We consider a randomized algorithm for the unique games problem, using independent multinomial probabilities to assign labels to the vertices of a graph. The expected value of the solution obtained by the algorithm is expressed as a function of the probabilities. Finding probabilities that maximize this expected value is shown to be equivalent to obtaining an optimal solution to the unique games problem. We attain an upper bound on the optimal solution value by solving a semidefinite programming relaxation of the problem in polynomial time. We use a different but related formulation to show that this upper bound is no greater than π/2 times the value of the optimal solution to the unique games problem.
我们给出了一个新的算法,独特的游戏,这是纯粹的{\em频谱}技术的基础上,在该领域的以前的工作,这在很大程度上依赖于半定规划(SDP)。给定一个高度可满足的独特游戏实例,我们的算法能够恢复一个很好的分配。近似保证仅取决于游戏的完整性,而不是字母表的大小,而运行时间取决于与唯一游戏的实例相关联的{\em Label-Extended}图的谱属性。我们进一步证明了在输入Khot和Vishnoi的完整性缺口实例时,我们的算法在准多项式时间内运行,并判定该实例是高度不可满足的。值得注意的是,当在该实例上运行时,Unique Games {\em}的标准SDP松弛失败。作为特殊情况,我们还重新推导了一个多项式时间算法的唯一游戏的扩展约束图。我们的算法的主要成分是一种技术,有效地使用底层图的全谱,而不仅仅是第二个特征值,这是独立的利益。如何在算法设计中利用图的全谱的问题经常被研究,但在此之前没有取得重大进展。
How to Play Unique Games against a Semi-Random Adversary
在本文中,我们研究了唯一对策问题的平均情况复杂性。我们提出了一个自然的半随机模型,其中一个独特的游戏实例是在几个步骤中生成的。首先,对手选择一个完全可满足的唯一游戏实例,然后她选择所有边的ε分数,最后用新的约束替换(“破坏”)与这些边对应的约束。如果所有步骤都是对抗的,对手可以获得任何(1-n)可满足的实例,那么问题就和最坏情况一样难。在我们的半随机模型中,其中一个步骤是随机的,所有其他步骤都是对抗性的。我们发现,已知的算法独特的游戏(特别是,所有的算法,使用标准的SDP放松)无法解决半随机的独特的游戏。我们提出了一个算法,以高概率找到一个解决方案,满足(1-delta)部分的所有约束在半随机的情况下(我们要求图的平均度是欧米茄(log k)。为此,我们考虑了一个新的非标准的SDP程序的独特的游戏,这是不是一个放松的问题,并显示如何分析它。我们提出了一个新的舍入方案,同时使用SDP和LP的解决方案,我们相信是独立的利益。我们的结果只适用于小于某个绝对常数的情形。我们证明了当λ> 1/2时,在其中一个模型中,问题是困难的,其结果假设2-to-2猜想。最后,我们研究了最多(1-n)可满足的唯一博弈的半随机实例。我们提出了一个算法,以高概率,区分的情况下,当实例是一个半随机的实例和情况下,当实例是(任意)(1-delta)可满足的实例,如果δ> c δ。
Limits of Approximation Algorithms: PCPs and Unique Games (DIMACS Tutorial Lecture Notes)
这些是2009年7月20-21日在罗格斯大学核心大楼DIMACS中心举行的DIMACS研讨会“近似算法的极限:PCP和独特游戏”的讲义。本教程由DIMACS Special Focus on Hardness of Approximation、DIMACS Special Focus on Mathematic Foundations of the Internet和Center for Computational Intractability联合主办,并得到了美国国家安全局和美国国家科学基金会的支持。该教程的演讲者是Matthew Andrews、Sanjeev Arora、Moses Charikar、Prahladh Harsha、Subhash Khot、Dana Moshkovitz和Lisa Zhang。他们是Ashkan Aazami,Dev Desai,Igor Gorobrsky,Geetha Jagannathan,Alexander S。Kulikov,Darakhshan J. Mir,Alantha Newman,Aleksandar Nikolov,David Pritchard and Gwen Spencer.