[논문 리뷰] Fast Approximations for Metric-TSP via Linear Programming

Chandra Chekuri, Kent Quanrud|arXiv (Cornell University)|2018. 02. 05.

Complexity and Algorithms in Graphs참고 문헌 4인용 수 3

한 줄 요약

이 논문은 메트릭 TSP에 대한 더 빠른 근사 알고리즘을 제안하며, 컷-스퍼피케이션 기법을 사용해 2매칭 선형계획(LP) 해를 희소화함으로써 이를 달성한다. 이 알고리즘은 $(1+\epsilon)$-근사 TSP 순회를 $\tilde{O}(m/\epsilon^2 + n^{1.5}/\epsilon^3)$ 시간에 얻으며, 이는 명시적 메트릭에 대해 이전의 $\tilde{O}(n^{2.5})$ bound와 암시적 메트릭에 대해 $\tilde{O}(\min\{m^{1.5}, mn + n^{2.5}\})$ bound에 비해 크게 향상된 것이다.

ABSTRACT

We develop faster approximation algorithms for Metric-TSP building on recent, nearly linear time approximation schemes for the LP relaxation [Chekuri and Quanrud, 2017]. We show that the LP solution can be sparsified via cut-sparsification techniques such as those of Benczur and Karger [2015]. Given a weighted graph $G$ with $m$ edges and $n$ vertices, and $ε> 0$, our randomized algorithm outputs with high probability a $(1+ε)$-approximate solution to the LP relaxation whose support has $\operatorname{O}(n \log n /ε^2)$ edges. The running time of the algorithm is $\operatorname{Õ}(m/ε^2)$. This can be generically used to speed up algorithms that rely on the LP. For Metric-TSP, we obtain the following concrete result. For a weighted graph $G$ with $m$ edges and $n$ vertices, and $ε> 0$, we describe an algorithm that outputs with high probability a tour of $G$ with cost at most $(1 + ε) \frac{3}{2}$ times the minimum cost tour of $G$ in time $\operatorname{Õ}(m/ε^2 + n^{1.5}/ε^3)$. Previous implementations of Christofides' algorithm [Christofides, 1976] require, for a $\frac{3}{2}$-optimal tour, $\operatorname{Õ}(n^{2.5})$ time when the metric is explicitly given, or $\operatorname{Õ}(\min\{m^{1.5}, mn+n^{2.5}\})$ time when the metric is given implicitly as the shortest path metric of a weighted graph.

연구 동기 및 목표

• 희소 그래프에서 간선 수 $m$과 정점 수 $n$에 대해 효율적으로 스케일링되는 메트릭 TSP에 대한 더 빠른 근사 알고리즘 개발.
• 특히 명시적 메트릭에서 최소비용 완전매칭을 위한 $\tilde{O}(n^{2.5})$ 시간이 소요되는 크리스토펠레스 알고리즘의 계산 병목 현상 해결.
• 메트릭 TSP의 LP 해석에 대해 거의 선형 시간 근사 기법을 활용해 더 빠른 전체 실행 시간 달성.
• 특히 희소 그래프의 최단경로 메트릭으로 주어진 메트릭 환경에서 $(1+\epsilon)$-근사 TSP 순회를 효율적으로 계산할 수 있도록 지원.

제안 방법

• Benczur-Karger 등의 컷-스퍼피케이션 기법을 적용하여 2매칭 LP 해석의 지지 집합 크기를 $O(n \log n / \epsilon^2)$ 개 간선으로 줄임.
• Chekuri와 Quanrud(2017a)의 거의 선형 시간 근사 기법을 사용해 $\tilde{O}(m / \epsilon^2)$ 시간 내에 2매칭 LP의 $(1+\epsilon)$-근사 해를 계산.
• 희소화된 LP 해를 통해 지지 집합이 작고, 목적 함수 값이 최적 LP 값의 $(1+\epsilon)^2$ 이내인 새로운 타당해 $y$를 확보.
• 희소화된 그래프에 대해 $(1+1/n)$-근사 $T$-조인 알고리즘을 적용하여 $\tilde{O}(n^{1.5}/\epsilon^3)$ 시간 내에 최소비용 $T$-조인을 찾음.
• 최소 스패닝 트리와 $T$-조인을 조합하여 최종 TSP 순회를 구성함으로써 총 비용이 최적 TSP 비용의 $(1+\epsilon)\cdot \frac{3}{2}$ 배 이내임을 보장.
• 모든 단계를 하나의 알고리즘으로 통합하여 총 실행 시간을 $\tilde{O}(m/\epsilon^2 + n^{1.5}/\epsilon^3)$로 만들며, TSP에 대해 $(1+\epsilon)$-근사 해를 달성.

실험 결과

연구 질문

• RQ1 메트릭 TSP의 LP 해석을 비용 근사 품질을 유지하면서 비제로 요소의 수를 줄일 수 있는가?
• RQ2 빠른 LP 근사와 희소화를 활용해 크리스토펠레스 알고리즘의 $\tilde{O}(n^{2.5})$ 병목 현상을 극복할 수 있는가?
• RQ3 희소 그래프에서 $n$에 대해 시간이 이차함수 이하로 감소하는 $(1+\epsilon)$-근사 TSP 순회를 얻는 것이 가능한가?
• RQ4 컷-스퍼피케이션 기법을 2매칭 LP 해석에 효과적으로 적용해 더 빠른 TSP 근사 기법을 만들 수 있는가?
• RQ5 희소화된 LP 해석이 $T$-조인 계산에 필요한 구조적 성질를 충분히 유지하여 저비용으로 빠른 $T$-조인 계산이 가능한가?

주요 결과

• 지지 집합 크기가 $O(n \log n / \epsilon^2)$ 인 $(1+\epsilon)$-근사 2매칭 LP 해석을 $\tilde{O}(m / \epsilon^2)$ 시간 내에 계산함.
• 최종 TSP 순회 비용은 최적 TSP 순회 비용의 $(1+\epsilon) \cdot \frac{3}{2}$ 배 이내임.
• 총 실행 시간은 $\tilde{O}(m / \epsilon^2 + n^{1.5} / \epsilon^3)$이며, 이는 명시적 메트릭에 대해 이전의 $\tilde{O}(n^{2.5})$ bound보다 빠름.
• 암시적 메트릭(희소 그래프의 최단경로 메트릭) 환경에서는 새로운 방법으로 $\tilde{O}(\min\{m^{1.5}, mn + n^{2.5}\})$ 시간을 달성하며, 이는 이전의 bound를 향상시킴.
• 희소화 단계는 $T$-조인 계산이 효율적이게 하며, 지지 집합 크기가 $O(n \log n / \epsilon^2)$로 줄어들어 빠른 $T$-조인 알고리즘을 가능하게 함.
• 이 방법은 $m$에 대해 거의 선형 의존성과 $n$에 대해 이차함수 이하의 의존성을 확보하여 큰 희소 그래프에 대해 확장 가능함.