[논문 리뷰] A Fully Polynomial Time Approximation Scheme for Packing While Traveling

Frank Neumann, Sergey Polyakovskiy외 3명|arXiv (Cornell University)|2017. 02. 17.

Optimization and Packing Problems인용 수 5

한 줄 요약

이 논문은 비선형 Packing While Traveling (PWT) 문제를 위한 동적 프로그래밍 방법과 완전 다항 시간 근사법(FPTAS)을 제안한다. 이는 여행도둑문제(Traveling Thief Problem, TTP)의 핵심 구성요소이다. FPTAS는 기준 여행 비용 대비 얻는 이득을 효율적으로 근사하여, 이전의 정수형 프로그래밍 및 분기-추론-결정 기반 방법들보다 고도의 수익과 무게 범위를 가진 대규모 인스턴스에서 뛰어난 성능을 보인다.

ABSTRACT

Understanding the interactions between different combinatorial optimisation problems in real-world applications is a challenging task. Recently, the traveling thief problem (TTP), as a combination of the classical traveling salesperson problem and the knapsack problem, has been introduced to study these interactions in a systematic way. We investigate the underlying non-linear packing while traveling (PWT) problem of the TTP where items have to be selected along a fixed route. We give an exact dynamic programming approach for this problem and a fully polynomial time approximation scheme (FPTAS) when maximising the benefit that can be gained over the baseline travel cost. Our experimental investigations show that our new approaches outperform current state-of-the-art approaches on a wide range of benchmark instances.

연구 동기 및 목표

• 비선형 Packing While Traveling (PWT) 문제의 계산적 도전 과제를 해결하기 위해, 경로 설계와 캔자스 결정을 통합하고 무게에 따라 변하는 여행 비용을 수반하는 여행도둑문제(TTP)의 핵심 하위문제를 다루는 것.
• 중간 크기의 인스턴스에서 효율적인 계산이 가능한, PWT 문제에 대한 정확한 동적 프로그래밍 해법을 개발하여, 의사결정 시간이 다항 시간에 가까운 성능을 달성하는 것.
• 기본 비용 대비 이득을 최대화하기 위한 완전 다항 시간 근사법(FPTAS)을 설계하며, 원래 목표 함수가 근사화하기 어렵다는 점을 감안하여 NP-난이도 문제에 대응하는 것.
• 다양한 벤치마크 인스턴스에서 기존 최첨단 접근법, 특히 정수형 프로그래밍 및 분기-추론-결정 기반 기법들과의 실험적 비교를 통해 제안된 방법의 성능을 평가하는 것.
• 특히 다양한 근사 보장 수준(ε)과 인스턴스 복잡도 변화에 따라 근사 정확도와 실행 시간 간의 성능 트레이드오프를 이해하는 것.

제안 방법

• 항목을 경로 순서로 처리하는 동적 프로그래밍 알고리즘을 제안하며, 각 항목 접두사와 가능한 총 무게 조합에 대해 최대 목표 함수 값을 유지하는 테이블을 구성하여, 다항 시간 복잡도를 달성한다.
• 최적 해에서 가장 좋은 단일 항목이 최적 해의 최소 1/m 비율 이상 기여한다는 관찰을 바탕으로, 수익에 적절한 반올림을 적용하여 FPTAS를 설계하며, 기준 비용 대비 이득에 대해 (1−ε) 근사 해를 확보한다.
• 일반적인 가정으로서 거리 단위당 증가하는 무게에 비례하는 여행 비용 함수를 사용하며, 이는 비선형 경로 비용 함수의 광범위한 클래스에 FPTAS 적용 가능성을 보장한다.
• 수익에 스케일링 기법을 적용하여 동적 프로그래밍 테이블 크기를 줄여, 완전 다항 실행 시간을 확보하면서도 원하는 근사 비율을 유지한다.
• 조정 가능한 ε 값을 사용하여 근사 정확도와 계산 효율성 간의 균형을 도모하며, 특히 복잡한 인스턴스에서 ε를 0.75로 완화할 경우 뛰어난 성능을 발휘한다.
• TTP 벤치마크 인스턴스에서 광범위한 실험을 수행하여, 새로운 방법들이 기존 정수형 프로그래밍 및 분기-추론-결정 솔버들과의 비교를 통해 다양한 수익/무게 범위와 인스턴스 유형에서 성능을 평가한다.

실험 결과

연구 질문

• RQ1 중간 크기의 인스턴스에서 최적 해를 효율적으로 계산할 수 있는 정확한 동적 프로그래밍 접근법을 PWT 문제에 적용할 수 있는가?
• RQ2 원래 목표 함수가 근사화하기 어렵다는 점을 감안할 때, 최소 여행 비용 대비 이득을 최대화하기 위한 완전 다항 시간 근사법(FPTAS)을 개발할 수 있는가?
• RQ3 수익과 무게가 큰 범위에서 추출된 경우, FPTAS의 성능은 인스턴스 복잡도 증가에 따라 어떻게 변화하는가?
• RQ4 근사 매개변수 ε가 다양한 인스턴스 유형에서 FPTAS의 실행 시간과 정확도에 미치는 영향은 어떠한가?
• RQ5 다양한 벤치마크 인스턴스에서 기존 최첨단 접근법(예: 정수형 프로그래밍 및 분기-추론-결정 기반 방법)과 비교했을 때, 제안된 방법의 실용적 성능은 어떠한가?

주요 결과

• 정확한 기법으로 해결 가능한 인스턴스에서 기존 정수형 프로그래밍 및 분기-추론-결정 기반 방법들보다 동적 프로그래밍 접근법이 뛰어난 성능을 보이며, 실행 시간을 수개의 주기로 감소시킨다.
• ε = 0.0001 및 ε = 0.01일 경우 대부분의 인스턴스에서 FPTAS가 100% 근사 비율(즉, 최적 해)을 달성하여 고정밀도에서도 매우 높은 정확도를 입증한다.
• ε를 0.25로 증가시킬 경우에도 FPTAS는 높은 정확도를 유지하면서 실행 시간을 줄여, 완화된 근사 보장 수준이 솔루션 품질을 훼손하지 않으면서 성능 향상을 이끌 수 있음을 보여준다.
• 수익 및 무게의 범위가 최대 10^7에 이르는 인스턴스에서, ε를 0.0001에서 0.75로 완화했을 때 FPTAS는 성능을 최대 95% 향상시키며, 근사 비율은 여전히 100% 유지된다.
• 1,000개 항목을 가진 uncorr-s-w_01 인스턴스에서 FPTAS는 1초 이내에 문제를 해결하는 반면, approxMIP 접근법은 수 시간이 소요되며, 이는 FPTAS의 뛰어난 확장성과 성능을 입증한다.
• 대부분의 인스턴스에서 FPTAS는 approxMIP를 능가하지만, 특정 상관관계가 있는 인스턴스들(예: b-s-corr_06 및 b-s-corr_10)에서는 approxMIP가 더 우수한 성능을 보이며, 두 방법 간의 다른 난이도 요소가 존재함을 시사한다.