[논문 리뷰] Distributed Approximation Algorithms for the Multiple Knapsack Problem

Ananth Murthy, Chandan Yeshwanth외 1명|arXiv (Cornell University)|2017. 02. 02.

Optimization and Search Problems참고 문헌 13인용 수 4

한 줄 요약

이 논문은 n개의 프로세서로 이루어진 네트워크에서, 각 프로세서가 캐리어를 갖는 다중 배낭 문제(MKP)에 대한 분산 근사 알고리즘을 제안한다. 이 경우 m개의 항목을 용량 제약 조건을 만족하면서 총 수익을 극대화할 수 있도록 할당해야 한다. 알고리즘은 가장 수익이 높은 항목을 잔여 용량이 가장 큰 배낭에 할당하는 근사 전략을 사용하며, 최적 해의 1/(n+1) 배의 성능 보장을 달성한다. 메시지 복잡도는 O(mn), 시간 복잡도는 O(m log n)이다.

ABSTRACT

We consider the distributed version of the Multiple Knapsack Problem (MKP), where $m$ items are to be distributed amongst $n$ processors, each with a knapsack. We propose different distributed approximation algorithms with a tradeoff between time and message complexities. The algorithms are based on the greedy approach of assigning the best item to the knapsack with the largest capacity. These algorithms obtain a solution with a bound of $\frac{1}{n+1}$ times the optimum solution, with either $\mathcal{O}\left(m\log n ight)$ time and $\mathcal{O}\left(m n ight)$ messages, or $\mathcal{O}\left(m ight)$ time and $\mathcal{O}\left(mn^{2} ight)$ messages.

연구 동기 및 목표

• 다중 배낭 문제(MKP)에 대한 효율적인 분산 알고리즘이 부족한 문제를 해결하기 위해.
• 시간 복잡도와 메시지 복잡도를 균형 있게 유지하면서도 증명 가능한 근사 비율을 확보하는 분산 알고리즘을 설계하기 위해.
• 데이터 센터와 같은 분산 시스템에서 실용적인 작업 스케줄링 및 자원 할당을 가능하게 하기 위해, 제한된 용량을 갖는 기계(배낭)에 항목(작업)을 할당해야 하는 상황을 고려하기 위해.
• 메시지 또는 시간 복잡도가 높아 분산 환경에서 중심 집중식 방법(예: 선형 프로그래밍, 동적 프로그래밍)이 비현실적이므로 이를 해결하기 위해.
• 대규모 네트워크에서 효율적으로 확장 가능하도록, 특히 O(mn) 수준의 낮은 메시지 복잡도를 달성하기 위해.

제안 방법

• 각 항목을 잔여 용량이 가장 큰 배낭에 할당하는 분산 근사 알고리즘을 제안하며, 항목은 수익 대비 무게 비율에 따라 우선순위를 정한다.
• 항목 할당 상태를 유지하고 프로세서 간 메시지 전달을 조율하기 위해 중심 집중식 디스패처 노드(S)를 사용한다.
• 프로세서들이 자신의 현재 배낭 용량과 이용 가능한 항목을 네트워크에 브로드캐스트하는 우선순위 기반 메시지 전달 메커니즘을 적용한다.
• 토너먼트 방식의 선택을 통해 O(log n) 라운드 내에 각 항목에 대해 잔여 용량이 가장 큰 배낭을 분산식으로 식별하는 분산 선택 프로토콜을 구현한다.
• 분산 환경에서의 비최적 할당 결정으로 인한 손실를 제한함으로써 최적 해의 1/(n+1) 배 수준의 성능 보장을 유지한다.
• 두 가지 변형을 분석한다: 하나는 O(m log n) 시간과 O(mn) 메시지를 사용하며, 다른 하나는 O(m) 시간과 O(mn²) 메시지를 사용하여 시간 복잡도를 줄이고 메시지 복잡도를 증가시킨다.

실험 결과

연구 질문

• RQ1 낮은 메시지 복잡도와 시간 복잡도를 확보하면서도 비현실적이지 않은 근사 비율을 유지할 수 있는 다중 배낭 문제(MKP)에 대한 분산 근사 알고리즘을 설계할 수 있는가?
• RQ2 분산 MKP 알고리즘에서 시간 복잡도와 메시지 복잡도 사이의 상호 교환 관계는 무엇이며, 이를 대규모 시스템에 최적화할 수 있는가?
• RQ3 중앙 집중식 선형 프로그래밍(LP) 또는 동적 프로그래밍(DP) 기법에 의존하지 않고도, 근사 비율이 일정 수준(예: 1/(n+1))인 분산 근사 전략을 설계할 수 있는가?
• RQ4 기존의 중심 집중식 근사 기법(예: 정수 선형 프로그래밍(ILP), 선형 프로그래밍(LP) 근사, 동적 프로그래밍)이 메시지 오버헤드가 높아 분산 환경에서 비현실적인 이유는 무엇인가?
• RQ5 분산 MKP에서 1/(n+1) 근사 한계가 타당한가? 더 복잡한 조율 메커니즘을 통해 더 나은 근사 한계를 달성할 수 있는가?

주요 결과

• 제안된 분산 근사 알고리즘은 최적 해의 1/(n+1) 배 수준의 성능 보장을 달성하며, 이는 항목 수 m에 관계없이 일정한 근사 비율이다.
• 알고리즘의 한 변형은 O(m log n) 시간과 O(mn) 메시지로 실행되어, 많은 항목이나 프로세서를 포함하는 대규모 네트워크에서 확장 가능하다.
• 두 번째 변형은 시간 복잡도를 O(m)으로 줄이기 위해 메시지 복잡도를 O(mn²)로 증가시켜 시간-메시지 복잡도 간의 상호 교환 관계를 보여준다.
• 선형 프로그래밍이나 동적 프로그래밍과 같은 고비용 중심 집중식 기법을 피함으로써, 분산 환경에서의 지수적 메시지 또는 시간 복잡도 문제를 회피한다.
• 1/(n+1) 성능 한계는 분산 환경에서의 지연되거나 비최적의 할당 결정으로 인한 최악의 경우 손실로부터 유도된다.
• 이 방법은 데이터 센터의 작업 스케줄링, 라디오 네트워크의 스펙트럼 할당, 검색 결과의 다양화와 같은 실세계 응용 분야에 적합하다.