[논문 리뷰] A New Upper Bound on 2D Online Bin Packing

Xin Han, Francis Y. L. Chin외 2명|ArXiv.org|2009. 06. 02.

Optimization and Packing Problems참고 문헌 18인용 수 4

한 줄 요약

이 논문은 $H\otimes B$ 프레임워크 내에서 Improved Harmonic 알고리즘 대신 Super Harmonic 알고리즘을 사용하는 새로운 2차원 온라인 백준 알고리즘을 제안하며, 새로운 가중치 함수와 일반화된 분석 프레임워크를 도입한다. 주요 기여는 이전 최고의 상한값인 2.66013을 초월하는 개선된 점근적 경쟁률 상한값 2.5545를 확보한 것이다.

ABSTRACT

The 2D Online Bin Packing is a fundamental problem in Computer Science and the determination of its asymptotic competitive ratio has attracted great research attention. In a long series of papers, the lower bound of this ratio has been improved from 1.808, 1.856 to 1.907 and its upper bound reduced from 3.25, 3.0625, 2.8596, 2.7834 to 2.66013. In this paper, we rewrite the upper bound record to 2.5545. Our idea for the improvement is as follows. In SODA 2002 \cite{SS03}, Seiden and van Stee proposed an elegant algorithm called $H \otimes B$, comprised of the {\em Harmonic algorithm} $H$ and the {\em Improved Harmonic algorithm} $B$, for the two-dimensional online bin packing problem and proved that the algorithm has an asymptotic competitive ratio of at most 2.66013. Since the best known online algorithm for one-dimensional bin packing is the {\em Super Harmonic algorithm} \cite{S02}, a natural question to ask is: could a better upper bound be achieved by using the Super Harmonic algorithm instead of the Improved Harmonic algorithm? However, as mentioned in \cite{SS03}, the previous analysis framework does not work. In this paper, we give a positive answer for the above question. A new upper bound of 2.5545 is obtained for 2-dimensional online bin packing. The main idea is to develop new weighting functions for the Super Harmonic algorithm and propose new techniques to bound the total weight in a rectangular bin.

연구 동기 및 목표

• 2차원 온라인 백준 문제에 대한 최고의 알려진 상한과 하한 사이의 격차를 좁히기 위해.
• 이전의 분석 프레임워크가 Super Harmonic 알고리즘에 적용될 때의 한계를 극복하기 위해.
• Super Harmonic 알고리즘을 위해 더 단순하고 효과적인 새로운 가중치 함수를 개발하기 위해.
• 2차원 및 다차원 온라인 백준 문제에 적용 가능한 일반화된 분석 프레임워크를 개발하기 위해.
• 이전의 최고 성능인 2.66013을 초월하는 점근적 경쟁률 상한값을 확보하기 위해.

제안 방법

• Seiden(2002)에서 제안한 복잡한 함수들을 대체할 수 있는, 1차원 Super Harmonic 알고리즘을 위한 새로운 단순화된 가중치 함수를 도입하기 위해.
• 각 아이템 유형 쌍 간의 독립적인 분석을 통해 상자 내 총 가중치를 제한하는 일반화된 2차원 온라인 백준 분석 프레임워크를 개발하기 위해.
• 각 아이템 유형 쌍에 대해 상자당 최대 가중치를 상한으로 설정하기 위해 새로운 제약 조건을 포함한 혼합정수계획법(MIP)을 제작하기 위해.
• GLPK 솔버를 사용하여 새로운 가중치 함수와 분석 프레임워크를 기반으로 MIP의 최적값을 계산하기 위해.
• Improved Harmonic 알고리즘 대신 Super Harmonic 알고리즘을 사용하는 $H\otimes B$ 알고리즘에 프레임워크를 적용하기 위해.
• 이전 방법은 새로운 함수를 사용할 경우 실패하는 반면, 새로운 방법은 더 낫게 좁은 상한을 확보함으로써 프레임워크의 효과를 검증하기 위해.

실험 결과

연구 질문

• RQ1 Super Harmonic 알고리즘이 2차원 온라인 백준 문제의 $H\otimes B$ 프레임워크에 성공적으로 통합되어 경쟁률을 향상시킬 수 있는가?
• RQ2 Super Harmonic 알고리즘의 가중치 함수와 효과적으로 작동하는 새로운 분석 프레임워크를 설계할 수 있는가?
• RQ3 이 새로운 방법을 사용할 때 2차원 온라인 백준 문제에 대한 점근적 경쟁률 상한값 중 가장 날카로운 것은 무엇인가?
• RQ4 기존의 분석 기법은 이 맥락에서 왜 Super Harmonic 알고리즘에 적용될 경우 실패하는가?
• RQ5 새로운 프레임워크는 고차원 백준 문제에 확장 가능한가?

주요 결과

• 새로운 알고리즘은 점근적 경쟁률이 최대 2.5545임을 확보하여 이전 최고 상한값인 2.66013을 초월한다.
• Seiden(2002)에서 제안한 것보다 훨씬 단순한 새로운 Super Harmonic 알고리즘 가중치 함수들이 성능을 유지하거나 향상시키며, 더 단순하다.
• 일반화된 분석 프레임워크는 독립적인 쌍별 분석을 통해 상자 내 총 가중치를 효과적으로 제한하여 더 날카로운 경쟁률 추정이 가능해졌다.
• Seiden(2002)의 이전 가중치 함수를 새로운 프레임워크와 함께 사용할 경우 경쟁률은 여전히 2.79 이상 유지되며, 이는 새로운 함수의 필요성을 입증한다.
• 새로운 프레임워크는 3차원 백준 문제로도 확장 가능하며, $H\times H\otimes SH+$에 대해 약 4.3198의 경쟁률 추정치를 도출한다.
• 새로운 제약 조건을 포함한 MIP 공식화는 타당성을 유지하면서도 더 좁은 상한을 가능하게 하며, GLPK를 사용한 계산 실험을 통해 검증되었다.