1 / 33

Approximation of k- Set Cover by Semi - Local Optimization

Approximation of k- Set Cover by Semi - Local Optimization. Rong-chii Duh, Martin F ü rer. In Proceedings of the 29th Annual ACM Symposium on Theory of Computing,1997, pp.256-264. 中央大学大学院 理工学研究科 情報工学専攻 浅野研究室 ◎堀 邦彰 黒岩 健二 山下 慶子. k - Set Cover Problem. 入力：集合 U 上の部分集合の集まり C

nola
Télécharger la présentation

Approximation of k- Set Cover by Semi - Local Optimization

An Image/Link below is provided (as is) to download presentation Download Policy: Content on the Website is provided to you AS IS for your information and personal use and may not be sold / licensed / shared on other websites without getting consent from its author. Content is provided to you AS IS for your information and personal use only. Download presentation by click this link. While downloading, if for some reason you are not able to download a presentation, the publisher may have deleted the file from their server. During download, if you can't get a presentation, the file might be deleted by the publisher.

E N D

Presentation Transcript

  1. Approximation of k-Set Coverby Semi-Local Optimization Rong-chii Duh, Martin Fürer In Proceedings of the 29th Annual ACM Symposium on Theory of Computing,1997, pp.256-264 中央大学大学院 理工学研究科 情報工学専攻 浅野研究室 ◎堀 邦彰 黒岩 健二 山下 慶子

  2. k-Set Cover Problem • 入力：集合 U上の部分集合の集まりC ただし各部分集合のサイズは高々 k 部分集合の和は U|U | = n • 出力：和集合が U となるような最小の部分集合の集まり 3-Set 2-Set k-Set Cover Problem

  3. 仮定： 任意の部分集合はその中のさらに小さな 部分集合をすべて含んでいる Disjoint k-Setcover problemと考えることができる 選ばれた部分集合は共通部分を持たない k-Set Cover Problem

  4. k-Set Cover 問題について • k-Set cover problem は k = 2 多項式時間で解ける Matching を利用 k ≧ 3 NP-complete Greedy algorithm，線形計画問題に緩和 局所改善法 などを利用 して近似 • 一般に，任意に固定したε> 0 に対して • ( 1 －ε) ln n では近似できないといわれている k-Set Cover Problem

  5. 最大マッチング Algorithm for 2-Set Cover k-Set Cover Problem

  6. Magnusの大域ステップに似た方法で近似比 4/3 今までの研究 3-Set Cover に対する近似率 11/6 D.S.Johnson ( 1974 )，L.Lovász( 1975 ) 10/6 O.Goldschmidt, D.S.Hochbaum, And G. Yu ( 1993 ) 11/7 Magnus M. Halldórsson ( 1995 ) 7/5 Magnus M. Halldórsson ( 1996 ) k-Set Cover Problem

  7. ２） 1-Sets の数を減らす Semi-Local Optimization • 目的関数 １） U をカバーする部分集合の集まりを最小化する k-Set Cover Problem

  8. 2個までの 3-Setsの挿入と現在のカバーからの 1個までの 3-Setsの削除を行なう ① 3-Sets でカバーされていないU上の要素を マッチングを用いてカバーする ② 大域に変化を与える 局所ステップ Semi-Local Optimization for 3-Set Cover 1) greedy algorithm により実行可能解を求める 2) semi-local (2,1)-improvement を可能な限り行なう k-Set Cover Problem

  9. semi-local(0,1)improvement semi-local(1,1)improvement semi-local(2,0)improvement 具体例 Greedy Algorithm k-Set Cover Problem

  10. アルゴリズムの解析 解析のために 1) 比較グラフを用いる アルゴリズムによって求められた解と 最適解とを比較するグラフ 2) 補助グラフを用いる 求められた解の一部と最適解とによって 構成されたグラフ k-Set Cover Problem

  11. p1 A={A1 , A2 , A3} q1 A1={p4}, A2={p4} A3={p1 , p2} p2 q2 p3 B={B1, B2 , B3} q3 p4 B1=φ, B2= φ B3={q1 , q2 , q3} 比較グラフ 比較グラフ q1 q2 q3 p1 p2 p3 p4 アルゴリズムによって 求められた解 = A 最適解 = B k-Set Cover Problem

  12. p1 q1 p2 q2 p3 q3 p4 比較グラフ 補題 2.1 3-Set Cover に対する Semi-Local (2,1)-optimization algorithm は a1+2a2+3a3 = b1+2b2+3b3 = u の解を生成する ここで | Aj | = aj , | Bj | = bj , | U| = uとする 証明： 比較グラフの構成 方法より明らか k-Set Cover Problem

  13. 補題 2.2 3-Set Cover に対する Semi-Local (2,1)-optimization algorithm は a1≦ b1 の解を生成する 証明： A1 を含む任意の連結成分は A3を同じ連結成分内に含むことはできない．なぜなら，A1からいくつかの A2を通って A3に至る任意のパスPは Semi-Local (0,1)-improvement を導くからである． k-Set Cover Problem

  14. パス P 求められた解 最適解 比較グラフ すべての改善を行なった はずなのでこのような改善は 行なえないはずである (0,1) 改善後 Semi-Local(0,1)-improvement k-Set Cover Problem

  15. マッチングの最大性に反する (1,0) 改善 可能 A1 を root とする木が構成でき，そのすべての葉はB1となっている a1≦b1 A1とA3は同じ連結成分内にはない A1 からはじめてこの連結成分内の他のすべての頂点を 始点からの距離によってクラス分けを行なう． 距離2d のすべての A の頂点には唯一，距離2d+1の 隣接している B の頂点がある． k-Set Cover Problem

  16. p1 p3 q1 q4 p6 p4 q2 p2 q3 p5 求められた解 最適解 p2 q1 p6 q3 p3 p1 p5 p4 q2 q4 補助グラフ 補助グラフ　G=(B, AｰA3) k-Set Cover Problem

  17. 補題 2.3 3-Set Cover に対する Semi-Local (2,1)-optimization algorithm は a1+ a2 ≦ b1 + b2 + b3 の解 A を生成する 証明： 補助グラフ G において補助グラフの連結成分は 2 つ以上の閉路を含むことはできない． なぜなら Semi-Local (2,0)-improvement ( または (1,0) ) を 導くからである． k-Set Cover Problem

  18. 3-Set 補助グラフ 求められた解 最適解 (2,0)改善後 すべての改善を行なった はずなのでこのような改善は 行なえないはずである Semi-Local(2,0)-improvement k-Set Cover Problem

  19. a1+a2 ≦ b1+b2+ b3 枝の本数は高々補助グラフの頂点の数に 等しいくらいしかない． 枝はアルゴリズムによって選ばれた 1-Sets と 2-Sets をあらわしており 頂点は最適解の集合をあらわしている k-Set Cover Problem

  20. + ) 定理２.１ 3-Set Cover に対するSemi-Local (2,1)-optimization algorithmは, 3a≦4b－b1－b2の解Aを生成する ここで | A | = a , |B| = b とする 証明： 補題２.１の等式と補題２.２, ２.３の不等式とを加える ことによって, a1+2a2+3a3＝b1+2b2+b3 a1≦b1 a1+a2≦b1+b2+b3 3(a1+ a2+a3) ≦3b1 +3 b2+4b3 したがって、 3a≦4b－b1－b2 k-Set Cover Problem

  21. 定理 2.2 3-Set Cover に対するSemi-Local (2,1)-optimization algorithm は, 近似比 4/3の解を生成する 証明： 定理２.１より 3a≦4bｰb1ｰ b2≦4b ∴ a / b≦4/3 k-Set Cover Problem

  22. Semi-Local Optimization for k-Set Cover ① s 個までのk'-Sets(3≦k'≦k)の挿入と, 現在の カバーからの t 個までのk'-Setsの削除を行う ② k'-SetでカバーされていないU上の要素を マッチングを用いてカバーする 3-Set Coverの場合と同様に、次の等式と不等式を得る k-Set Cover Problem

  23. 前の等式と不等式を加えると、 k-Set Cover に対する Semi-Local (2,1)-optimization algorithmの近似率は である. k-Set Cover Problem

  24. k が大きいところではGreedy アルゴリズムを用い， k が 小さくなったら Semi-Local を 用いる Greedy V.S. Semi-Local k に対する近似率 6 を超えない k に対しては, Semi-Local optimization algorithm が greedy algorithm よりも近似率の点で 優れている. k-Set Cover Problem

  25. Greedy-SLIk,l(U,C ) • Greedy Phase: ｆｏｒj ← kdowntol +1 do gｒｅｅｄｙ に j-Sets の極大集合を選ぶ • Semi-Local Improvement Phase for Smaller Sets: U内のまだカバーされていない要素上で Semi-Local optimization を行なう 定理3.1 Greedy-SLI k,lアルゴリズムは k-Set Cover Problem に対し、近似率 Hk － 5/12 の解を生成する （ただし， l＝４で k≧４である）（Hk：調和数） k-Set Cover Problem

  26. 3-Set Cover に対するアルゴリズム同様， k-Set Cover の Greedy Phase においても， 1-Sets の数を減らすように考慮する． Greedy Phase において極大集合を選ぶ際 1-Sets が増加しないならばその集合を選ぶ k-Set Cover Problem

  27. Restricted_Greedy-SLIk,l(U,C ) • Greedy Phase: ｆｏｒj ← kdowntol +1 do Greedy に j-Sets の極大集合を選ぶ • Restricted Phase: ｆｏｒj ← ldownto 4 do j-Sets の選択が1-Setsの数を増やさないような 場合に制限して j-Sets の極大集合を選ぶ • SLI Phase for 3-Set Cover : U内のまだカバーされていない要素上で Semi-Local optimizationを行う k-Set Cover Problem

  28. 定理3.2 k-Set Cover の Restricted_Greedy-SLIk,l の近似率は， k=5かつ l＝5 あるいは k=4 かつ l=4 に対し，高々 Hk－ 1/2 となる k-Set Cover Problem

  29. ColorSaving • Color Savingとは… 相補目的関数を用いて、最小の色数でグラフを 着色する問題. ( n 頂点のグラフを着色するのに n 色があると仮定) • 目的 何色が使われていないか[n－(使われた色の数)]を数える. 目的関数は,サイズ j の{0,1}集合 Ajに対して である k-Set Cover Problem

  30. k-Set Cover Problem

  31. グラフの独立集合を Sets とすると， Color Saving は Set-Cover problem となる。 k-Set Cover Problem

  32. 定理4.1 Semi-local(2.1)-optimization アルゴリズムは， サイズ 3の最大独立集合を持つグラフに対し， 近似率 6/5 の Color Saving Problem の解を 生成する 定理 4.2 Color Saving Problemの近似率は，高々 である k-Set Cover Problem

  33. 問題点 • 近似アルゴリズムの解析が主であり，アルゴリズムの詳細がはっきりとは述べられていない． • Semi-Local improvement の順序? また，効率的な順序は? • 計算量は? • Color Saving において極大集合をすべて求めて おかなければならないのか? • 実装化の複雑さ k-Set Cover Problem

More Related