[论文解读] Balanced Combinations of Solutions in Multi-Objective Optimization

Christian Glaßer, Christian Reitwießner+1 more|arXiv (Cornell University)|Jul 30, 2010

Complexity and Algorithms in Graphs参考文献 16被引用 3

一句话总结

本文提出了一种基于拓扑度理论的新型多目标优化平衡技术，通过该理论将向量序列划分为若干区间，使各目标下的向量和近乎相互抵消。该方法在多目标最大加权可满足性问题中实现了确定性的 1/2-近似，在多目标最大异向TSP问题中实现了随机化的 1/2-近似，相较于先前工作，使用了更简单的算法并取得了改进。

ABSTRACT

For every list of integers x_1, ..., x_m there is some j such that x_1 + ... + x_j - x_{j+1} - ... - x_m \approx 0. So the list can be nearly balanced and for this we only need one alternation between addition and subtraction. But what if the x_i are k-dimensional integer vectors? Using results from topological degree theory we show that balancing is still possible, now with k alternations. This result is useful in multi-objective optimization, as it allows a polynomial-time computable balance of two alternatives with conflicting costs. The application to two multi-objective optimization problems yields the following results: - A randomized 1/2-approximation for multi-objective maximum asymmetric traveling salesman, which improves and simplifies the best known approximation for this problem. - A deterministic 1/2-approximation for multi-objective maximum weighted satisfiability.

研究动机与目标

• 开发一种利用 k 次加法与减法交替操作来平衡 k 维整数向量的方法，从而实现平衡解的多项式时间计算。
• 将此平衡结果应用于多目标优化问题，其中冲突的目标使得无法找到单一最优解。
• 为多目标 MaxATSP 和 MaxSAT 的变种设计高效的近似算法，以比以往工作更简单的算法实现 1/2-近似。
• 证明多目标问题的帕累托集可接受大小为多项式时间的 (1−ε)-近似，从而在完整帕累托集呈指数级规模时仍能实现高效近似。

提出的方法

• 核心方法利用拓扑度理论中的奇映射定理，并将其离散化以处理整数向量，证明存在 k 个互不相交的区间，其向量和在所有分量上近乎相互抵消。
• 对于 k 维向量序列，该方法保证区间内向量和与区间外向量和的差在每个分量上不超过 4kz，其中 z 为向量分量的上界。
• 通过穷举搜索所有可能的 k 个区间组合（固定维度时），寻找平衡划分，从而在 k 为常数时实现多项式时间计算。
• 在 MaxSAT 中，该方法通过迭代为变量赋值，保持部分赋值状态，并对剩余未满足的子句应用平衡结果以提升近似效果。
• 在 MaxATSP 中，该算法扩展了经典的环覆盖方法，将平衡结果应用于多目标下的边权，确保平衡的权衡。
• 关键创新在于将多目标近似问题转化为离散平衡问题，再通过区间组合的穷举搜索求解。

实验结果

研究问题

• RQ1 能否将 k 维整数向量序列划分为 k 个区间，使得区间内向量和在所有分量上近乎抵消区间外的和？
• RQ2 是否存在一种多项式时间可计算的方法，用于平衡具有 k 个标准的多目标优化问题中的冲突目标？
• RQ3 该平衡结果能否用于推导出多目标 MaxATSP 和 MaxSAT 的改进近似算法？
• RQ4 即使帕累托集呈指数级规模，平衡划分的存在是否意味着多目标 MaxSAT 和 MaxATSP 可实现 1/2-近似？
• RQ5 拓扑度理论结果能否被离散化并有效应用于具有多个目标的组合优化问题？

主要发现

• 本文证明，对于任意有界于 z 的 k 维整数向量序列，存在一种划分为 k 个区间的划分方式，使得每个分量的不平衡度不超过 4kz。
• 为 k 目标最大异向 TSP 开发了一种随机化的 1/2-近似算法，优于以往随机近似算法中低于 1/2 的性能。
• 在多目标最大加权可满足性问题中实现了确定性的 1/2-近似，简化并改进了先前方法。
• MaxSAT 的算法采用一种结合迭代变量选择与剩余子句区间平衡的真值赋值策略，确保 1/2-近似保证。
• 该方法表明，1/2-近似不仅适用于 MaxATSP，也适用于 MaxSAT，即使同时处理多个目标也具有可行性。
• 结果表明，该平衡框架即使在完整帕累托集难以计算时，也能实现高效近似，为多目标优化提供了一般性工具。