[論文レビュー] Eight-Fifth Approximation for TSP Paths

András Sebö|Sep 16, 2012

Vehicle Routing Optimization Methods参考文献 18被引用数 14

ひとこと要約

本稿では、『最高の多くの』クラスチオーデスアルゴリズムの洗練された版を用いて、メトリック {s,t}-パス TSP に対する 8/5-近似アルゴリズムを提示する。最適な分数解を分解し、x*/2 を特化したベクトルで補完することで、従来の手法よりもタイトな境界を達成し、以前の最良比 (1+√5)/2 ≈ 1.618 を上回る。

ABSTRACT

We prove the approximation ratio 8/5 for the metric $\{s,t\}$-path-TSP problem, and more generally for shortest connected $T$-joins. The algorithm that achieves this ratio is the simple "Best of Many" version of Christofides' algorithm (1976), suggested by An, Kleinberg and Shmoys (2012), which consists in determining the best Christofides $\{s,t\}$-tour out of those constructed from a family $\Fscr_{>0}$ of trees having a convex combination dominated by an optimal solution $x^*$ of the fractional relaxation. They give the approximation guarantee $\frac{\sqrt{5}+1}{2}$ for such an $\{s,t\}$-tour, which is the first improvement after the 5/3 guarantee of Hoogeveen's Christofides type algorithm (1991). Cheriyan, Friggstad and Gao (2012) extended this result to a 13/8-approximation of shortest connected $T$-joins, for $|T|\ge 4$. The ratio 8/5 is proved by simplifying and improving the approach of An, Kleinberg and Shmoys that consists in completing $x^*/2$ in order to dominate the cost of "parity correction" for spanning trees. We partition the edge-set of each spanning tree in $\Fscr_{>0}$ into an $\{s,t\}$-path (or more generally, into a $T$-join) and its complement, which induces a decomposition of $x^*$. This decomposition can be refined and then efficiently used to complete $x^*/2$ without using linear programming or particular properties of $T$, but by adding to each cut deficient for $x^*/2$ an individually tailored explicitly given vector, inherent in $x^*$. A simple example shows that the Best of Many Christofides algorithm may not find a shorter $\{s,t\}$-tour than 3/2 times the incidentally common optima of the problem and of its fractional relaxation.

研究の動機と目的

• メトリック {s,t}-パス TSP の近似比を、以前の最良比 (1+√5)/2 ≈ 1.618 を超えて向上させること。
• 線形計画法や複雑なネットワークフロー技術に依存せずに、『最高の多くの』クラスチオーデスアルゴリズムの解析を単純化・強化すること。
• 最短の連結 T-ジョインに一般化可能なフレームワークを提供し、より広範な組合せ最適化問題に応用可能とすること。
• 凸結合のスパニングツリーと明示的なベクトル補完のみを用いて、{s,t}-パス TSP に対して 8/5 の証明可能な近似保証を得ること。
• 本手法が、クラスタ化 TSP や報酬収集型 s-t パス TSP などの変種に適用可能であり、より良い性能保証を達成できることを示すこと。

提案手法

• 最適な分数解 x* を支配する凸結合を持つスパニングツリーの族 F>0 を構築する。
• F>0 の各ツリーは、{s,t}-パス とその補集合に分割され、x* の分解を誘導する。
• 線形計画法を避けるために、x*/2 の各カットで不足している部分に特化したベクトルを明示的に追加することで、x*/2 を補完する。
• 新たなベクトル x^Q を導入し、これはランダムなフォレスト Q とツリー族 F の共通部分にエッジ e が含まれる確率として定義される。この x^Q は、偶奇補正コストを支配する。
• An らの解析で使われた複雑な f_Ui* ベクトルを x^Q に置き換えることで、証明を単純化しつつもタイトさを維持する。
• 期待されるコスト増加を捉える2変数関数 f(β,y) の最小化により性能境界を導出し、最小値 ε が y=0 で達成されることを示し、8/5 の比が正当であることを確認する。

実験結果

リサーチクエスチョン

• RQ1 『最高の多くの』クラスチオーデスアルゴリズムは、線形計画法に依存せずに、{s,t}-パス TSP に対して 8/5 の近似比を達成できるか？
• RQ2 An らの解析で使われた複雑な f_Ui* ベクトルを、性能境界を保ちつつもより単純で明示的なベクトル x^Q に置き換えることは可能か？
• RQ3 特化したベクトルによる x*/2 の洗練された補完は、以前の (1+√5)/2 の境界を上回る、証明可能なより良い近似比をもたらすか？
• RQ4 本手法は、クラスタ化 TSP や報酬収集型 s-t パス TSP などの他の T-ジョイン問題に一般化可能か？
• RQ5 補完ベクトルのスケーリングと得られる近似比との最適なトレードオフは何か？そして、それを解析的に最小化できるか？

主な発見

• 本稿では、メトリック {s,t}-パス TSP に対して 8/5 = 1.6 の近似比を達成し、以前の最良比 (1+√5)/2 ≈ 1.618 を上回った。
• 線形計画法やネットワークフローに基づく f_Ui* ベクトルの使用を、エッジがランダムフォレスト Q とツリー族 F の共通部分に含まれる確率として明示的に定義されたベクトル x^Q に置き換えた。
• 解析により、補完ベクトルの和が p* に支配されることを示し、c^T p* < (1/2 - ε)c^T x* でない限り、c^T q* < (1/2 + ε)c^T x* が成り立つため、コスト制御をよりタイトに行える。
• 性能パrameter y（補完ベクトルのスケーリング）の最適値が 0 であることが判明し、現在の枠組み下で 8/5 の境界がタイトであることを確認した。
• 本手法は変種へと拡張可能である：定数個のクラスタを持つクラスタ化 TSP に対し、8/5-近似が得られ、報酬収集型 s-t パス TSP は 1.94837-近似可能となった。
• 反例により、『最高の多くの』クラスチオーデスアルゴリズムが一部のケースでは最適値の 3/2 倍を超えて改善できないことが示され、8/5 の結果の非自明性が強調された。