[論文レビュー] Runtime Analysis of RLS and the (1+1) EA for the Chance-constrained Knapsack Problem with Correlated Uniform Weights

Yue Xie, Aneta Neumann+2 more|arXiv (Cornell University)|Feb 10, 2021

Optimization and Packing Problems参考文献 29被引用数 4

ひとこと要約

本稿は、グループ内に相関関係のある一様分布の重みをもつ確率的制約付きナップサック問題に対する、ランダム化局所探索（RLS）および（1+1）EAの初の実行時間解析を提示する。制約違反確率の上界は、RLSがO(n log n)、（1+1）EAがO(n² log n)で、実行可能解の達成に要する時間であり、均一な利益プロファイル下では最適解に到達するのにそれぞれO(n³)およびO(n³(log n + log p_max))、任意の利益プロファイル下ではO(n³)およびO(n³(log n + log p_max))の上界が得られた。

ABSTRACT

Addressing a complex real-world optimization problem is a challenging task. The chance-constrained knapsack problem with correlated uniform weights plays an important role in the case where dependent stochastic components are considered. We perform runtime analysis of a randomized search algorithm (RSA) and a basic evolutionary algorithm (EA) for the chance-constrained knapsack problem with correlated uniform weights. We prove bounds for both algorithms for producing a feasible solution. Furthermore, we investigate the behavior of the algorithms and carry out analyses on two settings: uniform profit value and the setting in which every group shares an arbitrary profit profile. We provide insight into the structure of these problems and show how the weight correlations and the different types of profit profiles influence the runtime behavior of both algorithms in the chance-constrained setting.

研究の動機と目的

• 相関のある一様分布の重みをもつ確率的制約付きナップサック問題におけるRLSおよび（1+1）EAの期待最適化時間の分析を目的とする。
• 重みの相関関係および利益プロファイルが、確率的制約付き環境下でのランダム化探索アルゴリズムの実行時間挙動に与える影響を調査することを目的とする。
• 異なる利益構成下での実行可能および最適解に到達するまでの時間に対する理論的上界を提供することを目的とする。
• 進化的計算分野において、グループ単位の重み相関を組み込んだ、これまでにない設定における確率的制約付き最適化の理論的枠組みを拡張することを目的とする。

提案手法

• 本研究では、K個のグループに分割されたアイテムをもつ確率的制約付きナップサック問題をモデル化し、各グループ内での重みが相関関係にあり、一様分布に従うものとする。
• 制約違反確率の推定にチェビシェフの不等式に基づくサロゲート関数を用い、標準的な進化的アルゴリズムの適用を可能にする。
• 実行時間解析には乗法的ドリフト解析を用い、実行可能解および最適解に到達するまでの期待時間の上界を導出する。
• 均一な利益プロファイルの場合、バランスの取れた解の構造的性質と2ビット反転シーケンスを活用して、改善ステップの上界を導出する。
• 任意だがグループ対称な利益プロファイルの場合、制約を満たしたまま利益を増加させる2ビット反転シーケンスを構築し、各ステップあたりの期待利益増加量をg(x)/(e n²)で上界付ける。
• グループサイズおよび利益分散を考慮して、最大利益かつ最小の違反確率をもつ解に到達するまでのステップ数を解析することで、理論的上界を導出する。

実験結果

リサーチクエスチョン

• RQ1 相関のある一様分布の重みをもつ確率的制約付きナップサック問題において、RLSおよび（1+1）EAが実行可能解に到達する期待実行時間は何か？
• RQ2 グループ単位の重み相関が、ランダム化探索アルゴリズムの収束時間に与える影響は何か？
• RQ3 すべてのアイテムが同じ利益値（均一な利益）をもつ場合、確率的制約付き環境下での実行時間上界は何か？
• RQ4 各グループが同一の任意の利益値セットをもつが、グループ間で利益が異なる場合、アルゴリズムの性能はどのように変化するか？
• RQ5 従属する確率的重みをもつ確率的制約付き環境下で、乗法的ドリフト解析を効果的に適用して上界を導出できるか？

主な発見

• 相関のある一様分布の重みをもつ確率的制約付きナップサック問題において、RLSは期待時間O(n log n)、（1+1）EAはO(n² log n)で実行可能解に到達する。
• 均一な利益プロファイルの場合、RLSは最適解に到達するのに期待時間O(n³)を要し、（1+1）EAはO(n³ log n)を要する。
• 任意だがグループ対称な利益プロファイルの場合、（1+1）EAは最適解に到達する上界としてO(n³(log n + log p_max))を達成する。
• RLSは任意の利益プロファイル下でも最適解に到達する上界としてO(n³)を達成しており、これはRLSが利益の大きさに対して（1+1）EAよりも感受性が低いことを示している。
• 解析から、グループサイズの分散が最小となるバランスの取れた解の構造—すなわち、制約違反確率を最小化する要因—が重要な役割を果たすことが明らかになった。
• 制約を満たしたまま利益を増加させる2ビット反転シーケンスの使用により、乗法的ドリフトの上界を導出し、タイトな実行時間推定が可能になった。