[論文レビュー] Approximation Algorithms for Steiner Tree Problems Based on Universal Solution Frameworks

Krzysztof Ciebiera, Piotr Godlewski+2 more|arXiv (Cornell University)|Oct 28, 2014

Complexity and Algorithms in Graphs参考文献 22被引用数 6

ひとこと要約

本稿では、反復丸めと局所探索の普遍的フレームワークを用いて、C++11における高水準な近似アルゴリズムの効率的実装を提示する。Byrkaらの1.39-近似アルゴリズムとZelikovskyの11/6-近似アルゴリズムを、グリーディ法、正確法、最先端の局所探索ヒューティックスと比較した結果、理論的保証は強くても、反復丸め法におけるk値が大きい場合に顕著に高くなる実行時間のため、実用的性能は高度なヒューティックスに及ばないことが判明した。

ABSTRACT

This paper summarizes the work on implementing few solutions for the Steiner Tree problem which we undertook in the PAAL project. The main focus of the project is the development of generic implementations of approximation algorithms together with universal solution frameworks. In particular, we have implemented Zelikovsky 11/6-approximation using local search framework, and 1.39-approximation by Byrka et al. using iterative rounding framework. These two algorithms are experimentally compared with greedy 2-approximation, with exact but exponential time Dreyfus-Wagner algorithm, as well as with results given by a state-of-the-art local search techniques by Uchoa and Werneck. The results of this paper are twofold. On one hand, we demonstrate that high level algorithmic concepts can be designed and efficiently used in C++. On the other hand, we show that the above algorithms with good theoretical guarantees, give decent results in practice, but are inferior to state-of-the-art heuristical approaches.

研究の動機と目的

• 再利用可能なC++11フレームワークを用いて、Steiner木問題の汎用的かつ高水準な近似アルゴリズムを実装すること。
• 特に反復丸めによる1.39-近似と局所探索による11/6-近似の理論的に強いアルゴリズムの実用的性能を、既存のヒューティックスと比較すること。
• 理論的保証が強い高近似比アルゴリズムが、実際の問題に対して競争力のある結果を達成できるかを評価すること。
• 反復丸めや局所探索といった複雑なアルゴリズムフレームワークを、最小限のボイラープレートと高いパフォーマンスでC++で効率的に実装できるかを実証すること。

提案手法

• 静的ポリモールフィズムを用いた、C++11に最適化された独自の反復丸めフレームワークを用いて、Byrkaらの1.39-近似アルゴリズムを実装した。
• 最小限のクラス定義で済み、関数型プログラミングスタイルをサポートする局所探索フレームワークを用いて、Zelikovskyの11/6-近似アルゴリズムを実装した。
• 最小限の設計、高速性、緩い結合、拡張性の原則に基づき、効率的でモジュラーかつ再利用可能なコードを実現するフレームワークを設計した。
• 反復丸めプロセスのコアステップとして、すべてのk端点成分（k ≤ 5）を生成したが、これがパフォーマンスボトルネックと特定された。
• 2-近似グリーディアルゴリズム、正確なDreyfus-Wagnerアルゴリズム、UchoaとWerneckによる最先端の局所探索ヒューティックスと比較した。
• SteinLibベンチマークインスタンスを用いて、さまざまな難易度クラスとk値における近似比と実行時間を評価した。

実験結果

リサーチクエスチョン

• RQ1 反復丸めや局所探索といった高水準なアルゴリズム的コンセプトを、ボイラープレートを最小限に抑え、C++11で効率的かつモジュラーに実装できるか？
• RQ2 1.39-近似と11/6-近似アルゴリズムの理論的近似保証が、実世界のインスタンスにおいて実用的性能にどのように反映されるか？
• RQ3 k端点成分の生成を伴う反復丸めアルゴリズムは、最先端の局所探索ヒューティックスと比較して、競争力ある解品質を達成できるか？
• RQ4 k値の異なる場合における反復丸めアルゴリズムの、解品質と実行時間のトレードオフは何か？
• RQ5 理論的保証とヒューティックスの高速性を組み合わせたハイブリッド手法をフレームワークがサポートできるか？

主な発見

• 反復丸めアルゴリズムにおいてk=5とした場合、SteinLibインスタンス上で平均近似比1.028を達成し、11/6-近似と2-近似グリーディ法を著しく上回った。
• 理論的保証は強くても、反復丸めアルゴリズムは最良の局所探索ヒューティックスに比べ3～5倍遅く、k=4の場合には10分間で60%のインスタンスしか解けなかった。
• UchoaとWerneckによる最先端の局所探索ヒューティックスは平均近似比1.01を達成し、反復丸めアルゴリズムの平均1.029を上回った。
• k≥4の場合、反復丸めアルゴリズムはグリーディ法およびZelikovsky法の両方を上回る解を生成したが、著しい計算コストを要した。
• すべてのk端点成分の生成が主要なパフォーマンスボトルネックであり、特にkが大きい場合に顕著で、高実行時間の主な要因であった。
• フレームワークは、複雑な近似アルゴリズムをC++11で最小限のボイラープレートと高いパフォーマンスで効率的に実装できることを実証した。これにより、将来のハイブリッドアルゴリズム開発が可能になった。