[논문 리뷰] Euclidean Capacitated Vehicle Routing in Random Setting: A $1.55$-Approximation Algorithm

Zipei Nie, Hang Zhou|arXiv (Cornell University)|2023. 04. 22.

Vehicle Routing Optimization Methods인용 수 1

한 줄 요약

이 논문은 무작위 설정에서 유클리드 용량 제약 차량 경로 문제(CVRP)에 대한 새로운 다항식 시간 알고리즘을 제안하며, 스위프 히우리스틱과 아로라의 TSP 근사 프레임워크를 결합한다. 이 알고리즘은 점점 더 큰 확률로 1.55-근사 비율을 달성하며, 이는 이전의 1.995 및 1.915의 경계보다 크게 향상되었고, 동일한 조건 하에 임의의 ε>0에 대해 (1+ε)-근사가 가능할 것이라고 추측한다.

ABSTRACT

We study the unit-demand capacitated vehicle routing problem in the random setting of the Euclidean plane. The objective is to visit $n$ random terminals in a square using a set of tours of minimum total length, such that each tour visits the depot and at most $k$ terminals. We design an elegant algorithm combining the classical sweep heuristic and Arora's framework for the Euclidean traveling salesman problem [Journal of the ACM 1998]. We show that our algorithm is a polynomial-time approximation of ratio at most $1.55$ asymptotically almost surely. This improves on previous approximation ratios of $1.995$ due to Bompadre, Dror, and Orlin [Journal of Applied Probability 2007] and $1.915$ due to Mathieu and Zhou [Random Structures and Algorithms 2022]. In addition, we conjecture that, for any $\varepsilon>0$, our algorithm is a $(1+\varepsilon)$-approximation asymptotically almost surely.

연구 동기 및 목표

• 무작위 입력 분포 하에서 유클리드 평면 상의 단위 수요 용량 제약 차량 경로 문제(CVRP)에 대한 새로운 근사 알고리즘을 설계하는 것.
• 무작위 설정에서 유클리드 CVRP에 대해 기존에 알려진 최고의 근사 비율 1.915를 향상시키는 것.
• 알고리즘이 임의의 ε>0에 대해 점점 더 큰 확률로 (1+ε)-근사 비율을 달성할 수 있는지 탐색하는 것.
• 기존 비용 프레임워크를 개선하기 위해 새로운 개념인 R-반경 비용과 R-국소 비용을 도입하고 분석하는 것.

제안 방법

• 터미널을 창고 중심 기준으로 극좌표 각도 기준으로 정렬하고, 크기가 Mk인 순서 있는 부분수열들로 분할한다.
• 각 부분수열은 유클리드 TSP에 대해 아로라의 (1+1/M)-근사 프레임워크를 사용하여 해결되며, 각 그룹 내에서 거의 최적의 경로를 확보한다.
• 전체 솔루션은 이러한 부분 솔루션을 조합하여, 무작위 터미널 분포의 기하학적 구조를 활용한다.
• 전체 경로 길이를 근사하기 위해, 고전적 비용 측정의 일반화로 R-반경 비용과 R-국소 비용을 도입한다.
• 단위 정사각형 및 원형 영역에서 기하 기대값(예: g1(O), g2(O), g3(O))에 대한 닫힌 형식의 적분을 유도하여 기대 거리를 모델링한다.
• 확률적 분석과 기하 적분을 통해 이론적 경계를 확립하였으며, i.i.d. 균일 터미널 배치 조건 하에서 총 비용이 최적값의 최대 1.55배임을 보였다.

실험 결과

연구 질문

• RQ1 무작위 설정에서 유클리드 CVRP에 대해 이전의 1.915보다 더 나은 근사 비율을 달성할 수 있는 새로운 알고리즘이 존재하는가?
• RQ2 스위프 히우리스틱과 아로라의 TSP 프레임워크를 조합하면 기대치 기반으로 더 나은 근사가 보장되는가?
• RQ3 고정된 M≥105에 대해 알고리즘의 성능이 점점 더 큰 확률로 1.55 이하로 제한될 수 있는가?
• RQ4 무작위 설정에서 추측한 바와 같이, 임의의 ε>0에 대해 알고리즘이 (1+ε)-근사 비율을 달성할 수 있는가?
• RQ5 새로운 비용 개념인 R-반경 비용과 R-국소 비용은 어떻게 랜덤 기하 설정에서의 경로 비용 분석을 더욱 정밀하게 가능하게 하는가?

주요 결과

• 제안된 알고리즘은 M≥105일 때, 무작위 설정에서 유클리드 CVRP에 대해 점점 더 큰 확률로 1.55-근사 비율을 달성한다.
• 이것은 매튜와 주우(2022)가 제시한 이전 최고의 비율 1.915와 bompadre, dror, 및 orlin(2007)이 제시한 1.995보다 향상된 결과이다.
• 알고리즘은 다항식 시간이며, 스위프 히우리스틱과 아로라의 TSP 근사 프레임워크를 조합하며, 반복 투어 분할(ITP) 접근과 근본적으로 다릅니다.
• 저자들은 고전적 비용 측정의 일반화로 R-반경 비용과 R-국소 비용을 도입하여 기대 경로 길이의 더 정밀한 분석을 가능하게 하였다.
• 단위 정사각형 및 원형 영역에서 핵심 기하 적분(g1(O), g2(O), g3(O))에 대한 닫힌 형식의 표현식을 도출하여 이론적 분석을 뒷받침하였다.
• 논문은 임의의 ε>0에 대해 충분히 큰 M이 존재하여 알고리즘이 점점 더 큰 확률로 (1+ε)-근사 비율을 달성할 수 있을 것이라고 추측한다.