[論文レビュー] Approximation Algorithms for Generalized Multidimensional Knapsack

Arindam Khan, Eklavya Sharma+1 more|arXiv (Cornell University)|Feb 11, 2021

Optimization and Packing Problems参考文献 20被引用数 4

ひとこと要約

本稿では、2次元幾何的寸法と$d$次元ベクトル重さを持つアイテムを、重複しないように単位正方形のナップサックに収容し、どの次元においても容量を超えないようにする一般化された$(2,d)$ナップサック問題に対する$(2+\varepsilon)$近似アルゴリズムを提示する。この手法はコロニアル分解を用い、構造化されたパッキングの探索を可能にするために、新しい問題であるVector-Max-GAPを導入し、そのためのPTASを開発する。

ABSTRACT

We study a generalization of the knapsack problem with geometric and vector constraints. The input is a set of rectangular items, each with an associated profit and $d$ nonnegative weights ($d$-dimensional vector), and a square knapsack. The goal is to find a non-overlapping axis-parallel packing of a subset of items into the given knapsack such that the vector constraints are not violated, i.e., the sum of weights of all the packed items in any of the $d$ dimensions does not exceed one. We consider two variants of the problem: $(i)$ the items are not allowed to be rotated, $(ii)$ items can be rotated by 90 degrees. We give a $(2+ε)$-approximation algorithm for this problem (both versions). In the process, we also study a variant of the maximum generalized assignment problem (Max-GAP), called Vector-Max-GAP, and design a PTAS for it.

研究の動機と目的

• 2次元幾何的ナップサックの一般化である$(2,d)$ナップサック問題に対する近似アルゴリズムの設計。
• 1つの最適化フレームワーク内で幾何的パッキング制約と多次元ベクトル容量制限を統合する課題に対処すること。
• 全機械にわたる$d$次元の重さ制約を含む、最大一般割当問題を拡張した新しい問題変種、Vector-Max-GAPの開発。
• $(2,d)$ナップサック問題の回転ありおよび回転なしの両変種に対して、$(2+\varepsilon)$-近似アルゴリズムを提供すること。
• 提案されたナップサックアルゴリズムをサブルーチンとして用いることで、$(2,d)$バインディングパッキングなどの関連問題における将来の近似アルゴリズムの基盤を築くこと。

提案手法

• 最適パッキングを再構造化するためにコロニアル分解を適用し、垂直または水平のアイテムを削除することで、アルゴリズム的探索に適した「良い」パッキング構造を生成する。
• 機械依存のサイズと価値を持つアイテムを有するVector-Max-GAP問題を導入し、全機械にわたる$d$次元の重さ制約が合計重さを制限する。
• 動的計画法と丸め技術を用いて多次元制約を扱うことで、Vector-Max-GAPのためのPTASを設計する。
• Vector-Max-GAPのPTASをサブルーチンとして用い、分解されたコロニアル構造内での高価値パッキングを効率的に探索する。
• 最適パッキングに使用されるコンテナ（大型、広大、高大、面積）の集合を推測する。これは、必要なコンテナ数が定数個であるという事実を利用している。
• 構造的分解とVector-Max-GAPのPTASを組み合わせることで、$(2,d)$ナップサック問題に対する$(2+\varepsilon)$-近似を得る。

実験結果

リサーチクエスチョン

• RQ1 幾何的およびベクトル制約を有する$(2,d)$ナップサック問題に対して、$(2+\varepsilon)$-近似アルゴリズムを設計することは可能か？
• RQ2 最大一般割当問題を、全体制約を含む形に一般化することは可能か？ そして、そのような一般化がPTASを許容するか？
• RQ3 コロニアル分解を、幾何的ナップサック問題における多次元ベクトル制約に対応できるように適応可能か？
• RQ4 より洗練されたパッキング構造（例：$L$-パッキング）を用いることで、$2+\varepsilon$より良い近似比を達成可能か？
• RQ5 提案されたアルゴリズムは、$d_G$次元のアイテムと$d_V$次元の重さを持つより一般的な$(d_G,d_V)$ナップサック問題に拡張可能か？

主な発見

• 回転ありおよび回転なしの両変種において、$(2,d)$ナップサック問題に対して$(2+\varepsilon)$-近似アルゴリズムが達成された。
• Vector-Max-GAP問題が導入され、そのためのPTASが開発された。これは、主たる結果を可能にする重要な技術的貢献である。
• コロニアル分解による構造的結果により、問題が定数個のコンテナタイプに還元され、全探索が可能になった。
• コンテナパッキング問題はVector-Max-GAPの特殊ケースであることが示され、したがってPTASを継承する。これは、アルゴリズムフレームワークを支持する。
• アルゴリズムフレームワークは、$(2,d)$バインディングパッキング問題の近似アルゴリズムを取得するサブルーチンとして使用可能である。
• 本手法は、幾何的分解と多次元ナップサック技術を組み合わせることで、制約付きパッキング問題における改善された近似保証を達成可能であることを示している。