Daily Arxiv

Cette page résume et organise les publications en intelligence artificielle du monde entier.
Les contenus sont synthétisés grâce à Google Gemini et le service est proposé à but non lucratif.
Les droits d'auteur des articles appartiennent à leurs auteurs ou institutions respectives ; en cas de partage, il suffit d'en mentionner la source.

Couvrant quelques contraintes et applications sous-modulaires

Created by
  • Haebom

Auteur

Tanvi Bajpai, Chandra Chekuri, Pooja Kulkarni

Contour

Cet article examine le problème de la gestion de multiples contraintes semi-modulaires. Étant donné un ensemble fini N, une fonction de coût c : N → ℝ+, r fonctions semi-modulaires monotones f₁, f₂, …, fᵣ sur N, et les exigences b₁, b₂, …, bᵣ, l'objectif est de trouver un sous-ensemble de coût minimal S ⊆ N tel que fᵢ(S) ≥ bᵢ (1 ≤ i ≤ r). Pour r = 1, il s'agit du problème bien connu de recouvrement d'ensembles semi-modulaires. Dans nos travaux précédents \cite{chekuri2022covering}, nous avons développé un algorithme d'approximation à double critère pour les grands r et un algorithme d'approximation pour le cas particulier important où chaque fᵢ est une fonction de recouvrement pondérée. Ces modèles sont assez généraux et incluent de nombreux cas particuliers spécifiques et intéressants. Français Le rapport d'approximation pour ces problèmes est inévitablement au moins Ω(log r) lorsque r fait partie de l'entrée. Dans cet article, inspiré par des applications récentes, nous considérons le cas où r est une constante fixe et obtenons deux résultats principaux. Lorsque nous traitons de multiples contraintes semi-modulaires, nous obtenons un algorithme d'approximation à double critère randomisé qui produit un ensemble S tel que fᵢ(S) ≥ (1-1/e^α -ε)bᵢ et E[c(S)] ≤ (1+ε)α · OPT pour chaque i ∈ [r] pour un entier donné α ≥ 1. Deuxièmement, lorsque fᵢ est une fonction de couverture pondérée d'un système d'ensembles fermés supprimé, nous obtenons un LP naturel pour l'instance de couverture de l'ensemble de base, ce qui donne une approximation de (1+ε)(e/(e-1))(1+β), où β est le rapport d'approximation. Ces résultats démontrent que pour r fixe, nous pouvons obtenir une approximation presque identique à celle réalisable lorsque r = 1. Nous notons plusieurs applications qui découlent facilement de ces résultats généraux et anticipons de nombreuses autres applications à l'avenir.

Takeaways, Limitations

Takeaways : Fournit un algorithme d'approximation quasi-optimal pour les problèmes comportant un nombre fixe de contraintes semi-modulaires. Il atteint des taux d'approximation comparables à ceux du cas r = 1. Il améliore encore le taux d'approximation pour des cas particuliers, tels que les fonctions de couverture pondérées. Son applicabilité à un large éventail d'applications est démontrée.
Limitations: L'algorithme est randomisé. Pour l'algorithme d'approximation à double critère, l'exigence ((1-1/e^α -ε)bᵢ) peut ne pas être entièrement satisfaite. Le rapport d'approximation dépend d'une constante même lorsque r est fixe. Le temps d'exécution de l'algorithme est insuffisant.
👍