[논문 리뷰] Integer Programming for Classifying Orthogonal Arrays

Dursun A. Bulutoglu, Kenneth J. Ryan|arXiv (Cornell University)|2015. 01. 09.

Formal Methods in Verification참고 문헌 29인용 수 9

한 줄 요약

이 논문은 기존에 분류되지 않은 경우를 위해 비이소모피즘 체계를 고려한 두 가지 새로운 정수계획법(IP) 설정을 제안하며, 동일성 제거 기법과 새로운 직교설계 동치성(OD-동치성)을 활용하여 계산 부담을 줄인다. 이 방법을 통해 기존에 대칭성과 조합 폭발으로 인해 해결이 불가능했던 OA(160,k,2,4)의 k=9,10 및 OA(176,k,2,4)의 k=5–10에 대한 분류가 가능해졌다.

ABSTRACT

Classifying orthogonal arrays is a well known important class of problems that asks for finding all non-isomorphic, non-negative integer solutions to a class of systems of constraints. Solved instances are scarce. We develop two new methods based on finding all non-isomorphic solutions of two novel integer linear programming formulations for classifying all non-isomorphic OA(N,k,s,t) given a set of all non-isomorphic OA(N,k-1,s,t). We also establish the concept of orthogonal design equivalence of OA(N,k,2,t) to reduce the number of integer linear programs (ILPs) whose all non-isomorphic solutions need to be enumerated by our methods. For each ILP, we determine the largest group of permutations that can be exploited with the branch-and-bound (B&B) with isomorphism pruning algorithm of Margot [Discrete Optim~4 (2007), 40-62] without losing isomorphism classes of OA(N,k,2,t). Our contributions brought the classifications of all non-isomorphic OA(160,k,2,4) for k=9,10 and OA(176,k,2,4) for k=5,6,7,8,9,10 within computational reach. These are the smallest s=2, t=4 cases for which classification results are not available in the literature.

연구 동기 및 목표

• s=2, t=4, N=160,176인 직교배열(OAs)에 대한 분류 결과가 부족한 문제를 해결하기 위해.
• 직교설계 동치성(OD-동치성)을 통해 대칭성을 활용하여 OAs 분류의 계산 복잡도를 감소시키기 위해.
• 이소모피즘 체계를 유지하면서 분기-한정법과 동일성 제거 기법을 적용한 효율적인 정수계획법(IP) 설정을 개발하여 비이소모피즘 OAs의 열거를 가능하게 하기 위해.
• 낮은 인덱스를 가진 기존 OAs에 열을 체계적으로 추가하여 OAs 분류 기존 방법을 확장하기 위해.

제안 방법

• 기존 OA(N,k-1,2,4)에 새로운 열을 추가하는 방식으로 OA 분류 문제를 두 가지 새로운 정수선형계획법(ILPs)으로 모델링한다.
• 기호 뒤집기 및 순열 대칭성 하에서 동일한 2기호 OAs를 그룹화하기 위해 직교설계 동치성(OD-동치성)을 도입하여 해결이 필요한 ILP의 수를 감소시킨다.
• Margot의 분기-한정법과 동일성 제거 기법을 적용하여 각 ILP의 비이소모피즘 해를 모두 열거하며, 동일성 클래스를 유지한다.
• 전체 열거(전체), ILP 확장(ILP-Ext.), 하이브리드 방법을 조합하여 계산 효율성과 해의 완전성을 균형 있게 유지하는 하이브리드 전략을 사용한다.
• 각 ILP 설정에 대해 동일성 제거와 호환되는 최대 순열군을 식별하여 대칭성 감소를 수행한다.
• 기존에 알려진 분류 결과를 활용하여 접근 방식을 검증하고, MCS 알고리즘 및 기타 최신 기법과의 성능을 비교한다.

실험 결과

연구 질문

• RQ1 기존 문헌에서 분류되지 않은 OA(160,k,2,4) 및 OA(176,k,2,4)의 k=5–10에 대해 새로운 ILP 설정이 비이소모피즘 분류를 효율적으로 수행할 수 있는가?
• RQ2 직교설계 동치성(OD-동치성)이 OAs 분류 과정에서 해결이 필요한 ILP의 수를 얼마나 줄이는가?
• RQ3 제안된 ILP 기반 방법의 성능가 장점이 MCS 알고리즘 및 기타 기존 방법과 비교하여 어떻게 나타나는가?
• RQ4 동일성 제거 기법과 대칭성 인식 ILP 설정의 조합이 λ>1 및 t=4 조건을 가진 기존에 해결이 어려웠던 OAs 인스턴스에 대해 확장 가능한가?
• RQ5 λ=1이고 k>8일 때, N=160 및 N=176인 OA(N,k,2,4)의 분류가 계산적으로 가능한가?

주요 결과

• OA(160,9,2,4)와 OA(160,10,2,4)의 분류가 성공적으로 완료되었으며, 각각 15,083개와 0개의 비이소모피즘 클래스를 기록했고, 이는 ILP-Ext. 방법을 통해 달성되었다.
• OA(176,k,2,4)의 경우 k=5에서 10까지의 모든 비이소모피즘 배열이 분류되었으며, k=9에선 26개의 비이소모피즘 클래스, k=10에선 0개의 클래스를 기록했다.
• OD-동치성의 활용으로 대칭적 설계를 그룹화하여 해결이 필요한 ILP의 수가 감소하였고, 이는 계산 효율성 향상에 기여했다.
• ILP-Ext. 방법은 OA(176,9,2,4)의 실시간 분류를 약 378,241분 내에 달성하여 고-k 사례에 대한 확장성을 입증했다.
• 특히 더 큰 N과 k에 대해선 MCS 알고리즘보다 성능이 뛰어났으며, OA(160,k,2,4)의 경우 ILP 기반 접근은 711,298분이 소요되었고, MCS 알고리즘의 경우 시간이 알려지지 않았다.
• 중간 k 값에 대해선 하이브리드 방법이 가장 효과적이었으며, OA(160,8,2,4)의 경우 1,184분이 소요되어 99,618개의 동일성 클래스를 도출했다.