[論文レビュー] A $(\frac32+\frac1{\mathrm{e}})$-Approximation Algorithm for Ordered TSP

Susanne Armbruster, Matthias Mnich+1 more|arXiv (Cornell University)|Jan 1, 2024

Optimization and Search Problems被引用数 1

ひとこと要約

本稿では、順序付きTSP問題に対する新しい$(\frac{3}{2} + \frac{1}{e})$近似アルゴリズムを提示し、近似比約1.868を達成している。この手法は、新たな線形計画法（LP）緩和を導入し、LP解を重み付き木に分解する確率的丸め手順を用いる。その後、条件付き期待値による確率的除去を用いて木を組み合わせ、有効な巡回路を構築する。これにより、従来の5/2-近似境界を著しく改善している。

ABSTRACT

We present a new $(\frac32+\frac1{\mathrm{e}})$-approximation algorithm for the Ordered Traveling Salesperson Problem (Ordered TSP). Ordered TSP is a variant of the classical metric Traveling Salesperson Problem (TSP) where a specified subset of vertices needs to appear on the output Hamiltonian cycle in a given order, and the task is to compute a cheapest such cycle. Our approximation guarantee of approximately $1.868$ holds with respect to the value of a natural new linear programming (LP) relaxation for Ordered TSP. Our result significantly improves upon the previously best known guarantee of $\frac52$ for this problem and thereby considerably reduces the gap between approximability of Ordered TSP and metric TSP. Our algorithm is based on a decomposition of the LP solution into weighted trees that serve as building blocks in our tour construction.

研究の動機と目的

• 順序付きTSPとメトリックTSPの近似可能性のギャップを縮小し、最高の既知の近似比を向上させること。
• 順序付き頂点制約の構造を捉えるために特化した、新たな線形計画法緩和を考案すること。
• 木分解と条件付き期待値を活用した多項式時間の丸めアルゴリズムを設計し、強力な近似保証を達成すること。
• 最近のメトリックTSPにおける進展を踏まえ、順序付きTSPが従来の5/2-近似よりも著しく良い近似が可能であることを示すこと。

提案手法

• 指定された頂点の順序を満たす制約を組み込んだ、ヘルド＝カープ緩和を一般化した新たな順序付きTSP用の線形計画法緩和を導入する。
• 順序制約を満たす木に対応する辺集合の凸結合として、LP解を木に分解する。
• コストと順序制約への寄与に基づいて木を選択する確率的丸め戦略を用い、期待コストが$(\frac{3}{2} + \frac{1}{e})$倍の最適LP値で抑えられることを保証する。
• 条件付き期待値の手法を用いて丸めプロセスを確率的除去し、期待コストの境界を維持するとともに、多項式時間での計算を保証する。
• 選択された木と辺から連結なオイラー多様体を構築し、その後、必要な頂点順序を満たす有効なハミルトン閉路に変換する。
• ブローフトとナーゲレ（2023年）の、連結性制約下での木分解に関する既知の結果を活用し、必要な木の族の存在と効率的計算を保証する。

実験結果

リサーチクエスチョン

• RQ1 新たなLP緩和と丸め技術を用いて、順序付きTSPに対して5/2を超える良好な近似比を達成できるか？
• RQ2 順序付き頂点制約の構造を、近似保証の向上に寄与する線形計画法の定式化で効果的に捉えるにはどうすればよいか？
• RQ3 順序付きTSPのLP解を、順序制約を保持する木の凸結合に分解することは可能か？ また、低コストの巡回路構築に寄与するか？
• RQ4 確率的丸めプロセスを、近似保証を維持したまま効率的に確率的除去できるか？
• RQ5 最近のメトリックTSPにおける進展を踏まえると、新しいLP緩和は従来の手法よりも厳密に優れた近似比をもたらすか？

主な発見

• 本稿は、順序付きTSPに対して$(\frac{3}{2} + \frac{1}{e})$-近似比（約1.868）を達成しており、従来の最高の5/2という境界を著しく上回っている。
• 新たなLP緩和は、標準的手法よりも最適解に対するタイトな下界を提供し、より良い近似保証を可能にしている。
• 確率的丸め手順により、構築された巡回路の期待コストが、LP緩和の最適解のコストの$(\frac{3}{2} + \frac{1}{e})$倍以内に抑えられることを保証している。
• 条件付き期待値による確率的除去により、近似保証が維持されるとともに、多項式時間での実行が保証されている。
• 木分解技術により、各順序付きチェーン内の頂点が巡回路内で順序正しく訪問されることを保証し、順序制約を効果的に捉えている。
• 本手法は、先行順序制約付きTSPへ一般化可能であり、今後の同クラスの問題に対する近似アルゴリズムのフレームワークを提供する。