[论文解读] Approximation Algorithms for Orienteering with Time Windows

Chandra Chekuri, Nitish Korula|ArXiv.org|Nov 29, 2007

Optimization and Packing Problems参考文献 15被引用 15

一句话总结

本文提出了用于带时间窗的探索者问题（Orienteering-TW）的改进近似算法，利用最大与最小时间窗长度之比 $ L_{\max}/L_{\min} $ 实现更优性能。针对整数时间窗，提出 $ O(\alpha \log L_{\max}) $ 近似；针对一般情况，提出 $ O(\alpha \max\{\log \text{OPT}, \log(L_{\max}/L_{\min})\}) $ 近似；当起点和终点未指定时，提出 $ O(\alpha \log(L_{\max}/L_{\min})) $ 近似，在无向图中当 $ L_{\max}/L_{\min} $ 为多项式有界时，可实现 $ O(\log n) $ 近似。

ABSTRACT

Orienteering is the following optimization problem: given an edge-weighted graph (directed or undirected), two nodes s,t and a time limit T, find an s-t walk of total length at most T that maximizes the number of distinct nodes visited by the walk. One obtains a generalization, namely orienteering with time-windows (also referred to as TSP with time-windows), if each node v has a specified time-window [R(v), D(v)] and a node v is counted as visited by the walk only if v is visited during its time-window. For the time-window problem, an O(\log \opt) approximation can be achieved even for directed graphs if the algorithm is allowed quasi-polynomial time. However, the best known polynomial time approximation ratios are O(\log^2 \opt) for undirected graphs and O(\log^4 \opt) in directed graphs. In this paper we make some progress towards closing this discrepancy, and in the process obtain improved approximation ratios in several natural settings. Let L(v) = D(v) - R(v) denote the length of the time-window for v and let \lmax = \max_v L(v) and \lmin = \min_v L(v). Our results are given below with αdenoting the known approximation ratio for orienteering (without time-windows). Currently α= (2+\eps) for undirected graphs and α= O(\log^2 \opt) in directed graphs. 1. An O(α\log \lmax) approximation when R(v) and D(v) are integer valued for each v. 2. An O(α\max{\log \opt, \log \frac{\lmax}{\lmin}}) approximation. 3. An O(α\log \frac{\lmax}{\lmin}) approximation when no start and end points are specified. In particular, if \frac{\lmax}{\lmin} is poly-bounded, we obtain an O(\log n) approximation for the time-window problem in undirected graphs.

研究动机与目标

• 为带时间窗的探索者问题填补多项式时间与准多项式时间近似比之间的差距。
• 通过利用时间窗的结构性质，特别是 $ L_{\max}/L_{\min} $ 的比值，改进近似保证。
• 开发出优于将问题黑箱化为标准探索者问题的算法，尤其在无向图中表现更优。
• 解决在车辆路径规划与调度应用中，节点必须在特定时间区间内访问的时间窗约束挑战。

提出的方法

• 该方法通过将时间窗递归划分为子区间，尤其在 $ L_{\max}/L_{\min} $ 较小时，创建模块化子实例。
• 对于 $ L \leq 2 $ 的情形，算法构建原始问题的五个受限版本，每个子区间长度不超过 0.5，以实现常数因子近似。
• 将 Frederickson-Wittman 算法适配于模块化实例，以处理半整数释放时间或截止时间，从而在特定条件下实现常数因子近似。
• 该方法依赖动态规划处理零长度时间窗，并将已知的 $ \alpha $-近似算法作为黑箱组件用于标准探索者问题。
• 分析修改后实例中的最优解与原问题之间的关系，表明在受限版本中获得良好解，意味着在原问题中也能获得良好解。
• 对于一般情况，将标准探索者问题的 $ \alpha $-近似比与 $ L_{\max}/L_{\min} $ 的对数因子结合，从而获得更优的上界。

实验结果

研究问题

• RQ1 能否通过利用最大与最小时间窗长度之比，实现带时间窗探索者问题的更好多项式时间近似比？
• RQ2 当 $ L_{\max}/L_{\min} $ 为多项式有界时，是否可在无向图中实现 $ O(\log n) $ 近似？
• RQ3 能否避免在有向图中对探索者算法进行黑箱调用，以降低近似比？
• RQ4 当 $ L_{\max}/L_{\min} \leq 2 $ 时，即使未固定起点和终点，是否仍存在常数因子近似？
• RQ5 能否将该近似框架扩展以处理具有多个不相交时间窗的顶点？

主要发现

• 当时间窗为整数值时，实现了 $ O(\alpha \log L_{\max}) $ 近似，其中 $ \alpha $ 为标准探索者问题的近似比。
• 对于一般情形，获得了 $ O(\alpha \max\{\log \text{OPT}, \log(L_{\max}/L_{\min})\}) $ 近似，优于有向图中先前的 $ O(\log^4 \text{OPT}) $ 上界。
• 当未指定起点和终点时，实现了 $ O(\alpha \log(L_{\max}/L_{\min})) $ 近似，尤其在 $ L_{\max}/L_{\min} $ 较小时效果显著。
• 当 $ L_{\max}/L_{\min} $ 为多项式有界时，该算法在无向图中实现了 $ O(\log n) $ 近似，与标准探索者问题的最佳已知比一致。
• 当 $ L \leq 2 $ 时，即使未固定端点，也可通过改进的 Frederickson-Wittman 算法实现常数因子近似。
• 结果表明，时间窗长度比是决定 Orienteering-TW 可解性的重要参数，显著优于黑箱化方法。