[논문 리뷰] Fixed-Parameter Algorithms in Analysis of Heuristics for Extracting Networks in Linear Programs

Gregory Gutin, Daniel Karapetyan외 1명|arXiv (Cornell University)|2009. 06. 07.

Advanced Graph Theory Research참고 문헌 12인용 수 3

한 줄 요약

이 논문은 고정 매개변수 알고리즘을 사용하여 선형 프로그래밍에서 최대 크기의 반사 네트워크를 추출하는 데에 SGA 휴리스틱의 성능을 평가한다. 대부분의 테스트 인스턴스를 최적해로 해결함으로써, SGA는 고급 품질의 해를 생성하며, 스패닝 트리 구축을 위한 깊이 우선 탐색(DFS)이 SGA 성공의 핵심 요소임을 확인한다. 이에 기반해 SGA80(DFS)라는 개선된 변종을 제안하였으며, 이는 54개의 해가 가능한 인스턴스 중 50개에서 최적해를 달성하였다.

ABSTRACT

We consider the problem of extracting a maximum-size reflected network in a linear program. This problem has been studied before and a state-of-the-art SGA heuristic with two variations have been proposed. In this paper we apply a new approach to evaluate the quality of SGA\@. In particular, we solve majority of the instances in the testbed to optimality using a new fixed-parameter algorithm, i.e., an algorithm whose runtime is polynomial in the input size but exponential in terms of an additional parameter associated with the given problem. This analysis allows us to conclude that the the existing SGA heuristic, in fact, produces solutions of a very high quality and often reaches the optimal objective values. However, SGA contain two components which leave some space for improvement: building of a spanning tree and searching for an independent set in a graph. In the hope of obtaining even better heuristic, we tried to replace both of these components with some equivalent algorithms. We tried to use a fixed-parameter algorithm instead of a greedy one for searching of an independent set. But even the exact solution of this subproblem improved the whole heuristic insignificantly. Hence, the crucial part of SGA is building of a spanning tree. We tried three different algorithms, and it appears that the Depth-First search is clearly superior to the other ones in building of the spanning tree for SGA. Thereby, by application of fixed-parameter algorithms, we managed to check that the existing SGA heuristic is of a high quality and selected the component which required an improvement. This allowed us to intensify the research in a proper direction which yielded a superior variation of SGA.

연구 동기 및 목표

• 선형 프로그래밍에서 최대 크기의 반사 네트워크를 추출하는 최신 기술인 SGA 휴리스틱의 품질을 평가하기 위해.
• SGA 휴리스틱이 일관되게 최적 또는 근사 최적 해를 찾는지 확인하기 위해.
• SGA의 성능 향상에 가장 기여하는 구성 요소를 규명하기 위해.
• 휴리스틱 구성 요소를 정확한 고정 매개변수 알고리즘으로 대체했을 때의 영향을 평가하기 위해.
• 스패닝 트리 구축과 같은 가장 중요한 구성 요소에 집중하여 개선된 SGA 변종을 개발하기 위해.

제안 방법

• 93개의 테스트 인스턴스 중 54개에 대해 최대 임bedded 반사 네트워크(DMERN) 문제를 고정 매개변수 알고리즘으로 최적해로 해결함.
• 고정 매개변수 알고리즘을 사용하여 SGA 휴리스틱의 해를 최적 해와 비교함으로써 성능 평가를 수행함.
• SGA의 탐욕적 독립 집합 알고리즘을 고정 매개변수 정점 커버 기반 정확 알고리즘으로 대체함.
• SGA의 스패닝 트리 구축 방법을 깊이 우선 탐색(DFS), 너비 우선 탐색(BFS), 무작위 탐색(RS)의 세 가지 대안으로 대체함.
• 수정된 SGA 변종(SGA(DFS), SGA3(DFS), SGA80(DFS), SGA(DFS)+VC)의 성능을 테스트 베드에서 평가함.
• 독립 집합 문제의 정점 커버와의 상보성을 활용하여 독립 집합 하위 문제를 위한 정확 알고리즘을 구현함.

실험 결과

연구 질문

• RQ1 SGA 휴리스틱은 최대 반사 네트워크 추출 문제에 대해 최적해에 가까운 해를 생성하는가?
• RQ2 SGA 휴리스틱의 구성 요소 중에서 스패닝 트리 구축과 독립 집합 탐색 중 어느 것이 해 품질에 가장 큰 영향을 미치는가?
• RQ3 탐욕적 독립 집합 알고리즘을 정확한 고정 매개변수 알고리즘으로 대체하면 SGA의 성능이 크게 향상되는가?
• RQ4 스패닝 트리 구축에 깊이 우선 탐색(DFS)을 사용할 경우 너비 우선 탐색(BFS)이나 무작위 탐색(RS)보다 우수한가?
• RQ5 고정 매개변수 알고리즘이 조합 최적화 문제의 휴리스틱 방법 평가 및 개선에 효과적으로 활용될 수 있는가?

주요 결과

• 고정 매개변수 알고리즘이 93개 테스트 인스턴스 중 54개를 최적해로 해결하였으며, 이 중 52개는 1분 이내에 완료됨.
• SGA(DFS)는 해가 가능한 54개 인스턴스 중 36개에서 최적해를 달성하였고, SGA3(DFS)는 44개, SGA80(DFS)는 50개에서 달성하여 DFS의 우수성을 입증함.
• 탐욕적 독립 집합 알고리즘을 정확한 고정 매개변수 알고리즘(정점 커버 기반)으로 대체했지만, 성능 향상은 4개 인스턴스에서만 관찰되었고, 높은 실행 시간으로 인해 실용적이지 않음.
• SGA(DFS)+VC는 6개 인스턴스에서 30분 이내에 종료되지 않아 실패하였고, SGA80(DFS)는 효율적이고 정확하게 유지됨.
• SGA80(DFS) 변종은 가용한 54개 인스턴스 중 50개에서 최적해를 달성하였으며, 다른 변종보다 뚜렷이 뛰어난 성능을 보였고, 훨씬 적은 시간에 정확한 알고리즘에 가까운 성능을 달성함.
• 본 연구는 스패닝 트리 구축 방법이 SGA 성능의 주요 결정 요소이며, 시험된 방법들 중에서 DFS가 가장 효과적인 선택임을 확인함.