[논문 리뷰] An Approximate Dynamic Programming Approach to The Incremental Knapsack Problem

Ali Aouad, Danny Segev|arXiv (Cornell University)|2020. 10. 15.

Optimization and Search Problems참고 문헌 21인용 수 4

한 줄 요약

이 논문은 시간에 따라 변화하는 용량을 가진 0-1 배낭 문제의 강한 NP-난해한 일반화인 증분 배낭 문제에 대한 첫 번째 다항 시간 근사화 방법(PTAS)을 제시한다. 상태 자르기, 반올림, 문제 분해를 활용한 근사 동적 프로그래밍 공식화를 통해 저자들은 다항 시간 내에 (1−ε)-근사해를 달성하며, 근사 알고리즘 분야에서 오랫동안 남아 있던 열린 문제를 해결한다.

ABSTRACT

We study the incremental knapsack problem, where one wishes to sequentially pack items into a knapsack whose capacity expands over a finite planning horizon, with the objective of maximizing time-averaged profits. While various approximation algorithms were developed under mitigating structural assumptions, obtaining non-trivial performance guarantees for this problem in its utmost generality has remained an open question thus far. In this paper, we devise a polynomial-time approximation scheme for general instances of the incremental knapsack problem, which is the strongest guarantee possible given existing hardness results. In contrast to earlier work, our algorithmic approach exploits an approximate dynamic programming formulation. Starting with a simple exponentially sized dynamic program, we prove that an appropriate composition of state pruning ideas yields a polynomially sized state space with negligible loss of optimality. The analysis of this formulation synthesizes various techniques, including new problem decompositions, parsimonious counting arguments, and efficient rounding methods, that may be of broader interest.

연구 동기 및 목표

• 기존 연구가 구조적 가정 하에만 상수 요인 근사해를 달성한 바 있는 일반 설정 하에서 증분 배낭 문제의 근사 보장 간극을 메우기 위해.
• 강한 NP-난해성으로 인해 FPTAS가 존재하지 않는다는 점을 감안할 때, 증분 배낭 문제에 대한 다항 시간 근사화 방법(PTAS)을 개발하기 위해.
• 상태 자르기와 반올림에 기반한 근사 동적 프로그래밍 공식화가 근사 최적해를 제공할 수 있으며, 성능 보장을 보장할 수 있음을 보여주기 위해.
• 이 특정 문제를 넘어선 응용 가능성이 있는 새로운 기법들—예를 들어, 절약된 수세기(counting)와 효율적인 반올림—을 통합하기 위해.

제안 방법

• 시간, 아이템 인덱스, 수익을 추적하는 상태를 갖는 지수 크기의 동적 프로그래밍으로 증분 배낭 문제를 공식화하기 위해.
• 수익과 무게 매개변수의 반올림을 통해 이산화된 상태 공간을 도입하여, 근사 최적성을 유지하면서 상태 공간을 다항 크기로 감소시키기 위해.
• 수익과 무게 기준의 임계값을 바탕으로 열열하거나 중복된 상태를 제거하는 상태 자르기 기법을 적용하여, 남은 상태들이 (1−ε)-근사해를 제공하도록 보장하기 위해.
• 복잡도를 관리하고 중간 해를 효율적으로 계산할 수 있도록 아이템들을 클러스터로 분해하는 문제 분해를 사용하기 위해.
• 관련 상태 수를 제한하고 다항 실행 시간을 보장하기 위해 절약된 수세기 논증을 활용하기 위해.
• 근사 가치 함수가 진정한 가치 함수의 하한이 되며, 성능 보장을 가능하게 한다는 것을 증명하기 위해.

실험 결과

연구 질문

• RQ1 강한 NP-난해성과 FPTAS의 부재로 인해 일반적인 증분 배낭 문제에 대해 PTAS를 개발할 수 있는가?
• RQ2 시간에 따라 변화하는 제약 조건과 중첩된 포장 요구 사항을 가진 문제에 대해 근사 동적 프로그래밍을 효과적으로 적용할 수 있는가?
• RQ3 근사 최적성을 유지하면서 상태 공간을 다항 크기로 줄이는 데에 효과적인 상태 자르기 및 반올림 전략는 무엇인가?
• RQ4 문제 분해와 수세기 논증을 어떻게 조합하여 동적 프로그래밍의 관련 상태 수를 제어할 수 있는가?
• RQ5 문제의 계산 복잡성에도 불구하고, 임의의 ε>0에 대해 다항 시간 내에 (1−ε)-근사해를 달성할 수 있는가?

주요 결과

• 논문은 증분 배낭 문제에 대한 첫 번째 다항 시간 근사화 방법(PTAS)을 제시하며, 임의의 ε>0에 대해 (1−ε)-근사해를 달성한다.
• 알고리즘은 입력 크기와 1/ε에 대해 다항 시간 내에 실행되며, 알려진 난이도 결과를 감안할 때 가능한 가장 강력한 근사 보장이다.
• 근사 동적 프로그래밍 공식화에 상태 자르기와 반올림을 조합함으로써, 최적성 손실이 미미한 다항 크기의 상태 공간을 달성한다.
• 근사 동적 프로그래밍의 가치 함수는 진정한 가치 함수의 하한이 되며, (1−ε)-근사 보장 가능성을 보장한다.
• 절약된 수세기 및 클러스터 기반 분해와 같은 새로운 분석 기법을 도입하여, 다른 동적 프로그래밍 문제에 응용 가능성이 있음을 시사한다.
• 최종 해에서 (1−7ε)-근사해를 달성하며, 반올림 및 이산화 오차를 철저히 다루어 최종 오차 한계를 (1−7ε)로 좁혔다.