[논문 리뷰] Improved approximation bounds for Vector Bin Packing

Chetan S. Rao, Jeffrey John Geevarghese외 1명|arXiv (Cornell University)|2010. 07. 08.

Optimization and Packing Problems참고 문헌 11인용 수 5

한 줄 요약

이 논문은 차원 수 d ≥ 2 인 고차원에서의 벡터 백팩킹 문제(VBP)를 위한 새로운 근사 알고리즘을 제안한다. 선형계획법(LP)의 타당화와 수정된 최초 적합(First-Fit) 근사 히우리스틱을 조합하여, 차원 d에 관계없이 큰 입력에 대해 2-OPT 근사 보장을 달성한다. 이는 이전의 (ln d + 1 + ε) 근사 bound에 비해 크게 향상된 결과이다.

ABSTRACT

In this paper we propose an improved approximation scheme for the Vector Bin Packing problem (VBP), based on the combination of (near-)optimal solution of the Linear Programming (LP) relaxation and a greedy (modified first-fit) heuristic. The Vector Bin Packing problem of higher dimension (d \geq 2) is not known to have asymptotic polynomial-time approximation schemes (unless P = NP). Our algorithm improves over the previously-known guarantee of (ln d + 1 + epsilon) by Bansal et al. [1] for higher dimensions (d > 2). We provide a θ(1) approximation scheme for certain set of inputs for any dimension d. More precisely, we provide a 2-OPT algorithm, a result which is irrespective of the number of dimensions d.

연구 동기 및 목표

• d ≥ 2 인 다차원 벡터 백팩킹(VBP) 문제에 대해 점근적 다항시간 근사계열(APTAS)의 부재를 해결하기 위해.
• 고차원 VBP에 대해 기존의 (ln d + 1 + ε)-근사 bound 를 향상시키기 위해.
• 차원에 독립적인 근사 보장을 개발하여, 특히 큰 입력에 대해 θ(1) 성능을 달성하고, 특히 2-OPT bound 를 확보하기 위해.
• LP 타당화의 해를 기반으로 전략을 적응적으로 조정하는 하이브리드 알고리즘을 설계하기 위해.

제안 방법

• VBP 문제를 정수선형계획형식(ILP)으로 수립한 후, 정수성 제약 조건을 제거하여 선형계획식(LP) 타당화를 얻는다.
• 이분 탐색을 사용하여, 타당한 해를 갖는 최소한의 백팩 수 m' 을 결정함으로써, m' ≤ OPT 임을 보장한다.
• m' 의 값에 따라 입력을 세 가지 경우로 분류한다: m ≥ n/2, m ≤ √(n/d), 또는 중간 범위.
• 각 경우에 맞는 다른 히우리스틱을 적용한다: 고 m 에서는 FirstFit, 저 m 에서는 GreedyLP, 중간 m 에서는 IterativePack.
• IterativePack 에서는 유틸리티가 높은 백팩(합 ∑x_ij z_ij ≥ 1/2) 을 식별하고, x_ij 값을 내림차순으로 정렬한 후, x_ij ≥ 1/2 인 요소들만을 패킹하여 백팩 사용 수를 줄인다.
• 이중 변수 z_ij 를 사용하여 백팩 선택을 이끌고, 반복 단계에서의 패킹 효율을 향상시킨다.

실험 결과

연구 질문

• RQ1 다차원 벡터 백팩킹 문제에 대해, 차원에 독립적인 근사 보장을 달성할 수 있는가?
• RQ2 LP 타당화와 히우리스틱을 조합하면 기존의 (ln d + 1 + ε) bound 보다 더 나은 근사 비율을 달성할 수 있는가?
• RQ3 입력 크기가 큰 경우, 차원 수 d 에 관계없이 2-OPT 근사 비율을 확보할 수 있는가?
• RQ4 LP 해의 구조를 어떻게 활용하여, 성능이 유한한 방식으로 백팩 패킹 결정을 이끌 수 있는가?

주요 결과

• 제안된 알고리즘은 차원 d 와 관계없이 큰 입력에 대해 2-OPT 근사 보장을 달성한다.
• m ≤ √(n/d) 인 입력에 대해서는, GreedyLP 히우리스틱이 근사적으로 최적에 가까운 백팩 활용도를 보여, 최대 2×OPT 백팩을 사용한다.
• IterativePack 단계에서 각 반복마다 x_ij ≥ 1/2 인 벡터들만 패킹되므로, 최대 최적의 두 배 이내의 백팩 수를 사용함을 보장한다.
• 특정 입력 유형에 대해서는 알고리즘의 성능이 θ(1) 근사 비율로 유한하게 제한되며, Bansal 등이 제시한 (ln d + 1 + ε) bound 보다 향상된 결과를 얻는다.
• 고유용성 백팩에 집중함으로써 각 반복 후 남은 벡터 수를 효과적으로 줄여, 효율적인 패킹을 이룬다.