引理的证明。
• 通过将改进集合建模为冲突超图中边数多于顶点数的子图，分析了局部搜索中改进集合的结构。
• 应用半定规划和 Lovász theta 函数的技术，推导出 k-集合打包问题 SDP 松弛的界。
• 采用基于 Chan 和 Lau 工作的多项式规模 LP 松弛，以获得更紧的整数规划间隙界。
• 利用从加权 k-集合打包问题到 $k+1$-无爪图上的独立集问题的归约，作为算法设计的基础。
• 详细讨论了加权与无权 k-集合打包之间的差异，以及当前近似技术的局限性。

实验结果

研究问题

• RQ1 Berman 针对 k-集合打包问题的加权近似算法的证明能否被简化，以揭示其底层组合结构的更直观洞察？
• RQ2 k-集合打包问题的多项式规模 LP 松弛的最紧可能整数规划间隙是多少？
• RQ3 k-集合打包问题的自然 SDP 松弛是否能达到与多项式规模 LP 松弛相同的整数规划间隙界？
• RQ4 考虑大小超过 2 的改进集合（例如 $t$-局部最优解，其中 $t > 2$）的局部搜索算法，能否为加权 k-集合打包问题提供更好的近似保证？
• RQ5 在加权 k-集合打包问题中，是否可能实现 $\frac{k+c}{3}+\varepsilon$ 的近似保证，其中 $c \geq 0$ 为某个固定常数？

主要发现

• Berman 加权近似算法中主引理的证明被简化，揭示了权重函数和改进集合选择背后更清晰的组合直觉。
• 为 k-集合打包问题的多项式规模 LP 松弛建立了新的整数规划间隙界 $\frac{k}{3}+1+\varepsilon$。
• 证明了相同的整数规划间隙界 $\frac{k}{3}+1+\varepsilon$ 同样适用于 k-集合打包问题的自然 SDP 松弛。
• 定理 17 及其推论（定理 19、23、24）的证明被发现存在错误，源于对改进集合定义的失误，导致这些结果的真实性尚不确定。
• 论文推测，通过将局部搜索扩展至考虑更大的改进集合，可能实现更优的近似保证 $\frac{k+c}{3}+\varepsilon$（$c \geq 0$ 为某固定常数）。
• 本文指出，当前的加权近似算法高度依赖于将 k-集合打包问题归约为 $k+1$-无爪图上的独立集问题，因此该归约被认定为未来改进的有前景方向。