[논문 리뷰] Approximation Algorithms for Generalized Multidimensional Knapsack

Arindam Khan, Eklavya Sharma외 1명|arXiv (Cornell University)|2021. 02. 11.

Optimization and Packing Problems참고 문헌 20인용 수 4

한 줄 요약

이 논문은 항목이 2차원 기하 차원과 $d$-차원 벡터 무게를 모두 가지며, 단위 정사각형 컨테이너에 겹치지 않게 담아내며 모든 차원에서 용량을 초과하지 않는 일반화된 $(2,d)$ 쓰레기통 문제에 대해 $(2+\varepsilon)$-근사 알고리즘을 제시한다. 이 접근법은 통로 분해를 사용하며, 구조화된 패킹을 효율적으로 탐색할 수 있도록 하는 새로운 문제인 Vector-Max-GAP를 도입한다. 이에 대해 PTAS가 개발되어 주요 결과를 가능하게 한다.

ABSTRACT

We study a generalization of the knapsack problem with geometric and vector constraints. The input is a set of rectangular items, each with an associated profit and $d$ nonnegative weights ($d$-dimensional vector), and a square knapsack. The goal is to find a non-overlapping axis-parallel packing of a subset of items into the given knapsack such that the vector constraints are not violated, i.e., the sum of weights of all the packed items in any of the $d$ dimensions does not exceed one. We consider two variants of the problem: $(i)$ the items are not allowed to be rotated, $(ii)$ items can be rotated by 90 degrees. We give a $(2+ε)$-approximation algorithm for this problem (both versions). In the process, we also study a variant of the maximum generalized assignment problem (Max-GAP), called Vector-Max-GAP, and design a PTAS for it.

연구 동기 및 목표

• 2차원 기하 쓰레기통 문제의 일반화인 $(2,d)$ 쓰레기통 문제에 대한 근사 알고리즘을 설계하는 것.
• 단일 최적화 프레임워크 내에서 기하 패킹 제약 조건과 다차원 벡터 용량 제한을 동시에 다루는 도전 과제를 해결하는 것.
• 전체 $d$-차원 무게 제약 조건을 포함하는 최대 일반화 할당 문제를 확장한 새로운 문제 변형인 Vector-Max-GAP를 개발하는 것.
• 회전 및 비회전 변형 모두에 대해 $(2+\varepsilon)$-근사 알고리즘을 제공하는 것.
• 제안된 쓰레기통 알고리즘을 서브루틴으로 사용하여 향후 $(2,d)$ 박스 패킹 문제와 같은 관련 문제에 대한 근사 알고리즘의 기초를 마련하는 것.

제안 방법

• 최적 패킹을 재구성하기 위해 통로 분해를 적용하여 수직 또는 수평 항목을 제거함으로써, 알고리즘적 탐색에 적합한 '좋은' 패킹 구조를 도출하는 것.
• 항목이 기계에 따라 크기와 가치를 가지며, 전체적으로 $d$-차원의 무게 제약 조건이 모든 기계의 총 무게를 제한하는 Vector-Max-GAP 문제를 도입하는 것.
• 다차원 제약 조건을 다루기 위해 동적 프로그래밍과 반올림 기법을 사용하여 Vector-Max-GAP에 대한 PTAS를 설계하는 것.
• Vector-Max-GAP에 대한 PTAS를 서브루틴으로 사용하여 분해된 통로 구조 내에서 고가치 패킹을 효율적으로 탐색하는 것.
• 최적 패킹에 사용된 컨테이너 집합(큰, 넓은, 높은, 면적)을 추측하는 것으로, 최적의 컨테이너 수가 상수이기 때문에 가능한 것임을 활용하는 것.
• 구조적 분해와 Vector-Max-GAP에 대한 PTAS를 조합하여 $(2,d)$ 쓰레기통 문제에 대해 $(2+\varepsilon)$-근사 해를 달성하는 것.

실험 결과

연구 질문

• RQ1 기하학적 제약 조건과 벡터 제약 조건을 모두 가진 $(2,d)$ 쓰레기통 문제에 대해 $(2+\varepsilon)$-근사 알고리즘을 설계할 수 있는가?
• RQ2 최대 일반화 할당 문제를 다차원 전역 벡터 제약 조건을 포함하도록 일반화할 수 있으며, 여전히 PTAS를 갖출 수 있는가?
• RQ3 통로 분해 기법을 다차원 벡터 제약 조건을 가진 기하 쓰레기통 문제에 적응시킬 수 있는가?
• RQ4 보다 정교한 패킹 구조(예: $L$-패킹)를 사용하여 $2+\varepsilon$ 보다 더 좋은 근사 비율을 달성할 수 있는가?
• RQ5 제안된 알고리즘을 $d_G$-차원 항목과 $d_V$-차원 무게를 가진 더 일반적인 $(d_G,d_V)$ 쓰레기통 문제로 확장할 수 있는가?

주요 결과

• 회전 및 비회전 변형 모두에 대해 $(2,d)$ 쓰레기통 문제에 대해 $(2+\varepsilon)$-근사 알고리즘이 달성되었다.
• Vector-Max-GAP 문제가 도입되었으며, 이에 대해 PTAS가 개발되어 주요 결과를 가능하게 하는 핵심 기술 기여를 이룬다.
• 통로 분해를 통한 구조적 결과는 문제를 상수 개의 컨테이너 유형으로 줄여서 완전 탐색이 가능하게 한다.
• 컨테이너 패킹 문제는 Vector-Max-GAP의 특수 케이스로 나타나며, 따라서 PTAS를 그대로 이어받게 되어 알고리즘 프레임워크를 뒷받침한다.
• 이 알고리즘 프레임워크는 $(2,d)$ 박스 패킹 문제에 대한 근사 알고리즘을 확보하기 위해 서브루틴으로 사용될 수 있다.
• 기하 분해와 다차원 쓰레기통 기법을 융합함으로써 제약 조건이 있는 패킹 문제에서 향상된 근사 보장을 달성할 수 있음을 보여준다.