[論文レビュー] An almost linear time complexity algorithm for the Tool Loading Problem

Mikhail Cherniavskii, Boris Goldengorin|arXiv (Cornell University)|Jul 5, 2022

Optimization and Search Problems被引用数 4

ひとこと要約

本稿では、工具の交換回数を最小化するための、限られたマガジン容量を想定したジョブシーケンシングにおけるツールローディング問題（TLP）に対する、O(Cn)時間の新規アルゴリズムであるグリーディパイプ構築アルゴリズム（GPCA）を提示する。GPCAは、古典的なKTNSアルゴリズムと比較して、時間計算量をO(mn)からO(Cn)に低減し、大規模データセットにおいては少なくとも1桁の高速化を達成するとともに、正当性と効率性が保証された最適解を提供する。

ABSTRACT

As shown by Tang, Denardo [9] the job Sequencing and tool Switching Problem (SSP) can be decomposed into the following two problems. Firstly, the Tool Loading Problem (TLP) - for a given sequence of jobs, find an optimal sequence of magazine states that minimizes the total number of tool switches. Secondly, the Job Sequencing Problem (JeSP) - find a sequence of jobs minimizing the total number of tool switches. Published in 1988, the well known Keep Tool Needed Soonest (KTNS) algorithm for solving the TLP has time complexity $O(mn)$. Here $m$ is the total number of tools necessary to complete all $n$ sequenced jobs on a single machine. A tool switch is needed since the tools required to complete all jobs cannot fit in the magazine, whose capacity $C < m$. We hereby propose a new Greedy Pipe Construction Algorithm (GPCA) with time complexity $O(Cn)$. Our new algorithm outperforms KTNS algorithm on large-scale datasets by at least an order of magnitude in terms of CPU times.

研究の動機と目的

• 大規模なツールローディングシナリオにおいて、O(mn)時間計算量を示すKTNSアルゴリズムの計算非効率性を是正すること。
• マガジン容量制約下でのツールローディング問題（TLP）に対して、より高速で最適なアルゴリズムを開発すること。
• ブローシャーの分類やパッケージングシステムを含む産業応用分野における、ツール交換最小化のためのCPU時間の短縮を図ること。
• 提案されたグリーディパイプ構築アルゴリズム（GPCA）が、O(Cn)時間計算量で最適解を達成することを証明すること。
• GPCAが実際の動作において、TLPに対して最適解とその値を同時に返す最初のアルゴリズムであることを実証すること。

提案手法

• 将来すぐに必要となる工具をグリーディに選択し、工具使用シーケンスを表す「パイプ」の集合を維持することで、最適なマガジン状態を構築するグリーディパイプ構築アルゴリズム（GPCA）を提案する。
• 各パイプが工具の使用期間を表すように、パイプベースのデータ構造を用いてジョブシーケンス全体における工具の可用性をモデル化する。
• 将来の交換回数を最小化するために、次回使用時刻が最も早い工具を優先するグリーディ戦略を適用し、空きスロットに事前に工具をロードする。
• 使用開始時刻が早い順にパイプを段階的に構築・検証する動的パイプ構築プロセスを実装し、最適性を保証する。
• 矛盾による証明を用いて、任意の非最適な構成は最小パイプ構築ルールに違反することを示し、GPCAが最適解を生成することを証明する。
• C（マガジン容量）とn（ジョブ数）を用いて、1ジョブあたりの操作回数を分析することで、時間計算量O(Cn)を確立する。

実験結果

リサーチクエスチョン

• RQ1 大規模なジョブシーケンスにおいて、O(mn)よりも著しく低い時間計算量を達成できるツールローディングアルゴリズムを設計可能か？
• RQ2 O(Cn)時間で動作するグリーディ戦略により、TLPにおける最適なツール交換回数削減を達成可能か？
• RQ3 提案されたGPCAアルゴリズムは、大規模データセットにおいて、確立されたKTNSアルゴリズムを速度面および解の質の面で上回るか？
• RQ4 GPCAアルゴリズムは、実際の動作において近似的に線形時間計算量を維持しながら、最適解を保証できるか？
• RQ5 どのような工具使用シーケンスの構造的性質が、グリーディパイプベースの構築によって最適結果をもたらすのか？

主な発見

• グリーディパイプ構築アルゴリズム（GPCA）は、O(Cn)時間計算量を達成し、KTNSアルゴリズムのO(mn)計算量と比較して顕著に向上している。
• n=10^4の郵便番号やm>10^3のパンフレートタイプを含む大規模データセットでは、GPCAが要求する処理回数をKTNSの10^7回から3.2×10^5回に低減し、少なくとも10倍の高速化を達成した。
• GPCAは、矛盾による証明とパイプ構造解析を用いて、ツールローディング問題に対する最適解を保証する。
• アルゴリズムは、将来すぐに必要となる工具をグリーディにロードすることでマガジン状態を構築し、工具使用期間を追跡するパイプベースの表現を用いる。
• 最適性の証明は、任意の非最適な構成が最小パイプ構築ルールに違反することを示すことに依拠しており、これによりGPCAの最適性が確認される。
• GPCAは、O(Cn)時間計算量でTLPの最適解とその値を同時に返す最初のアルゴリズムである。