福永 拓郎 (京都大学) Magnús M. Halldórsson (Reykjavik University) 永持 仁 (京都大学)

Slides:



Advertisements
Similar presentations
授業展開#12 コンピュータの扱いにくい問 題. 扱いにくい問題  処理時間がかかる。  メモリを大量に必要とする。  プログラムの優劣、アルゴリズムの優劣 を比較するためには、標準的なコン ピュータで比較する必要がある。  処理時間を計るのに、コンピュータのモ デルとして、チューリングマシンを考え、
Advertisements

効率的に計算可能な 加法的誤りの訂正可能性 安永 憲司 九州先端科学技術研究所 SITA 2012 @ 別府湾ロイヤルホテル
2. 数値微分法. 数値微分が必要になる場合として、次の 2 つが考えられる。 関数が与えられていて、その微分を近似的に計算する。 (数値微分の精度が十分で、かつ、計算速度が数値微分の方が 早い場合など。) 離散的な点の上で離散的なデータしかわかっていない関数の微 分を近似的に計算する。(偏微分方程式の数値解を求めたい時.
第6回 線形計画法の解法(4) 混合最小値問題 山梨大学.
ネットワーク理論講義補助資料 Text. 組合せ最適化とアルゴリズム 4.5 節 主・双対法 pp
データ構造と アルゴリズム 第十二回 知能情報学部 知能情報学科 新田直也.
タスクスケジューリング    .
黒澤 馨 (茨城大学) 情報セキュリティ特論(4) 黒澤 馨 (茨城大学) 2017/3/4 confidential.
近似アルゴリズム 第10章 終了時刻最小化スケジューリング
Pattern Recognition and Machine Learning 1.5 決定理論
組合せ最適化問題と厳密解法 最小木、ナップサック問題、ビンパッキング、巡回セールスマン問題 LPによる上界・下界 分枝限定法
第四回 線形計画法(2) 混合最大値問題 山梨大学.
Permutationグラフと Distance-Hereditaryグラフの 再構築アルゴリズム
計算の理論 II NP完全 月曜4校時 大月美佳.
分子生物情報学 動的計画法に基づく配列比較法 (ペアワイズアライメント法)
Approximation of k-Set Cover by Semi-Local Optimization
上坂吉則 尾関和彦 文一総合出版 宮崎大輔2003年6月28日(土)
土木計画学 第11回(12月21日) 土木計画と説明責任 計画における代替案の作成1 担当:榊原 弘之.
データ構造と アルゴリズム 第二回 知能情報学部 新田直也.
第 七 回 双対問題とその解法 山梨大学.
Probabilistic Method 6-3,4
Probabilistic method 輪講 第7回
5.5 The Linear Arboricity of Graphs (グラフの線形樹化数)
Selfish Routing and the Price of Anarchy 第2回
計算量理論輪講 岩間研究室 照山順一.
情報工学総合演習 D-I 近似アルゴリズム 埼玉大学 理工学研究科 山田 敏規、 橋口 博樹、 堀山 貴史
Linear Relaxation for Hub Network Design Problems
情報学研究科 通信情報システム専攻 小野寺研究室 M1 奥村 佳弘
計算の理論 II NP完全 月曜5校時 大月美佳 平成17年1月17日 佐賀大学理工学部知能情報システム学科.
第25章 単一始点最短路 3節 Bellman-Fordのアルゴリズム
ネットワーク上での社会的効用と個人的効用の対立問題に対するアルゴリズム的研究
決定木とランダムフォレスト 和田 俊和.
7.4 Two General Settings D3 杉原堅也.
情報理工学系研究科 数理情報学専攻 数理第四研究室 博士三年 指導教員: 駒木 文保 准教授 鈴木 大慈 2008年8月14日
第14章 モデルの結合 修士2年 山川佳洋.
第3回 アルゴリズムと計算量 2019/2/24.
§ , How Bad Is Selfish Routing?
Extractor D3 川原 純.
25. Randomized Algorithms
九州大学大学院 情報学専攻特別講義 (3) 配列解析
Selfish Routing and the Price of Anarchy 4.3
計算量理論輪講 chap5-3 M1 高井唯史.
計算の理論 II 言語とクラス 月曜4校時 大月美佳.
情報生命科学特別講義III (13) 固定パラメータアルゴリズムと 部分k木
連続領域におけるファジィ制約充足問題の 反復改善アルゴリズムによる解法 Solving by heuristic repair Algorithm of the Fuzzy Constraint Satisfaction Problems with Continuous Domains 北海道大学.
ファジィ制約充足問題への 連続領域の導入 Introducing continuous domains to
First Course in Combinatorial Optimization
東北大学 大学院情報科学研究科 応用情報科学専攻 田中 和之(Kazuyuki Tanaka)
九州大学大学院 情報学専攻特別講義 (6) 固定パラメータアルゴリズムと 部分k木
生物情報ソフトウェア特論 (2)たたみ込みとハッシュに 基づくマッチング
需要点,供給点,辺容量を持つ木の分割アルゴリズム
ナップサック問題 クマさん人形をめぐる熱いドラマの結末.
東京大学大学院工学系研究科 計数工学専攻 松井知己
サポートベクターマシン Support Vector Machine SVM
Selfish Routing 4章前半 岡本 和也.
5.3, 5.4 D2 岡本 和也.
直並列グラフの連続多重彩色 西関研究室 吉田進太郎.
Max Cut and the Smallest Eigenvalue 論文紹介
``Exponentiated Gradient Algorithms for Log-Linear Structured Prediction’’ A.Globerson, T.Y.Koo, X.Carreras, M.Collins を読んで 渡辺一帆(東大・新領域)
人工知能特論II 第8回 二宮 崇.
A02 計算理論的設計による知識抽出モデルに関する研究
東北大学 大学院情報科学研究科 応用情報科学専攻 田中 和之(Kazuyuki Tanaka)
生命情報学特論 (6) 固定パラメータアルゴリズムと 部分k木
モデルの微分による非線形モデルの解釈 明治大学 理工学部 応用化学科 データ化学工学研究室 金子 弘昌.
生物情報ソフトウェア特論 (4)配列解析II
長岡技術科学大学 大学院 工学研究科 機械創造工学専攻 髙山 誠 指導教員 小林 泰秀 准教授
13.近似アルゴリズム.
情報生命科学特別講義III (3)たたみ込みとハッシュに 基づくマッチング
東京工業大学情報理工学研究科 小島政和 第1回横幹連合コンファレンス 2005年11月25,26日 JA 長野県ビル
グラフの帯域幅連続多重彩色 を求めるアルゴリズム (Bandwidth Consective Multicolorings of Graphs) 西関研究室 西川和秀.
Presentation transcript:

福永 拓郎 (京都大学) Magnús M. Halldórsson (Reykjavik University) 永持 仁 (京都大学) Robust Cost Colorings 福永 拓郎 (京都大学) Magnús M. Halldórsson (Reykjavik University) 永持 仁 (京都大学) 特定領域研究「新世代の計算限界 −その解明と打破−」 平成19年度 第2回 全体会議 2007年12月15日 東北大学

グラフの節点彩色 V の独立集合分割 {C1, …, Ck } つまり,V = C1 ∪ …∪Ck Ci ∩ Cj =  (i ≠ j ) E [Ci ] = 

応用例:機械スケジューリング 時刻

応用例:機械スケジューリング 時刻    色の数 = 機械の数 → 最小化

今日の話 コスト関数付き彩色問題 に対する ロバストなアルゴリズム コスト関数:色数最小化以外にもたくさんの目的関数がある Threshold Coloring [Bodlaendar, Jansen,95] Probabilistic Coloring [Murat, Paschos, 06] Entropy Coloring [Cardinal, Fiorini, Joret, 05]  … ロバスト: どんな目的関数に対しても,そこそこいい解をくれる 前もって目的関数が分らなくてもいい(オンライン問題) 途中で目的関数が変わってもいい

コスト関数付き彩色問題 問題 入力: 無向グラフ G = (V, E), コスト関数 g: 2V → Q 制約:   {C1, C2 ,…, Ck }: Vの彩色 目的関数: g(C1) + g(C2) + …+ g(Ck) →最小化 コスト関数 g: 重み依存 ある w: V → Q, f : Q → Q に対して g(C) = f ( w(C) ) ただし, w(C) = vC w(v)

応用例:機械スケジューリング 機械1台の値段 w: 仕事を外注した時の料金 f (w(C)) := min{w(C), 7 } 4 2 6 5 3 2 5 9 6

応用例:機械スケジューリング 機械1台の値段 w: 仕事を外注した時の料金 f (w(C)) := min{w(C), 7 } 4 5 2 コスト= 7 2 2 コスト= 4 5 6 コスト= 7 3 1 コスト= 4 2 6 9 コスト= 7 合計:29 = 3台の機械を買って,残りの仕事は外注したときの値段

彩色問題の色々なコスト関数 色数最小化 Rent or Buy 多段階 e/(e-1)‐近似 重み依存 エントロピー g(C) = f (w(C)):=1 g(C) = f (w(C)) = min { w(C), T } f f f T w(C) w(C) w(C) e/(e-1)‐近似 重み依存 エントロピー g(C) = f (w(C)) = -w(C) ln(w(C)) 確率的 g(C):= 1-vC (1-w(v)) 重み非依存 f Lpノルム g(C):= (vC w(v)p )1/p w(C) 1

結果 f :単調非減少・凹 f :単調非減少 G:インターバルなど 4‐近似 8‐近似 G:パーフェクト w(v) = 1, v V f : 単調非減少・凸は |V |色で塗るのがコスト最小 f :単調非減少・凹 f :単調非減少 G:インターバルなど 4‐近似 8‐近似 G:パーフェクト w(v) = 1, v V 6‐近似 12‐近似

彩色問題の色々なコスト関数 色数最小化 Rent or Buy 多段階 e/(e-1)‐近似 重み依存 エントロピー g(C) = f (w(C)):=1 g(C) = f (w(C)) = min { w(C), T } f f f T w(C) w(C) w(C) e/(e-1)‐近似 重み依存 エントロピー g(C) = f (w(C)) = -w(C) ln(w(C)) 確率的 g(C):= 1-vC (1-w(v)) 重み非依存 f Lpノルム g(C):= (vC w(v)p )1/p w(C) 1

集合関数によるアプローチ g : polymatroid U  W, v  W ⇒ g(U + v) + g(W)  g(U) + g(W +v) U  W ⇒ g(U)  g(W) 0  g(U)  |U | 定理 [Gijswijt, Jost, Queyranne, 06] G: 補インターバルグラフ,コスト関数 g: polymatroid のとき,コスト最小化彩色問題はNP-困難.

集合関数によるアプローチ g: value-polymatroid g(U)  g(W), v  U ⋃ W ⇒ g(U + v) + g(W)  g(U) + g(W +v) U  W ⇒ g(U)  g(W) 0  g(U)  |U| 定理 [Gijswijt, Jost, Queyranne, 06] G: 補インターバルグラフ,コスト関数 g: value-polymatroid のとき,コスト最小化彩色問題は多項式時間計算可能.

k 色部分グラフ問題のアルゴリズムを繰り返し適用 f : 単調凹関数のとき k 色部分グラフ問題のアルゴリズムを繰り返し適用 ポイント:

k色部分グラフ問題 問題 入力: グラフ G = (V, E), 重み w: V → Q 制約: G[U] が k-彩色可能 目的関数: w(U) → 最大化 次のグラフクラスに対して,多項式時間アルゴリズム インターバルグラフ [Yannakakis, Gavril, 87] 置換グラフ [Saha, Pal, 03] 比較可能グラフ [Cameron, 85] 補比較可能グラフ [Frank, 80]

アルゴリズム:凹関数 L := lg χ(G) for i := 0 to L-1 A1 最大重み2i色部分グラフ A0 AL L := lg χ(G) for i := 0 to L-1 最大重み2i色部分グラフ Ai  V を求め,2i色で塗る G := G - Ai end for 残った節点をALとし,χ(G)色で塗る A1 A0 A2 AL-1 ・・・

アルゴリズム解と最適解の比較 アルゴリズムの解: 最適解: 2i色  χ(G)色 ・・・ ・・・ A0 A1 A2 Ai AL-1 AL B0 B1 B2 Bi BL*-1 BL* 2i-1色 ・・・ 最適解: L* = log χOPT L*  L B3

w(A0)+w(A1)+ ・・・ +w(Ai)  w(B0)+w(B1)+ ・・・ +w(Bi) for i アルゴリズム解と最適解の比較 A0 ⋃ A1 ⋃ ・・・    ⋃ Ai-1 1+20+21+・・・+2i-1 = 2i色 B0 ⋃ B1 ⋃ ・・・ ⋃ Bi  w(Ai) w(A0)+w(A1)+ ・・・ +w(Ai)  w(B0)+w(B1)+ ・・・ +w(Bi) for i

近似比  i=0 2i f ( w(Ai) / 2i )  i=0 2i f ( w(Bi) / 2i ) w(A0)+w(A1)+ ・・・ +w(Ai)  w(B0)+w(B1)+ ・・・ +w(Bi) for i w(Ai)+w(Ai+1)+ ・・・ +w(AL*)  w(Bi)+w(Bi+1)+ ・・・ +w(BL*) for i アルゴリズムのコスト 凹性より  i=0 2i f ( w(Ai) / 2i ) L* 単調・凹性と 上の関係より  i=0 2i f ( w(Bi) / 2i ) L*

最適解のコスト     4 Bi Bi+1  f (w(B0)) + i=1 2i-1 f ( w(Bi+1) / 2i ) の重み  の重み w(Bi+1)/2i … … 2i-1 2i 最適解のコスト  f (w(B0)) + i=1 2i-1 f ( w(Bi+1) / 2i ) L*-1 よって, 最適解のコスト アルゴリズムのコスト f (w(B0)) + i=2 2i-2 f ( w(Bi) / 2i-1) L* i=0 2i f ( w(Bi) / 2i )   4

k 色部分グラフ問題の(α, β)-近似 問題 最大化: w(U) 制約: G[U] が k-彩色可能 U  V が次の条件を満たすとき, (α, β)-近似解であるという. (ただし, α, β  1). G[U] が αk色で彩色可能 最適解 U* に対して,w(U*)  βw(U) 最適解 U* に対して,βw(V-U*)  w(V-U) 定理 G: パーフェクトグラフのとき,t に対し α = t, β = t /(t -1). 特に,t = 1.5 とすれば,α = 1.5, β = 3.

近似比 ( ) ×β  i=0 2i f( w(Ai) / 2i ) i=0  2i f ( w(Ai) /  2i ) w(A0)+w(A1)+ ・・・ +w(Ai)  w(B0)+w(B1)+ ・・・ +w(Bi) for i w(Ai)+w(Ai+1)+ ・・・ +w(AL*)  w(Bi)+w(Bi+1)+ ・・・ +w(BL*) for i ×β ( )  i=0 2i f( w(Ai) / 2i ) L* アルゴリズムのコスト 凹性より i=0  2i f ( w(Ai) /  2i ) L*  i=0 2i f( w(Bi) / 2i ) L* 単調・凹性と 上の関係より i=0  2i f(  w(Bi) /  2i ) L*

近似比 =   4 i=0 3・2i-1 f ( w(Bi) / 2i-1 ) i=0 2i f ( w(Bi) / 2i ) L* i=0 2i f ( w(Bi) / 2i ) L* i=0 2i f( w(Bi) / 2i ) L* アルゴリズムのコスト 6   4 f(w(B0)) + i=2 2i-2 f( w(Bi) / 2i-1 ) L* 最適解のコスト

⇒ アルゴリズムが計算する解は任意のコスト関数の最適解を同時に近似 !!! ロバスト性(単調凹コスト関数) アルゴリズムはf を見ずに解を計算している!! ⇒ アルゴリズムが計算する解は任意のコスト関数の最適解を同時に近似 !!! 定理: k色部分グラフ問題が解けるグラフクラスに対しては,ロバストな4-近似解,パーフェクトグラフに対しては,ロバストな6-近似解が多項式時間計算可能. 定理: グラフクラスに関わらず,ロバストな4-近似解となる彩色が存在する.

f : 単調関数,w(v)=1 (vV) のとき ポイント:

単調コスト関数 f → f*   Cの C*の |C|=x f(x) f *(x):=min1yx f(y)・x/y コスト x C*x/y ・・・ |C*i |  y f(x) f *(x):=min1yx f(y)・x/y     コスト Cの C*の x

f* →f**   2×Cの Cの f **:=最小凹関数 s.t. f **  f* f *(x):=min1yx f(y)・x/y f **:=最小凹関数 s.t. f **  f*   コスト 2×Cの Cの x

2近似   Cの C*の   2×Cの Cの C の      コスト コスト 2×OPTの コスト 2×OPTの     コスト Cの C*の     コスト 2×Cの Cの C の  2×OPTの コスト  2×OPTの コスト  ×OPTの  コスト ALGの  コスト ALGの  ALG*の コスト 定理 f : 単調関数,w(v)=1 (v  V) のとき, 多項式時間で 2-近似可能.ただし, は単調凹関数に対する近似比.

ロバスト性(単調コスト関数) アルゴリズム 凹関数 f ** に対する-近似解を求める. 近似解の各色 C に対し,y*:= arg min1 y  |C| f(y) ・ |C| / y  を計算し,Cをサイズy*以下の色に分割する.    ⇐ 関数は見ない ⇐ f を見る 定理 分割によって,任意の単調コスト関数,w(v)=1 (v  V)に 対する8-近似解が得られるような彩色が存在する.

まとめ 彩色問題と色々なコスト関数 k色部分グラフ問題と(α, β)-近似 単調凹コスト関数,重みつきの場合とロバスト性 単調コスト関数,重み一定の場合とロバスト性