본 논문은 인공지능 및 조합 최적화 문제에서 발생하는 $k$-Submodular Cover ($kSC$) 문제를 연구한다. 특히, 영향력 최대화, 자원 할당, 센서 배치와 같은 문제에 적용된다. 기존의 $kSC$ 알고리즘이 약한 근사 보장을 제공하거나 지나치게 높은 쿼리 복잡성을 갖는다는 단점을 극복하기 위해, 본 논문은 강력한 bicriteria 근사를 달성하면서도 쿼리 복잡성을 크게 낮춘 \textit{Fast Stochastic Greedy} 알고리즘을 제안한다. 이 알고리즘은 함수 평가 횟수를 줄여 대규모 실제 AI 응용 분야에서 효율적인 실행이 가능하도록 한다.
