[论文解读] An Improved Guillotine Cut for Squares

Gálvez, Waldo, Grandoni, Fabrizio+3 more|arXiv (Cornell University)|Jan 1, 2021

Optimization and Packing Problems参考文献 42被引用 1

一句话总结

本论文提出了一种针对二维背包问题（2DK）的 (4/3 + ε)-近似算法，适用于允许和不允许物品旋转的情况，通过一种新颖的背包划分方法，将其划分为 Oε(1) 个结构化区域（包括 L 形、U 形、Z 形及类似螺旋的走廊），而非仅一个 L 形区域。该方法通过分层分解与随机strip移除技术，实现了对小件及倾斜矩形的更高效装填，显著优于先前 17/9 + ε 的近似比。

ABSTRACT

Given a set of n non-overlapping geometric objects, can we separate a constant fraction of them using straight-line cuts that extend from edge to edge? In 1996, Urrutia posed this question for compact convex objects. Pach and Tardos later refuted it for general line segments by constructing a family where any separable subfamily has size at most O (n^{log₃ 2}). However, for axis-parallel rectangles, they provided positive evidence, showing that an Ω(1/log n)-fraction can be separated. This problem naturally arises in geometric approximation algorithms. In particular, when restricting cuts to only orthogonal straight lines, known as a guillotine cut sequence, any bound on the separability ratio directly translates into a clean and simple dynamic programming for computing a maximum independent set of geometric objects. This paper focuses on the case when the objects are squares. For squares of arbitrary sizes, an Ω(1)-fraction can be separated (Abed et al., APPROX 2015), recently improved to 1/40 (and 1/160 ≈ 0.62% for the weighted case) (Khan and Pittu, APPROX 2020). We further improve this bound, showing that a 9/256 ≈ 3.51% can be separated for the weighted case. This result significantly narrows the possible range for squares to [3.51%, 50%]. The key to our improvement is a refined analysis of the existing framework.

研究动机与目标

• 改进二维背包问题（2DK）的多项式时间近似比，尽管已有进展，但该问题仍是主要开放问题。
• 通过引入超越简单矩形和单个 L 形的更复杂结构化区域，突破标准基于盒子的划分方法固有的 2-近似障碍。
• 解决 Gálvez 等人提出的开放问题：在伪多项式时间内高效装填至多个 L 形或复杂形状容器中。
• 对加权与未加权版本的 2DK 实现更优的近似比，尤其在允许物品旋转的约束下。
• 将结构化装填框架推广至最多一个方向变化的走廊（如螺旋形与双螺旋形），以更高效利用空间。

提出的方法

• 将背包划分为 Oε(1) 个盒子与 Oε(1) 个复杂形状区域（L 形、U 形、Z 形、螺旋形、双螺旋形），以支持结构化、非重叠的物品放置。
• 采用随机 strip 移除技术，释放一条宽度为 εN/40 的细长水平或垂直条带，确保在期望下仅损失少量高价值物品。
• 按类型对物品分组（长条形、短条形、倾斜形、小件），并采用定制策略进行装填：小件使用 NFDH 算法，其余则根据方向与尺寸结构化装入盒子与走廊。
• 算法采用分层分解：首先计算粗粒度的盒子与走廊划分；随后根据几何特征与收益标准将物品分配至各区域。
• 关键技术组件是资源增强引理的应用，用于重新定位盒子并保持一条自由条带以供后续装填。
• 最终的近似保证通过五种不同装填配置（装填 1–5）的平均论证推导得出，每种配置针对最优解的不同结构特性进行优化。

实验结果

研究问题

• RQ1 能否通过将背包划分为超越单一 L 形的更复杂几何区域，将 2DK 的近似比提升至 17/9 + ε 以上？
• RQ2 是否可能在伪多项式时间内高效地将物品装填至多个 L 形或螺旋形容器中，如 Gálvez 等人提出的开放问题所述？
• RQ3 使用最多一个方向变化的走廊（如螺旋形）是否能带来优于标准矩形或单个 L 形划分的近似比？
• RQ4 多种结构化区域（L 形、U 形、Z 形、螺旋形）的组合是否能实现比以往仅依赖单一非矩形区域的方法更紧的近似比？
• RQ5 能否利用随机 strip 移除技术，保留最优利润的常数比例，同时支持在剩余区域中进行结构化装填？

主要发现

• 本论文在不允许可旋转的加权 2DK 问题中实现了 (4/3 + ε)-近似比，优于先前最优的 17/9 + ε。
• 在允许物品旋转的加权 2DK 问题中，本论文实现了 (4/3 + ε)-近似比，优于先前的 (3/2 + ε) 边界。
• 在未加权且允许旋转的情况下，算法实现了 (5/4 + ε)-近似比，优于先前的 (4/3 + ε) 结果。
• 算法的时间复杂度为 (nN)^Oε(1)（伪多项式时间），在输入规模相对于 n 多项式有界的假设下是高效的。
• 关键技术突破在于使用多个复杂形状区域（包括螺旋形与双螺旋形）替代单一 L 形区域，从而更高效利用空间并提升近似性能。
• 最终的近似比通过五种不同装填配置的平均论证证明，每种配置均利用了最优解的不同结构特性。