[논문 리뷰] The Product Knapsack Problem: Approximation and Complexity

Ulrich Pferschy, Joachim Schauer외 1명|arXiv (Cornell University)|2019. 01. 03.

Optimization and Search Problems참고 문헌 3인용 수 3

한 줄 요약

이 논문은 제품0-1 배낭문제(PKP)가 약한 NP-난이도임을 증명하고, 수익의 공간에서 동적 프로그래밍 기반의 완전 다항시간 근사법(FPTAS)을 제안한다. 또한 자연스러운 그레디 확장의 성능을 분석하여, 이는 최적의 근사 비율을 달성하지 못하며, 표준 복잡도 가정 하에 제안된 FPTAS가 최적임을 증명한다.

ABSTRACT

We consider the product knapsack problem, which is the variant of the classical 0-1 knapsack problem where the objective consists of maximizing the product of the profits of the selected items. These profits are allowed to be positive or negative. We show that this recently introduced variant of the knapsack problem is weakly NP-hard and present a fully polynomial-time approximation scheme (FPTAS) for the problem. Moreover, we analyze the approximation quality achieved by a natural extension of the classical greedy procedure to the product knapsack problem.

연구 동기 및 목표

• 선택된 항목 수익의 곱을 최대화하는 것을 목표로 하는 제품0-1 배낭문제(PKP)의 계산 복잡도를 규명하는 것.
• 기존 그레디 알고리즘이 일정한 근사 비율을 확보하지 못하는 데에도 불구하고, PKP에 대한 완전 다항시간 근사법(FPTAS)을 개발하는 것.
• 고전적 그레디 알고리즘의 자연스러운 확장이 PKP 설정에 적용되었을 때의 근사 품질을 분석하는 것.
• 제안된 FPTAS가 표준 복잡도 가정 하에 최적의 근사 성능을 달성함을 증명하는 것.
• PKP에 대한 그레디 접근 방식이 최적 해에 비해 하위 최적의 근사 비율을 보이며, 이 경계가 渐近적으로 날카로운지 확인하는 것.

제안 방법

• 기본 0-1 배낭문제에서의 감소를 통해 PKP의 약한 NP-난이도를 증명하며, 해 구조를 유지하는 변환을 사용한다.
• 수익의 로그 변환 기반 동적 프로그래밍을 사용하여 곱 최적화 문제를 합 최적화 문제로 환원함으로써 FPTAS를 구성한다.
• 음수 수익을 가진 항목을 처리하기 위해 분할 기법을 적용하며, 음수 수익 항목의 수에 대한 기하학적 제약을 만족시키기 위해 분할 항목을 도입한다.
• 수익의 로그 값에 대해 반올림 절차를 적용하여 오차 범위를 통제하면서 다항시간 근사 해를 확보한다.
• 해밀턴 해의 로그 목표치가 로그 공간에서 최적 해의 목표치에 비해 얼마나 작을지를 근사 비율로 제한함으로써 근사 비율을 분석한다.
• 이론적 경계에 도달하는 예시를 구성하여 근사 비율의 날카로움을 증명한다.

실험 결과

연구 질문

• RQ1 제품0-1 배낭문제(PKP)는 약한 NP-난이도이며, 이 복잡도는 공식적으로 증명될 수 있는가?
• RQ2 기존 그레디 휴리스틱이 실패함에도 불구하고, PKP에 대한 완전 다항시간 근사법(FPTAS)을 구성할 수 있는가?
• RQ3 고전적 그레디 알고리즘의 자연스러운 확장이 PKP 설정에서 달성할 수 있는 최고의 근사 비율은 무엇인가?
• RQ4 그레디 알고리즘의 성능은 최악의 경우 최적 해와 비교해 어떻게 되는가?
• RQ5 표준 복잡도 가정 하에 FPTAS가 근사 비율 측면에서 최적임을 입증할 수 있는가?

주요 결과

• 제품0-1 배낭문제(PKP)는 기본 0-1 배낭문제에서의 감소를 통해 약한 NP-난이도임이 증명되었다.
• 수익의 로그 값 기반 동적 프로그래밍을 사용하여 FPTAS를 구성하였으며, 이는 n, C, 및 1/ε에 대해 다항 시간 내에 (1−ε)-근사 해를 달성한다.
• PKP에 확장된 그레디 알고리즘은 최대 (z*)^{1/3}의 근사 비율을 달성하며, 이 경계는 渐近적으로 날카로운 것으로 밝혀졌다.
• 그레디 해의 로그 공간에서의 덧셈 오차는 2·log(p_max) 이하로 제한되며, 이는 최악의 경우 근사 비율이 z*^{1/3} · p_max^2가 되도록 이끌어낸다.
• FPTAS 구성은 P=NP가 아닌 한 다항 시간 내에 더 나은 근사 비율을 달성할 수 없음을 의미하여, 최적성의 의미에서 최적임을 입증한다.
• 그레디 알고리즘의 해 값이 오직 2(M+2)에 불과한 반면 최적 해는 (M+2)M²를 달성하는 예시가 제시되어 이론적 근사 경계가 확인되었다.