[論文レビュー] The Product Knapsack Problem: Approximation and Complexity

Ulrich Pferschy, Joachim Schauer+1 more|arXiv (Cornell University)|Jan 3, 2019

Optimization and Search Problems参考文献 3被引用数 3

ひとこと要約

本稿は、製品ナップサック問題（PKP）が弱いNP困難であることを確立し、利益空間における動的計画法に基づく完全多項式時間近似スキーム（FPTAS）を提示する。また、自然な貪欲拡張の分析を行い、部分的な近似比にとどまることを示し、標準の複雑性仮定の下でFPTASが最適であることを証明する。

ABSTRACT

We consider the product knapsack problem, which is the variant of the classical 0-1 knapsack problem where the objective consists of maximizing the product of the profits of the selected items. These profits are allowed to be positive or negative. We show that this recently introduced variant of the knapsack problem is weakly NP-hard and present a fully polynomial-time approximation scheme (FPTAS) for the problem. Moreover, we analyze the approximation quality achieved by a natural extension of the classical greedy procedure to the product knapsack problem.

研究の動機と目的

• 選択されたアイテム利益の積を最大化するという目的における製品ナップサック問題（PKP）の計算複雑性を確立すること。
• 標準の貪欲アルゴリズムが定数近似比を達成できないという失敗を克服し、PKPに対する完全多項式時間近似スキーム（FPTAS）を開発すること。
• 古典的貪欲アルゴリズムの自然な拡張がPKP設定に適用された場合の近似品質を分析すること。
• 提案されたFPTASが、標準の複雑性仮定の下で最適な近似性能を達成することを証明すること。
• PKPにおける貪欲アプローチが部分的な近似比にとどまり、かつこの境界が漸近的にタイトであることを示すこと。

提案手法

• 解の構造を保つ変換を用いて、古典的0-1ナップサック問題への還元により、PKPの弱いNP困難性を証明する。
• 利益の対数変換に基づく動的計画法を用いて、積の最大化問題を和の最大化問題に還元し、FPTASを構築する。
• 負の利益を持つアイテムに対しては、分割技術を用い、負の利益アイテムの個数に関する偶奇制約を処理するための分割アイテムを導入する。
• 利益の対数値に対して丸め手順を適用し、誤差の境界を制御しつつ多項式時間近似を達成する。
• ヒューリスティック解の対数的目的値が対数空間における最適解の対数的目的値に対してどのように制限されるかを境界づけることで、近似比を分析する。
• 理論的境界に一致する例を構築することで、近似比のタイトネスを確立する。

実験結果

リサーチクエスチョン

• RQ1 製品ナップサック問題（PKP）は弱いNP困難であり、その複雑性は形式的に確立可能か？
• RQ2 古典的貪欲ヒューリスティクスの失敗にもかかわらず、PKPに対する完全多項式時間近似スキーム（FPTAS）を構築可能か？
• RQ3 貪欲アルゴリズムの自然な拡張がPKPに適用された場合、得られる最高の近似比は何か？
• RQ4 貪欲アルゴリズムの性能は、最悪ケースにおいて最適解と比べてどの程度か？
• RQ5 標準の複雑性仮定の下で、FPTASが近似比の観点で最適であることが示せるか？

主な発見

• 製品ナップサック問題は、古典的0-1ナップサック問題への還元により、弱いNP困難であることが証明された。
• 利益の対数値に基づく動的計画法を用いたFPTASが構築され、n、C、1/εに関して多項式時間で(1−ε)-近似が達成された。
• PKPに拡張された貪欲アルゴリズムは、最良でも(z*)^{1/3}の近似比にとどまり、この境界は漸近的にタイトである。
• 貪欲解の対数空間における加法的誤差は2·log(p_max)で抑えられ、これにより最悪ケースの近似比はz*^{1/3} · p_max^2となる。
• FPTASの構築は、P=NPでない限り、多項式時間でより良い近似比が達成できないという意味で最適である。
• 貪欲アルゴリズムの解値が2(M+2)にしかならない一方で、最適解は(M+2)M²に達する例が提示され、理論的近似境界が確認された。