[論文レビュー] Improved Branch-and-Bound for Low Autocorrelation Binary Sequences

Steven Prestwich|arXiv (Cornell University)|May 27, 2013

Optimization and Packing Problems参考文献 18被引用数 9

ひとこと要約

本稿では、低自己相関バイナリーシーケンス（LABS）問題に対する改善された分枝限定法を提示する。部分積の分析によるタイトな下界、動的上界の更新、選択的深さにおける辞書的リーダーを用いた対称性の破壊、歪対称シーケンスの効率的取り扱いの4つの主な改善を通じて、緩和のタイトさ、収束速度、スケーラビリティが向上する。本手法は、O(1.74^N)の再帰的コールスケーラビリティを達成し、長さ89までの歪対称シーケンスについて新たな最適性結果を確立する。

ABSTRACT

The Low Autocorrelation Binary Sequence problem has applications in telecommunications, is of theoretical interest to physicists, and has inspired many optimisation researchers. Metaheuristics for the problem have progressed greatly in recent years but complete search has not progressed since a branch-and-bound method of 1996. In this paper we find four ways of improving branch-and-bound, leading to a tighter relaxation, faster convergence to optimality, and better empirical scalability.

研究の動機と目的

• 1996年の並列分枝限定法をはるかに超える、完全探索手法のスケーリングという長年の課題に取り組むこと。
• 下界のタイトさを高め、探索空間を削減することで、LABSの分枝限定法の効率性とスケーラビリティを向上させること。
• 歪対称シーケンスの既知の最適性結果をN=73からN=89まで拡張する。
• アルゴリズムの洗練を通じて、完全探索が高品質なLABS解に対してメタヒューリスティクスと競合可能であることを示すこと。

提案手法

• 下界をタイトにすることで、各ラグにおける最小の二乗自己相関を、割り当てられたシーケンス要素の計算可能・非計算可能な積に基づいて算出する。
• 歪対称シーケンスが発見された場合にE−8の動的上界を導入することで、枝刈り効率を向上させる。
• 偶数の深さ（N/2まで）でのみ辞書的リーダー制約をチェックすることで、対称性を破る。これにより、オーバーヘッドを低減しつつ効果を維持する。
• 割り当て中に歪対称性制約を強制し、初期境界のための既知の高品質なテンプレートシーケンスを用いることで、歪対称シーケンスに適応したアルゴリズムを構築する。
• 完成したシーケンスのエネルギーと、パリティ補正項b_k = (N−k) mod 2を組み合わせた洗練された下界により、タイトさを向上させる。
• 単一要素の符号反転が自己相関エネルギーを最大で2だけ減少させられることを活用し、保守的なエネルギー境界を導出する。

実験結果

リサーチクエスチョン

• RQ1 下界のタイトさと枝刈りの向上を通じて、LABSの分枝限定法の収束速度とスケーラビリティを著しく改善できるか？
• RQ2 探索木における高い計算コストを伴わずに、対称性破壊技術を効率的に適用できるか？
• RQ3 歪対称シーケンスの探索空間を効果的に削減し、N=73を超える既知の最適性結果を拡張できるか？
• RQ4 本改善された分枝限定法は、より大きなLABSインスタンスにおいて、既存の完全探索手法を上回る性能を示せるか？
• RQ5 並列ハードウェア上で本アルゴリズムを効果的にスケーリングし、新たな最適シーケンスを発見できるか？

主な発見

• 改善された分枝限定法は、O(1.74^N)の再帰的コールスケーラビリティを達成し、MertensのO(1.85^N)法に比べ顕著な改善を示す。
• N=75, 77, 81, 83, 85, 87, 89について、以前に報告された歪対称シーケンスの最適性が確認され、マーリットファクターは7.67から9.14の範囲である。
• N=89では、マーリットファクタ8.18が確認され、実行時間は285,326秒で、既知の最適性フロンティアが拡張された。
• N=89の実行時間は24時間を超えるため、今後はさらなる並列化が必要であることが示唆される。
• 完全探索が、対称性と境界タイトニングを組み合わせることで、高品質なLABS解に対してメタヒューリスティクスと競合可能であることが実証された。
• エネルギー式における高次のキャンセル（例えば、シーケンス変数の四次項を含むもの）の活用により、さらなる改善の余地が同定された。