[论文解读] Tight Analysis of a Multiple-Swap Heuristic for Budgeted Red-Blue Median

Zachary Friggstad, Yifeng Zhang|arXiv (Cornell University)|Mar 3, 2016

Facility Location and Emergency Management参考文献 12被引用 6

一句话总结

本文提出了一种针对预算红-蓝中位数问题的多重交换局部搜索启发式算法，通过分析 $p$-交换启发式算法并证明其局部性差距为 $5 + O(1/\sqrt{p})$，证明其对任意常数 $\epsilon > 0$ 可实现 $(5 + \epsilon)$-近似。该分析在低阶项范围内是紧致的，且通过构造匹配的下界表明，局部最优解可能差至 $5 + \Omega(1/p)$ 倍于最优解；此外，单次交换启发式算法的解可能达到最优解的 $7 - \epsilon$ 倍。

ABSTRACT

Budgeted Red-Blue Median is a generalization of classic $k$-Median in that there are two sets of facilities, say $\mathcal{R}$ and $\mathcal{B}$, that can be used to serve clients located in some metric space. The goal is to open $k_r$ facilities in $\mathcal{R}$ and $k_b$ facilities in $\mathcal{B}$ for some given bounds $k_r, k_b$ and connect each client to their nearest open facility in a way that minimizes the total connection cost. We extend work by Hajiaghayi, Khandekar, and Kortsarz [2012] and show that a multiple-swap local search heuristic can be used to obtain a $(5+ε)$-approximation for Budgeted Red-Blue Median for any constant $ε> 0$. This is an improvement over their single swap analysis and beats the previous best approximation guarantee of 8 by Swamy [2014]. We also present a matching lower bound showing that for every $p \geq 1$, there are instances of Budgeted Red-Blue Median with local optimum solutions for the $p$-swap heuristic whose cost is $5 + Ω\left(\frac{1}{p} ight)$ times the optimum solution cost. Thus, our analysis is tight up to the lower order terms. In particular, for any $ε> 0$ we show the single-swap heuristic admits local optima whose cost can be as bad as $7-ε$ times the optimum solution cost.

研究动机与目标

• 将预算红-蓝中位数问题的近似保证提升至优于先前已知的 8-近似。
• 分析多重交换局部搜索启发式算法（特别是 $p$-交换启发式算法）的性能，以确定其近似比。
• 建立 $p$-交换启发式算法局部性差距的紧致界，证明其为 $5 + O(1/\sqrt{p})$。
• 构造一个匹配的下界，表明任何 $p$-交换启发式算法都无法获得优于 $5 + \Omega(1/p)$ 的近似比。
• 阐明单次交换启发式算法的局限性，表明其可能产生高达 $7 - \epsilon$ 倍最优代价的解。

提出的方法

• 作者分析了 $p$-交换局部搜索启发式算法，该算法通过每次同时交换最多 $p$ 个红设施和 $p$ 个蓝设施来迭代改进解。
• 他们基于本地和全局最优解设施的距离，将客户划分为三类：左、中、右三类客户，进行结构化的成本分解。
• 通过参数 $\alpha$、$\beta$ 和 $\gamma$ 表示不同设施类型间距离差异，追踪交换后客户重新分配带来的成本变化。
• 通过考虑所有可能的交换配置（尤其是涉及移除一个本地最优解设施的配置），作者推导出最坏情况下的成本增加。
• 通过最小化所有配置下的成本变化，证明当 $p \geq 2$ 时，该变化值非负，从而证明在局部最优解处不存在有益的交换。
• 对于 $p=1$ 的情况，分析单独验证，表明单次交换启发式算法仍可实现 $7 - \epsilon$ 的最坏情况比。

实验结果

研究问题

• RQ1 $p$-交换局部搜索启发式算法在预算红-蓝中位数问题上的近似比是多少？
• RQ2 多重交换启发式算法能否优于单次交换启发式算法的近似比？
• RQ3 $p$-交换启发式算法的近似保证是否紧致？其可达到的最佳比例如何？
• RQ4 单次交换启发式算法的最坏情况性能如何？与多重交换版本相比有何差异？
• RQ5 该分析能否推广至包含超过两种设施颜色的推广问题？

主要发现

• $p$-交换局部搜索启发式算法对预算红-蓝中位数问题实现了 $(5 + O(1/\sqrt{p}))$-近似。
• 对于任意常数 $\epsilon > 0$，通过设置 $p = \Theta(1/\epsilon^2)$，该算法可实现多项式时间的 $(5 + \epsilon)$-近似。
• 该分析在低阶项范围内是紧致的，因为存在实例使得 $p$-交换启发式算法产生的解成本为最优解的 $5 + \Omega(1/p)$ 倍。
• 单次交换启发式算法可能产生高达 $7 - \epsilon$ 倍最优成本的解，其中 $\epsilon > 0$ 可任意小。
• 成本变化分析表明，在局部最优解处，即使同时交换最多 $p$ 个每种颜色的设施，也不存在有益的交换，从而确认了该界的有效性。
• 下界构造表明，任何 $p$-交换启发式算法都无法将近似比改进至 $5 + \Omega(1/p)$ 以下。