[论文解读] Simulated Annealing is a Polynomial-Time Approximation Scheme for the Minimum Spanning Tree Problem

Benjamin Doerr, Amirhossein Rajabi+1 more|arXiv (Cornell University)|Apr 5, 2022

VLSI and FPGA Design Techniques参考文献 20被引用 4

一句话总结

本文证明了采用精心选择的乘法冷却调度因子 $1 - 1/\ell$ 的模拟退火算法，其中 $\ell = (mn \ln m)^{1+1/\varepsilon + o(1)}$，以高概率在多项式时间内计算出 $(1+\varepsilon)$-近似最小生成树。关键结果证实了Wegener于2005年提出的猜想：模拟退火算法是最小生成树问题的多项式时间近似方案（PTAS）。

ABSTRACT

We prove that Simulated Annealing with an appropriate cooling schedule computes arbitrarily tight constant-factor approximations to the minimum spanning tree problem in polynomial time. This result was conjectured by Wegener (2005). More precisely, denoting by $n, m, w_{\max}$, and $w_{\min}$ the number of vertices and edges as well as the maximum and minimum edge weight of the MST instance, we prove that simulated annealing with initial temperature $T_0 \ge w_{\max}$ and multiplicative cooling schedule with factor $1-1/\ell$, where $\ell = \omega (mn\ln(m))$, with probability at least $1-1/m$ computes in time $O(\ell (\ln\ln (\ell) + \ln(T_0/w_{\min}) ))$ a spanning tree with weight at most $1+\kappa$ times the optimum weight, where $1+\kappa = \frac{(1+o(1))\ln(\ell m)}{\ln(\ell) -\ln (mn\ln (m))}$. Consequently, for any $\epsilon>0$, we can choose $\ell$ in such a way that a $(1+\epsilon)$-approximation is found in time $O((mn\ln(n))^{1+1/\epsilon+o(1)}(\ln\ln n + \ln(T_0/w_{\min})))$ with probability at least $1-1/m$. In the special case of so-called $(1+\epsilon)$-separated weights, this algorithm computes an optimal solution (again in time $O( (mn\ln(n))^{1+1/\epsilon+o(1)}(\ln\ln n + \ln(T_0/w_{\min})))$), which is a significant speed-up over Wegener's runtime guarantee of $O(m^{8 + 8/\epsilon})$.

研究动机与目标

• 为解决Wegener于2005年提出的猜想：模拟退火算法能在多项式时间内计算出 $(1+\varepsilon)$-近似最小生成树。
• 使用现代分析技术，对模拟退火算法在最小生成树问题上的运行时间进行严格分析。
• 改进Wegener先前针对 $(1+\varepsilon)$-分离权重的运行时间界限 $O(m^{8+8/\varepsilon})$。
• 在任意边权下建立模拟退火算法的通用多项式时间近似方案（PTAS）。
• 基于温度衰减和初始温度界限，提供一种实用的终止准则。

提出的方法

• 采用因子 $\beta = 1 - 1/\ell$ 的乘法冷却调度，其中 $\ell = (mn \ln m)^{1+1/\varepsilon + o(1)}$。
• 基于马尔可夫链的Metropolis准则，采用与温度相关的接受概率。
• 利用漂移分析和集中不等式，分析向更优或近似最优生成树转移的概率。
• 应用耦合论证，比较算法状态随时间与最优或近似最优解的演化。
• 采用对数温度衰减模型，限制收敛前的迭代次数。
• 利用 $(1+\varepsilon)$-分离特性，确保在临界阈值之间不存在中间边权，从而实现精确收敛。

实验结果

研究问题

• RQ1 采用多项式冷却调度的模拟退火算法能否实现最小生成树问题的 $(1+\varepsilon)$-近似？
• RQ2 对于一般边权，模拟退火算法的运行时间是否随 $n$、$m$ 和 $1/\varepsilon$ 多项式增长？
• RQ3 冷却因子 $\beta = 1 - 1/\ell$ 如何影响收敛时间和近似质量？
• RQ4 当边权满足 $(1+\varepsilon)$-分离时，能否保证算法找到最优解，其运行时间如何？
• RQ5 模拟退火算法实现 $(1+\varepsilon)$-近似所需的最紧运行时间界限是什么，与先前工作相比如何？

主要发现

• 采用冷却因子 $\beta = 1 - 1/\ell$ 且 $\ell = (mn \ln m)^{1+1/\varepsilon + o(1)}$ 的模拟退火算法，以至少 $1 - 1/m$ 的概率在时间 $O((mn \ln n)^{1+1/\varepsilon + o(1)}(\ln \ln n + \ln(T_0/w_{\min})))$ 内计算出 $(1+\varepsilon)$-近似最小生成树。
• 对于 $(1+\varepsilon)$-分离的边权，该算法在相同时间界限内找到最优最小生成树，显著优于Wegener的 $O(m^{8+8/\varepsilon})$ 界限。
• 运行时间在 $n$、$m$ 和 $1/\varepsilon$ 上为多项式，证实模拟退火算法是最小生成树问题的多项式时间近似方案（PTAS）。
• 初始温度 $T_0$ 必须至少为 $w_{\max}$，以确保以高概率包含最重边。
• 算法的运行时间被限制在 $O(\ell \ln(T_0/w_{\min}))$，由于温度衰减至 $w_{\min}$，该界限是紧的。
• 分析表明，当温度降至 $w_{\min}$ 以下时，无法再添加新边，从而提供了自然的终止准则。