[논문 리뷰] Slide&Drill, a New Approach for Multi-Objective Combinatorial Optimization

Cortes, João, Lynce, Inês외 1명|arXiv (Cornell University)|2024. 01. 01.

Formal Methods in Verification인용 수 1

한 줄 요약

이 논문은 Pseudo-Boolean Optimization(PBO)를 위한 새로운 병렬 국소 탐색 솔버인 ParLS-PBO를 소개한다. 이는 고정된 스코어링 메커니즘과 솔루션 풀을 통해 스레드 간 고품질 솔루션을 공유함으로써 LS-PBO 프레임워크를 향상시킨다. 솔루션 다양성과 극성 밀도를 스코어링 함수에 통합함으로써 ParLS-PBO는 Gurobi와 같은 상용 솔버와 경쟁 가능한 성능을 달성하며, 순차적 솔버를 능가하고 실제 문제 및 벤치마크 인스턴스에서 뛰어난 확장성을 보여준다.

ABSTRACT

Following the successful use of Propositional Satisfiability (SAT) algorithms in Boolean optimization (e.g., Maximum Satisfiability), several SAT-based algorithms have been proposed for Multi-Objective Combinatorial Optimization (MOCO). However, these new algorithms either provide a small subset of the Pareto front or follow a more exploratory search procedure and the solutions found are usually distant from the Pareto front. We extend the state of the art with a new SAT-based MOCO solver, Slide and Drill (Slide&Drill), that hones an upper bound set of the exact solution. Moreover, we show that Slide&Drill neatly complements proposed UNSAT-SAT algorithms for MOCO. These algorithms can work in tandem over the same shared "blackboard" formula, in order to enable a faster convergence. Experimental results in several sets of benchmark instances show that Slide&Drill can outperform other SAT-based algorithms for MOCO, in particular when paired with previously proposed UNSAT-SAT algorithms.

연구 동기 및 목표

• Pseudo-Boolean Optimization(PBO)에서 순차적 국소 탐색 솔버의 확장성 한계를 해결하기 위해 병렬 실행을 가능하게 하기 위해.
• 새로운 스코어링 메커니즘을 통해 하드 제약 조건 만족도와 목표 함수 개선 간의 동적 균형을 이루어 PBO에서 솔루션 품질과 탐색 효율성을 향상시키기 위해.
• 솔루션 다양성과 극성 정보를 활용해 스레드를 이끄는 공유 솔루션 풀을 유지하여 병렬 탐색의 효과성을 향상시키기 위해.
• 순차적 및 병렬 환경 모두에서 Gurobi와 같은 최신 상용 솔버와 경쟁 가능한 성능을 달성하기 위해.

제안 방법

• 하드 제약 조건 스코어와 목표 함수 스코어 간 균형을 맞춰 국소 탐색에서 변수 뒤집기 방향을 이끄는 동적 스코어링 메커니즘을 도입한다.
• 다중 스레드 간 공유되는 솔루션 풀을 활용해 고품질 타당 솔루션을 저장하고 전파한다.
• 솔루션 품질과 다양성을 모두 고려하여 풀 업데이트를 위한 복합 평가 함수를 설계하여 견고한 풀을 유지한다.
• 국소 탐색 스코어링 함수에 솔루션 풀에서 유도된 극성 밀도를 통합하여 탐색 방향과 수렴 속도를 향상시킨다.
• 각 스레드가 독립적으로 국소 탐색을 수행하고 주기적으로 솔루션을 공유하여 글로벌 탐색을 향상시키는 포트폴리오 기반 병렬 아키텍처를 사용한다.
• 고품질의 시작점으로 재시작하거나 재초기화할 수 있도록 솔루션 풀을 활용하는 수정된 국소 탐색 알고리즘을 적용한다.

실험 결과

연구 질문

• RQ1 하드 제약 조건 만족도와 목표 함수 개선 간 균형을 맞추는 동적 스코어링 메커니즘이 PBO에서 국소 탐색 성능을 크게 향상시킬 수 있는가?
• RQ2 중앙 집중식 풀을 통해 고품질 솔루션을 공유함으로써 병렬 국소 탐색의 성능 향상 정도는 어느 정도인가?
• RQ3 스코어링 함수에 솔루션 다양성과 극성 밀도를 통합할 경우 탐색 효율성과 수렴 속도에 어떤 영향을 미치는가?
• RQ4 PBO를 위한 병렬 국소 탐색 솔버가 Gurobi와 같은 상용 병렬 솔버와 경쟁 가능한 성능을 달성할 수 있는가?

주요 결과

• ParLS-PBO는 모든 벤치마크에서 최고의 순차적 PBO 솔버인 NuPBO를 능가하여 3600초 이내에 1524개 인스턴스 중 1238개를 해결한 반면, NuPBO는 1002개를 해결했다.
• 실제 문제 벤치마크에서 ParLS-PBO는 3600초 이내에 63개 인스턴스 중 59개를 승리했으며, FiberSCIP를 능가하고 Gurobi의 성능을 따라잡았다.
• ParLS-PBO는 총 1524개 인스턴스 중 3600초 이내에 1201개를 승리하여 Gurobi의 32스레드 병렬 버전과 경쟁 가능한 성능을 보였다.
• 확장성 분석 결과, 스레드 수가 늘어날수록 ParLS-PBO의 성능이 향상되었으며, 4에서 32개 스레드로 증가할수록 #win 수가 증가하여 효과적인 병렬화가 확인되었다.
• 제거 실험 결과, 솔루션 풀과 글로벌 스코어링 메커니즘이 필수적임을 입증하였으며, 이들 기능을 제거한 변종은 성능이 크게 떨어졌다.