[논문 리뷰] Competitive-Ratio Approximation Schemes for Minimizing the Makespan in the Online-List Model

Nicole Megow, Andreas Wiese|arXiv (Cornell University)|2013. 03. 08.

Optimization and Search Problems참고 문헌 24인용 수 5

한 줄 요약

이 논문은 동일한 기계와 균일하게 관련된 기계에서 온라인 리스트 모델에서 온라인 마이크스팬 최소화 문제에 대해 경쟁률 근사화 방법을 제시한다. 알고리즘 맵, 구성 기반 분석, 유한한 속도 이산화를 활용하여, 최적에 임의로 가까운 경쟁률을 갖는 온라인 알고리즘을 계산할 수 있으며, 원하는 정밀도 이내에서 최적의 경쟁률을 추정할 수도 있다.

ABSTRACT

We consider online scheduling on multiple machines for jobs arriving one-by-one with the objective of minimizing the makespan. For any number of identical parallel or uniformly related machines, we provide a competitive-ratio approximation scheme that computes an online algorithm whose competitive ratio is arbitrarily close to the best possible competitive ratio. We also determine this value up to any desired accuracy. This is the first application of competitive-ratio approximation schemes in the online-list model. The result proves the applicability of the concept in different online models. We expect that it fosters further research on other online problems.

연구 동기 및 목표

• 이전에 연구된 온라인 타임 모델과 다른 온라인 리스트 모델에서 경쟁률 근사화 방법의 부재를 해결한다.
• 고정된 기계 수에 대해 가능한 한 최고의 경쟁률에 임의로 가까운 온라인 알고리즘을 계산할 수 있는 방법을 제공한다.
• 수작업으로 경계를 유도하는 데서 오는 제약을 극복하고, 온라인 마이크스팬 최소화 문제의 최적 경쟁률을 원하는 정밀도 이내에서 추정한다.
• 온라인 타임 모델을 넘어서 더 제한적인 온라인 리스트 모델로도 경쟁률 근사화 방법의 적용 가능성을 넓힌다.
• 향후 연구를 위한 기초를 마련하여, 그러한 근사화 방법을 허용하는 일반적인 온라인 문제의 성질을 탐색한다.

제안 방법

• 작업 크기와 기계 상태에 기반한 온라인 결정 규칙을 코딩하는 알고리즘 맵을 정의하여 문제를 유한한 후보 전략 집합으로 축소한다.
• 최악의 상황에서 실질적인 작업-기계 할당을 고려하여 구성 기반 분석을 통해 각 알고리즘 맵의 경쟁률을 근사한다.
• 기계 속도를 $1+\varepsilon$의 거듭제곱으로 반올림함으로써 속도 이산화를 적용하여, 경쟁률에 최대 $1+\varepsilon$의 손실만 발생시킨다.
• 손실이 있지만 유한한 변환을 통해 최대 기계 속도를 $m/\varepsilon$로 제한하여 고려해야 할 속도 벡터의 수가 유한해지도록 한다.
• 각 이산화된 속도 벡터와 작업 크기 구성에 대해 가능한 모든 알고리즘 맵을 열거하고, 다항 시간 근사 절차를 사용하여 그들의 경쟁률을 추정한다.
• 최소 추정 경쟁률를 갖는 알고리즘 맵을 선택함으로써, 출력 알고리즘이 $ (1+\varepsilon) \rho^* $-경쟁적이며, 추정치가 진정한 최적 비율에 $ (1+\varepsilon) $ 이내에 있도록 보장한다.

실험 결과

연구 질문

• RQ1 결정이 취소 불가능하고 작업이 출시 시간 없이 순차적으로 도착하는 온라인 리스트 모델에서 경쟁률 근사화 방법이 효과적으로 적용될 수 있는가?
• RQ2 m대의 동일한 기계 또는 균일하게 관련된 기계에서 온라인 마이크스팬 최소화 문제의 최적 경쟁률은 무엇이며, 임의의 정밀도로 근사할 수 있는가?
• RQ3 알고리즘 맵와 구성 기반 분석은 온라인 리스트 모델의 제약 조건을 어떻게 다루면서도 경쟁률 보장을 유지할 수 있는가?
• RQ4 기계 속도와 작업 처리 시간의 유한한 이산화를 가능하게 하면서 경쟁률 성능을 크게 떨어뜨리지 않는 변환은 무엇인가?
• RQ5 컴퓨터 기반 방법은 온라인 스케줄링에서 최적 경쟁률의 상한 및 하한을 수작업으로 도출하는 데서 오는 제약을 어느 정도 대체할 수 있는가?

주요 결과

• 논문은 $ \textup{Pm}|\,\,|C_{\max} $의 온라인 리스트 변형에 대해 경쟁률 근사화 방법을 제시하며, 최적에 임의로 가까운 경쟁률을 갖는 온라인 알고리즘을 계산할 수 있도록 한다.
• 균일하게 관련된 기계의 경우, 속도 이산화와 유한한 구성 분석을 통해 $ \textup{Qm}|\,\,|C_{\max} $로 확장되며, $ (1+\varepsilon) $-근사 보장을 유지한다.
• 이 방법은 최적 경쟁률 $ \rho^* $를 $ (1+\varepsilon) $ 요인 이내에서 추정하여, 기계 수에 관계없이 계산 가능하고 정밀한 경계를 제공한다.
• 이론적으로 타당하며, 경쟁률 근사화 방법이 온라인 타임 모델을 넘어서도 적용 가능하다는 것을 증명하여 새로운 연구 방향을 열어 놓는다.
• 비록 이론적으로 정확하지만, 특히 $ \varepsilon $ 가 작을 경우 계산 복잡도가 매우 높아 실용적 적용을 위한 최적화된 알고리즘 구조가 필요하다는 점을 시사한다.
• 이 프레임워크는 컴퓨터가 경쟁률 경계를 유도하는 과정을 자동화할 수 있음을 보여주며, 전통적인 수작업 증명 기법과 대비된다.