[논문 리뷰] 0-1 Knapsack in Nearly Quadratic Time

Ce Jin|arXiv (Cornell University)|2023. 08. 08.

Optimization and Packing ProblemsEngineering인용 수 3

한 줄 요약

이 논문은 $ O(n + w_{\text{max}}^2 olimits \log^4 w_{\text{max}}) $ 시간에 작동하는 결정론적 알고리즘을 제시하며, 0-1 배낭 문제를 해결한다. 이는 $ (n + w_{\text{max}})^{2 - \delta} $ 조건부 하한과 거의 일치한다. 일반화된 미세조절 근접성과 이중 레벨 색 카운팅 및 높은 행렬에 대한 SMAWK 알고리즘을 사용한 확장된 워치독 전파 방법을 조합하여, $ w_{\text{max}} $ 에 대해 거의 제곱근 의존성을 달 đạt한다. 결과적으로 알려진 상한과 조건부 하한 사이의 격차는 다항식 인자 이내로 좁혀진다.

ABSTRACT

We study pseudo-polynomial time algorithms for the fundamental \emph{0-1 Knapsack} problem. Recent research interest has focused on its fine-grained complexity with respect to the number of items $n$ and the \emph{maximum item weight} $w_{\max}$. Under $(\min,+)$-convolution hypothesis, 0-1 Knapsack does not have $O((n+w_{\max})^{2-δ})$ time algorithms (Cygan-Mucha-Węgrzycki-Włodarczyk 2017 and Künnemann-Paturi-Schneider 2017). On the upper bound side, currently the fastest algorithm runs in $ ilde O(n + w_{\max}^{12/5})$ time (Chen, Lian, Mao, and Zhang 2023), improving the earlier $O(n + w_{\max}^3)$-time algorithm by Polak, Rohwedder, and Węgrzycki (2021). In this paper, we close this gap between the upper bound and the conditional lower bound (up to subpolynomial factors): - The 0-1 Knapsack problem has a deterministic algorithm in $O(n + w_{\max}^{2}\log^4w_{\max})$ time. Our algorithm combines and extends several recent structural results and algorithmic techniques from the literature on knapsack-type problems: - We generalize the "fine-grained proximity" technique of Chen, Lian, Mao, and Zhang (2023) derived from the additive-combinatorial results of Bringmann and Wellnitz (2021) on dense subset sums. This allows us to bound the support size of the useful partial solutions in the dynamic program. - To exploit the small support size, our main technical component is a vast extension of the "witness propagation" method, originally designed by Deng, Mao, and Zhong (2023) for speeding up dynamic programming in the easier unbounded knapsack settings. To extend this approach to our 0-1 setting, we use a novel pruning method, as well as the two-level color-coding of Bringmann (2017) and the SMAWK algorithm on tall matrices.

연구 동기 및 목표

• 0-1 배낭 문제에 대한 기존 상한과 조건부 하한 사이의 격차를 $ n $ 과 $ w_{\text{max}} $ 에 대해 해소하기.
• 이전의 $ \widetilde{O}(n + w_{\text{max}}^{12/5}) $ 상한에 비해 $ w_{\text{max}} $ 에 대해 거의 제곱근 의존성을 가지는 결정론적 알고리즘 개발하기.
• 이전에 무한 배낭 문제에서 사용된 워치독 전파 기법을 새로운 정렬 및 색 카운팅 방법을 통해 0-1 배낭 문제 설정으로 확장하기.
• 덧셈 조합론의 구조적 결과와 동적 프로그래밍 근접성 이론을 활용하여 유용한 부분 해의 지지 크기를 제한하기.

제안 방법

• 브링만과 웰니츠(2021)의 체계적 결과를 활용하여, 동적 프로그래밍에서 유용한 부분 해의 지지 크기를 제한하는 미세조절 근접성 기법을 일반화한다.
• 덩, 마오, 저 jung(2023)의 워치독 전파 방법을 0-1 배낭 문제 설정으로 확장하기 위해 새로운 정렬 전략과 이중 레벨 색 카운팅을 사용한다.
• 지지 크기가 제한된 동적 프로그래밍 상태에서 최댓값을 효율적으로 계산하기 위해 높은 행렬에 대한 SMAWK 알고리즘을 적용한다.
• 일반적인 색 카운팅의 무작위성 제거를 위해 낙관적 추정치를 활용한 결정론적 색 카운팅을 사용하여, 집합의 생일 역설 기반 고립을 보장한다.
• 힌트 기반 동적 프로그래밍을 사용하여 문제를 분해하고, 색 클래스 분해 및 단일 원소 케이스 처리를 통해 하위 문제를 재귀적으로 해결한다.
• 집합과 색 클래스 간의 교차를 사전 처리하여 $ O(\log m) $ 시간 내에 결과를 보고할 수 있도록 하여, 입력 준비 단계에서의 성능 저하를 방지한다.

실험 결과

연구 질문

• RQ1 0-1 배낭 문제는 $ \widetilde{O}(n + w_{\text{max}}^2) $ 시간 내에 해결될 수 있는가? 이는 다항식 인자 이내로 조건부 하한과 일치한다.
• RQ2 워치독 전파 기법은 무한 배낭 문제에서 0-1 배낭 문제로 확장 가능하며, 증명 가능한 보장이 있는가?
• RQ3 이중 레벨 색 카운팅과 SMAWK 최적화를 조합하여 지지 크기가 작은 부분 해를 가진 동적 프로그래밍을 가속화할 수 있는가?
• RQ4 무작위성을 제거하면서도 거의 최적의 시간 복잡도를 유지할 수 있는가?

주요 결과

• 논문은 0-1 배낭 문제에 대해 $ O(n + w_{\text{max}}^2 \log^4 w_{\text{max}}) $ 시간 복잡도를 가지는 결정론적 알고리즘을 달성하였으며, 이는 이전의 $ \widetilde{O}(n + w_{\text{max}}^{12/5}) $ 상한보다 향상된 결과이다.
• 이 알고리즘은 $ (\min, +) $-컨볼루션 가정 하에 $ (n + w_{\text{max}})^{2 - \delta} $ 조건부 하한과 거의 격차를 메운다.
• 일반화된 미세조절 근접성의 사용으로 관련 있는 부분 해의 수를 관리 가능한 크기로 줄여 효율적인 동적 프로그래밍을 가능하게 한다.
• 이중 레벨 색 카운팅과 정렬 전략을 통해 0-1 배낭 문제로의 워치독 전파 기법 확장이 가능해져, 서로소인 색 클래스 간에 효율적인 해 조합이 가능해진다.
• 높은 행렬에 대한 SMAWK 알고리즘과 결정론적 색 카운팅의 조합으로, 알고리즘이 랜덤화 없이도 효율적이고 결정론적으로 유지된다.
• 집합-색 클래스 교차의 사전 처리를 통해 $ O(\log m) $ 시간 내에 결과를 보고할 수 있어, 전체 복잡도에서 입력 준비 단계가 성능 저하 요소가 되지 않는다.