[논문 리뷰] A $(\frac32+\frac1{\mathrm{e}})$-Approximation Algorithm for Ordered TSP

Susanne Armbruster, Matthias Mnich외 1명|arXiv (Cornell University)|2024. 01. 01.

Optimization and Search Problems인용 수 1

한 줄 요약

이 논문은 순서가 지정된 TSP 문제에 대해 새로운 선형계획법(Linear Programming, LP) 리 릿지제약을 도입하고, 랜덤화된 라운딩 절차를 통해 LP 해를 가중치가 부여된 트리로 분해함으로써, 기존의 5/2-근사치보다 훨씬 향상된 $(\frac{3}{2} + \frac{1}{e})$-근사 알고리즘을 제시한다. 이 알고리즘은 약 1.868의 근사비율을 달성한다. 조건부 기대값을 이용한 데랜덤화 기법을 통해 트리를 조합하여 유효한 순회를 구성함으로써, 기존의 5/2-근사치를 크게 뛰어넘는 성능을 확보한다.

ABSTRACT

We present a new $(\frac32+\frac1{\mathrm{e}})$-approximation algorithm for the Ordered Traveling Salesperson Problem (Ordered TSP). Ordered TSP is a variant of the classical metric Traveling Salesperson Problem (TSP) where a specified subset of vertices needs to appear on the output Hamiltonian cycle in a given order, and the task is to compute a cheapest such cycle. Our approximation guarantee of approximately $1.868$ holds with respect to the value of a natural new linear programming (LP) relaxation for Ordered TSP. Our result significantly improves upon the previously best known guarantee of $\frac52$ for this problem and thereby considerably reduces the gap between approximability of Ordered TSP and metric TSP. Our algorithm is based on a decomposition of the LP solution into weighted trees that serve as building blocks in our tour construction.

연구 동기 및 목표

• 기존의 메트릭 TSP와의 근사 가능성 간격을 좁히기 위해 순서가 지정된 TSP의 최고의 근사비율을 향상시키는 것.
• 순서가 지정된 정점의 구조를 반영할 수 있도록 순서가 지정된 TSP에 특화된 새로운 선형계획법 리 릿지제약을 개발하는 것.
• 트리 분해와 조건부 기대값을 활용하여 강력한 근사 보장을 달성하는 다항시간 내 라운딩 알고리즘을 설계하는 것.
• 최근 메트릭 TSP 분야의 발전을 고려할 때, 기존의 5/2-근사치보다 훨씬 뛰어난 순서가 지정된 TSP의 근사 성능을 입증하는 것.

제안 방법

• 순서가 지정된 정점의 요구사항을 반영한, 헬드-카프 리 릿지제약을 일반화한 새로운 선형계획법 리 릿지제약을 도입한다.
• LP 해를 순서 제약 조건을 만족하는 트리에 대응하는 간선 집합의 볼록 조합으로 분해한다.
• 비용과 순서 제약 조건에 기여하는 바를 기반으로 트리를 선택하는 랜덤화된 라운딩 전략을 사용하여, 기대 비용이 $(\frac{3}{2} + \frac{1}{e})$ 배의 최적 LP 값 이내로 제한되도록 보장한다.
• 조건부 기대값 기법을 적용하여 라운딩 과정을 데랜덤화함으로써, 기대 비용의 상한을 유지하면서도 다항시간 내에 계산이 가능하도록 한다.
• 선택된 트리와 간선들로부터 연결된 오일러 다중그래프를 구성하고, 이를 유효한 해밀토니안 순회로 변환한다. 이 순회에서는 정해진 정점 순서를 반드시 준수한다.
• 블로우트와 나게레(2023)가 제시한 연결성 제약 조건 하에서의 트리 분해에 관한 기존 결과를 활용하여, 필요한 트리 집합의 존재성과 효율적 계산 가능성을 보장한다.

실험 결과

연구 질문

• RQ1 새로운 LP 리 릿지제약과 라운딩 기법을 통해 순서가 지정된 TSP에 대해 5/2를 초월하는 근사비율을 달성할 수 있는가?
• RQ2 순서가 지정된 정점 제약 조건의 구조를 선형계획법 공식화에 효과적으로 반영할 수 있는가?
• RQ3 순서가 지정된 TSP의 LP 해를 순서 제약 조건을 유지하는 트리들의 볼록 조합으로 분해할 수 있는가? 이는 저비용 순회 구성에 기여한다.
• RQ4 랜덤화된 라운딩 과정은 근사 보장을 유지하면서도 효율적으로 데랜덤화할 수 있는가?
• RQ5 최근 메트릭 TSP 분야의 발전을 고려할 때, 새로운 LP 리 릿지제약는 기존 방법보다 엄밀히 더 나은 근사비율을 제공하는가?

주요 결과

• 논문은 순서가 지정된 TSP에 대해 $(\frac{3}{2} + \frac{1}{e})$-근사비율을 달성하였으며, 이는 약 1.868로 기존의 최고의 근사치인 5/2보다 뚜렷이 향상된 결과이다.
• 새로운 LP 리 릿지제약는 기존 표준 방법에 비해 최적 해에 대한 더 날카로운 하한을 제공하여, 더 나은 근사 보장을 가능하게 한다.
• 랜덤화된 라운딩 절차는 구성된 순회의 기대 비용이 최적 LP 해의 비용의 $(\frac{3}{2} + \frac{1}{e})$ 배 이내로 제한됨을 보장한다.
• 조건부 기대값을 통한 데랜덤화 과정은 근사 보장을 유지하면서도 다항시간 내에 실행 가능함을 보장한다.
• 트리 분해 기법은 각 순서 체인에 속한 정점들이 순서대로 방문됨을 보장함으로써 순서 제약 조건을 효과적으로 반영하였다.
• 이 방법은 우선순위 제약 조건이 있는 TSP로 일반화 가능하며, 향후 이 보다 넓은 문제 범주에 대한 근사 알고리즘 개발의 기반을 제공한다.