[論文レビュー] Multitype Integer Monoid Optimization and Applications

Dušan Knop, Martin Koutecký+3 more|arXiv (Cornell University)|Sep 16, 2019

Optimization and Packing Problems参考文献 48被引用数 5

ひとこと要約

本稿では、複数の構成タイプにわたる構成要素をモノイドの要素としてモデル化し、その分解に基づいて最適化を行うことで、高多重度スケジューリングおよびバインパッキング問題を解く一般化されたフレームワークであるMultitype Integer Monoid Optimization (MIMO) を導入する。整数緩和と連続緩和の間の新しい近接定理を確立し、さまざまな目的関数を伴うMIMOに対する高速な正確なアルゴリズムを可能にするとともに、標準的な複雑性仮定の下でこれらの結果がタイトであることを示している。

ABSTRACT

Configuration integer programs (IP) have been key in the design of algorithms for NP-hard high-multiplicity problems since the pioneering work of Gilmore and Gomory [Oper. Res., 1961]. Configuration IPs have a variable for each possible configuration, which describes a placement of items into a location, and whose value corresponds to the number of locations with that placement. In high multiplicity problems items come in types, and are represented succinctly by a vector of multiplicities; solving the configuration IP then amounts to deciding whether the input vector of multiplicities of items of each type can be decomposed into a given number of configurations. We make this implicit notion explicit by observing that the set of all input vectors decomposable into configurations forms a monoid, and solving the configuration IP is the Monoid Decomposition problem. Motivated by applications, we enrich this problem in two ways. First, sometimes each configuration additionally has an objective value, yielding an optimization problem of finding a "best" decomposition under the given objective. Second, there are often different types of configurations for different types of locations. The resulting problem is to optimize over decompositions of the input multiplicity vector into configurations of several types, and we call it Multitype Integer Monoid Optimization, or MIMO. We develop fast exact algorithms for various MIMO with few or many location types and with various objectives. Our algorithms build on a novel proximity theorem connecting the solutions of a certain configuration IP to those of its continuous relaxation. We then cast several fundamental scheduling and bin packing problems as MIMOs, and thereby obtain new or substantially faster algorithms for them. We complement our positive algorithmic results by hardness results.

研究の動機と目的

• 構成整数計画問題を形式化・一般化し、基礎的な抽象化としてのモノイド分解問題を導入すること。
• 構成整数計画問題を複数の構成タイプおよび目的関数を扱えるように拡張し、新たなMIMOフレームワークを導くこと。
• 少数または多数の場所タイプおよび多様な目的関数を伴うMIMOに対する高速な正確なアルゴリズムを開発すること。
• 標準的な仮定の下でNP困難性の結果を示し、タイトな複雑性バウンドを確立すること。
• MIMOを用いて、バインパッキング、スケジューリング、分割といった基本的問題の既存のアルゴリズムを統合・改善すること。

提案手法

• 高多重度問題に内在する暗黙の構造を形式化するため、すべての有効な構成に分解可能な入力ベクトルの集合としての構成のモノイドを導入する。
• MIMOを、複数のタイプの構成要素に分解された多重度ベクトルの最適化問題として定義し、各タイプに目的関数を関連付ける。
• 整数構成IPの解とその連続緩和の解との間の新しい近接定理を構築し、最適解の効率的探索を可能にする。
• MIMOのインスタンスを巨大N-フォールド整数計画問題に還元し、既知のN-フォールドIPのFPTアルゴリズムを活用して高速な正確なアルゴリズムを導出する。
• 分離可能な凹関数の目的関数を用いて、ハードな組合せ制約（例：バインパッキング、分割）をモデル化し、2次ペナルティ項を介して2値意思決定を強制する。
• NP困難問題（例：分割問題、バインパッキング）をMIMOに還元することで、アルゴリズム的枠組みの最適性を示す。

実験結果

リサーチクエスチョン

• RQ1 構成IPフレームワークは、統一的な方法で複数の構成タイプおよび目的関数を扱えるように一般化可能か？
• RQ2 整数構成IPとその連続緩和との間の構造的関係は何か？ そして、これをアルゴリズム的にどのように活用できるか？
• RQ3 少数または多数の構成タイプおよび多様な目的関数を伴うMIMOに対して、高速な正確なアルゴリズムは存在するか？
• RQ4 MIMOを用いて、バインパッキングやスケジューリングといった古典的問題の既存のアルゴリズムを統合・改善できるか？
• RQ5 MIMOのタイトな複雑性バウンドは何か？ また、どのアルゴリズム的枠組みは拡張され unlikely か？

主な発見

• 整数構成IPの解とその連続緩和の解との関係を示す新しい近接定理が確立され、最適解の効率的探索を可能にしている。
• 本稿では、MIMOが高多重度スケジューリング、バインパッキング、関連問題を包括・統合する一般化されたフレームワークとして導入されている。
• 少数または多数の場所タイプおよび多様な目的関数（分離可能な凹関数の2次目的関数を含む）を伴うMIMOに対して、高速な正確なアルゴリズムが開発された。
• このフレームワークにより、マケイクスパン最小化、バインパッキング、分割といった基本的問題に対して、新規または著しく高速なアルゴリズムが可能になった。
• NP困難性の結果により、アルゴリズム的枠組みがタイトであることが示された：MIMOは、rおよびtをパrameterとする場合、W[1]-困難である。また、小さな係数でも、固定チャージ目的関数ではNP困難である。
• MIMOを巨大N-フォールドIPに還元することで、既存のFPTアルゴリズムを活用可能であり、N-フォールドIPの困難性が標準仮定の下でタイトであることが示された。