[論文レビュー] A Local Search Algorithm for Large Maximum Weight Independent Set Problems

Yuanyuan Dong, Andrew V. Goldberg+4 more|arXiv (Cornell University)|Jan 1, 2022

Vehicle Routing Optimization Methods被引用数 1

ひとこと要約

本稿では、大規模な最大重み独立集合（MWIS）問題を対象とした、GRASPに基づく新規局所探索メタヒューティックであるMETAMISを提案する。本手法は高度なデータ構造、新しいパスリルーピングの変種、および交互に実行される増幅パス移動を活用している。大規模な車両ルーティングインスタンスにおいて、最先端のオープンソースソルバーよりも優れた性能を発揮し、最大90万ノード、1億エッジのグラフにおいて優れた解の品質を達成した。

ABSTRACT

Motivated by a real-world vehicle routing application, we consider the maximum-weight independent set problem: Given a node-weighted graph, find a set of independent (mutually nonadjacent) nodes whose node-weight sum is maximum. Some of the graphs airsing in this application are large, having hundreds of thousands of nodes and hundreds of millions of edges. To solve instances of this size, we develop a new local search algorithm, which is a metaheuristic in the greedy randomized adaptive search (GRASP) framework. This algorithm, which we call METAMIS, uses a wider range of simple local search operations than previously described in the literature. We introduce data structures that make these operations efficient. A new variant of path-relinking is introduced to escape local optima and so is a new alternating augmenting-path local search move that improves algorithm performance. We compare an implementation of our algorithm with a state-of-the-art openly available code on public benchmark sets, including some large instances with hundreds of millions of vertices. Our algorithm is, in general, competitive and outperforms this openly available code on large vehicle routing instances. We hope that our results will lead to even better MWIS algorithms.

研究の動機と目的

• 実世界の車両ルーティング応用に生じる大規模な最大重み独立集合（MWIS）問題を解く挑戦に取り組む。
• 数十万ノードおよび数億エッジを含むグラフを効率的に処理できるスケーラブルなメタヒューティックを開発する。
• 標準ベンチマークに十分に反映されていない構造的特徴が顕著な大規模なMWISインスタンスにおいて、解の品質と性能を向上させる。
• 線形計画法（LP）緩和解を用いて局所探索をガイドし、解の品質を向上させる。
• 特に車両ルーティングから得られるインスタンスを対象として、競争力がありオープンソースのソリューションを提供する。

提案手法

• 局所最適解から脱出可能な、切断されたパスリルーピングを備えたGRASPに基づくメタヒューティックフレームワークを設計する。
• 解の品質と収束性を向上させるために、新しい交互に実行される増幅パス局所探索移動を導入する。
• 大規模グラフにおける多様な局所探索操作を効率的にサポートするためのカスタムデータ構造を開発する。
• 探索とパフォーマンスのバランスを取るために、大規模問題に適応した制限付きで効率的なパスリルーピングの変種を採用する。
• 最適なLP緩和解を用いて局所探索をガイドし、構造的インサイトを抽出することで、ノード選択と移動評価を最適化する。
• 車両ルーティング応用から得られる高品質な初期解を用いたウォームスタート機能を実装し、収束速度を向上させる。

実験結果

リサーチクエスチョン

• RQ1 GRASPに基づくメタヒューティックに高度な局所探索移動とパスリルーピングを組み合わせることで、最大90万ノードのMWIS問題を効果的に解くことができるか？
• RQ2 構造的に複雑な大規模な実世界の車両ルーティングインスタンスにおいて、METAMISは最先端のオープンソースソルバーよりも優れた性能を示すか？
• RQ3 LP緩和解がMWISにおける局所探索をどの程度効果的にガイドできるか、解の品質と収束速度の向上に寄与するか？
• RQ4 提案されたパスリルーピングの変種は、数億エッジを含む大規模で密集したグラフに対しても効果的にスケーリングできるか？
• RQ5 本アルゴリズムは、車両ルーティング、地図ラベル付け、マップマッチングなど、多様なMWISインスタンスにおいても良好な性能を発揮できるようにチューニング可能か？

主な発見

• METAMISは、大規模な車両ルーティングインスタンスにおいて、最先端のオープンソースソルバーよりも優れた性能を発揮し、同等または短い時間でより高い目的関数値を達成した。
• 約90万ノードおよび1億エッジを有するroadNet-TXインスタンスにおいて、METAMISは1,400秒以内に1480万の目的関数値に到達し、ILSVNDの性能を上回った。
• 地図ラベル付けのファミリーにおいて、METAMISとILSVNDは大多数のインスタンスで同一の解に収束したため、多くの場合に近似的または最適な解が得られたと考えられる。
• 本手法は、標準のDIMACSインスタンスよりも構造的に異なり、より大規模なVR-MWISベンチマークセットにおいても強く性能を発揮した。
• 高品質な初期解を用いたウォームスタートは、車両ルーティング応用において、解の品質と収束速度の両面で顕著な向上をもたらした。
• 予備的な結果では、METAMISはDIMACSインスタンスにおいてILSVNDより性能が劣ることが判明した。これは、主に大規模なVRグラフを想定したパrameterチューニングと、DIMACSから導出されたMWISインスタンスの密集構造によるものと推測される。