[논문 리뷰] A Local Search Algorithm for Large Maximum Weight Independent Set Problems

Yuanyuan Dong, Andrew V. Goldberg외 4명|arXiv (Cornell University)|2022. 01. 01.

Vehicle Routing Optimization Methods인용 수 1

한 줄 요약

이 논문은 대규모 최대무게 독립집합(MWIS) 문제를 위한 새로운 GRASP 기반 국소 탐색 메타휴리스틱인 METAMIS를 제안한다. 이는 고도로 발전된 데이터 구조, 새로운 경로 재결합 변형, 번갈아가며 증가 경로를 이동하는 방식을 활용한다. 이는 대규모 차량 경로 설정 인스턴스에서 최신 오픈소스 솔버들을 능가하며, 최대 900,000개의 노드와 1억 개의 간선을 가진 그래프에서 뛰어난 해의 품질을 달성한다.

ABSTRACT

Motivated by a real-world vehicle routing application, we consider the maximum-weight independent set problem: Given a node-weighted graph, find a set of independent (mutually nonadjacent) nodes whose node-weight sum is maximum. Some of the graphs airsing in this application are large, having hundreds of thousands of nodes and hundreds of millions of edges. To solve instances of this size, we develop a new local search algorithm, which is a metaheuristic in the greedy randomized adaptive search (GRASP) framework. This algorithm, which we call METAMIS, uses a wider range of simple local search operations than previously described in the literature. We introduce data structures that make these operations efficient. A new variant of path-relinking is introduced to escape local optima and so is a new alternating augmenting-path local search move that improves algorithm performance. We compare an implementation of our algorithm with a state-of-the-art openly available code on public benchmark sets, including some large instances with hundreds of millions of vertices. Our algorithm is, in general, competitive and outperforms this openly available code on large vehicle routing instances. We hope that our results will lead to even better MWIS algorithms.

연구 동기 및 목표

• 실제 차량 경로 설정 응용 분야에서 발생하는 대규모 최대무게 독립집합(MWIS) 문제를 해결하는 데 도전한다.
• 수십만 개의 노드와 수천만 개의 간선을 가진 그래프를 효율적으로 처리할 수 있는 확장 가능한 메타휴리스틱을 개발한다.
• 기존 표준 벤치마크에 잘 반영되지 않은, 구조적으로 다样的한 대규모 MWIS 인스턴스에서의 해의 품질과 성능을 향상시킨다.
• 선형계획법(LP) 근사 해를 활용해 국소 탐색을 이끌고 해의 품질을 향상시킨다.
• 특히 차량 경로 설정에서 유래한 대규모 MWIS 인스턴스에 대해 경쟁력 있는 오픈소스 솔루션을 제공한다.

제안 방법

• 지역 최적해에서 벗어나기 위해 잘라낸 경로 재결합을 활용한 GRASP 기반 메타휴리스틱 프레임워크를 설계한다.
• 해의 품질과 수렴 속도를 향상시키기 위해 새로운 번갈아가며 증가 경로를 이동하는 국소 탐색 동작을 도입한다.
• 대규모 그래프에서 다양한 국소 탐색 동작을 효율적으로 지원하기 위해 맞춤형 데이터 구조를 개발한다.
• 탐색과 성능의 균형을 고려해 탐색 범위를 제한하고 효율적인 변형을 사용하여 대규모 문제에 적합한 경로 재결합을 적응시킨다.
• 최적의 LP 근사 해를 국소 탐색의 이동을 안내하는 데 사용하며, 노드 선택과 동작 평가에 영향을 주는 구조적 통찰을 추출한다.
• 차량 경로 설정 응용에서 유도된 고품질의 초기 해를 사용해 온난 시작(warm-start) 기능을 구현하여 수렴 속도를 가속화한다.

실험 결과

연구 질문

• RQ1 고도로 발전된 국소 탐색 동작과 경로 재결합을 갖춘 GRASP 기반 메타휴리스틱이 최대 900,000개의 노드를 가진 대규모 MWIS 문제를 효과적으로 해결할 수 있는가?
• RQ2 복잡한 그래프 구조를 가진 대규모 실세계 차량 경로 설정 인스턴스에서 METAMIS는 최신 오픈소스 솔버들과 비교해 어떻게 성능을 내는가?
• RQ3 LP 근사 해가 MWIS 문제에서 국소 탐색을 얼마나 효과적으로 이끌 수 있는가? 이는 해의 품질 향상과 수렴 속도 향상에 어떤 영향을 미치는가?
• RQ4 제안된 경로 재결합 변형은 수백만 개의 간선을 가진 대규모 밀도 높은 그래프에 효과적으로 스케일링되는가?
• RQ5 이 알고리즘은 차량 경로 설정, 지ap 레이블링, 지도 매칭 등 다양한 MWIS 인스턴스에서 잘 작동하도록 튜닝될 수 있는가?

주요 결과

• METAMIS는 대규모 차량 경로 설정 인스턴스에서 최신 오픈소스 솔버인 ILSVND를 능가하며, 유사하거나 더 짧은 시간 내에 더 높은 목표값을 달성한다.
• 약 90만 개의 노드와 1억 개의 간선을 가진 roadNet-TX 인스턴스에서 METAMIS는 1,400초 내에 목표값 1480만을 달성하여 ILSVND의 성능을 뛰어넘었다.
• 지도 레이블링 가족 인스턴스에서는 METAMIS와 ILSVND가 대부분의 경우 동일한 해에 수렴하여 많은 경우에 near-optimal 또는 optimal 해에 도달한 것으로 나타났다.
• METAMIS는 표준 DIMACS 인스턴스보다 구조적으로 다를 뿐 아니라 더 큰 새로운 VR-MWIS 벤치마크 세트에서 뛰어난 성능을 보였다.
• 고품질의 초기 해를 사용한 온난 시작은 차량 경로 설정 응용에서 해의 품질 향상과 수렴 속도 향상에 크게 기여했다.
• 초기 결과에 따르면, METAMIS는 DIMACS 인스턴스에서는 ILSVND보다 성능이 열 劣한 편이지만, 이는 대규모 VR 그래프에 특화된 파rameter 튜닝과 DIMACS에서 유도된 MWIS 인스턴스의 높은 밀도 구조 때문일 가능성이 높다.