[论文解读] Eight-Fifth Approximation for TSP Paths

András Sebö|Sep 16, 2012

Vehicle Routing Optimization Methods参考文献 18被引用 14

一句话总结

本文提出了一种针对度量 {s,t}-路径 TSP 的 8/5-近似算法，采用改进的 'Best of Many' Christofides 算法。通过分解最优分数解并使用定制向量完成 x*/2，该方法获得了比先前方法更紧的界，优于之前最佳比值 (1+√5)/2 ≈ 1.618。

ABSTRACT

We prove the approximation ratio 8/5 for the metric $\{s,t\}$-path-TSP problem, and more generally for shortest connected $T$-joins. The algorithm that achieves this ratio is the simple "Best of Many" version of Christofides' algorithm (1976), suggested by An, Kleinberg and Shmoys (2012), which consists in determining the best Christofides $\{s,t\}$-tour out of those constructed from a family $\Fscr_{>0}$ of trees having a convex combination dominated by an optimal solution $x^*$ of the fractional relaxation. They give the approximation guarantee $\frac{\sqrt{5}+1}{2}$ for such an $\{s,t\}$-tour, which is the first improvement after the 5/3 guarantee of Hoogeveen's Christofides type algorithm (1991). Cheriyan, Friggstad and Gao (2012) extended this result to a 13/8-approximation of shortest connected $T$-joins, for $|T|\ge 4$. The ratio 8/5 is proved by simplifying and improving the approach of An, Kleinberg and Shmoys that consists in completing $x^*/2$ in order to dominate the cost of "parity correction" for spanning trees. We partition the edge-set of each spanning tree in $\Fscr_{>0}$ into an $\{s,t\}$-path (or more generally, into a $T$-join) and its complement, which induces a decomposition of $x^*$. This decomposition can be refined and then efficiently used to complete $x^*/2$ without using linear programming or particular properties of $T$, but by adding to each cut deficient for $x^*/2$ an individually tailored explicitly given vector, inherent in $x^*$. A simple example shows that the Best of Many Christofides algorithm may not find a shorter $\{s,t\}$-tour than 3/2 times the incidentally common optima of the problem and of its fractional relaxation.

研究动机与目标

• 将度量 {s,t}-路径 TSP 的近似比改进至超过之前最佳的 (1+√5)/2 ≈ 1.618。
• 在不依赖线性规划或复杂网络流技术的前提下，简化并强化 'Best of Many' Christofides 算法的分析。
• 提供一个适用于最短连通 T-连接的通用框架，将结果推广至更广泛的组合优化问题。
• 仅使用生成树的凸组合与显式向量完成，实现 {s,t}-路径 TSP 的 8/5 可证明近似保证。
• 证明该方法可应用于变体问题，如聚类 TSP 和奖赏收集 s-t 路径 TSP，并获得改进的性能保证。

提出的方法

• 该算法构建一个生成树族 F>0，其凸组合被最优分数解 x* 所支配。
• F>0 中的每棵树被划分为一个 {s,t}-路径及其补集，从而诱导出 x* 的分解。
• 通过为每个在 x*/2 中不足的割添加显式定义的定制向量来完成 x*/2，避免使用线性规划。
• 引入一个新的向量 x^Q，定义为边 e 属于随机森林 Q 与树族 F 的交集的概率，该向量支配奇偶性修正成本。
• 分析用 x^Q 替代 An 等人使用的复杂 f_Ui* 向量，简化了证明，同时保持了紧致性。
• 通过最小化捕捉期望成本增加的二元函数 f(β,y) 得到性能界，证明当 y=0 时最小值 ε 达到，从而确认 8/5 的比值。

实验结果

研究问题

• RQ1 是否可以在不依赖线性规划的前提下，使 'Best of Many' Christofides 算法在 {s,t}-路径 TSP 上实现 8/5 的近似比？
• RQ2 是否可以将 An 等人分析中复杂的 f_Ui* 向量替换为更简单、更显式的向量 x^Q，同时仍能保证紧致的性能界？
• RQ3 使用定制向量对 x*/2 进行改进完成，是否能实现优于之前 (1+√5)/2 的可证明更优近似比？
• RQ4 该方法是否可推广至其他 T-连接问题，如聚类 TSP 或奖赏收集 s-t 路径 TSP？
• RQ5 完成向量的缩放与最终近似比之间的最优权衡是什么？是否可进行解析最小化？

主要发现

• 本文在度量 {s,t}-路径 TSP 上实现了 8/5 = 1.6 的近似比，优于之前最佳比值 (1+√5)/2 ≈ 1.618。
• 该方法用更简单、显式定义的向量 x^Q 替代了线性规划与基于网络流的 f_Ui* 向量，x^Q 定义为边 e 属于随机森林 Q 与树族 F 的交集的概率。
• 分析表明，完成向量之和被 p* 支配，其中除非 c^T q* < (1/2 + ε)c^T x*，否则 c^T p* < (1/2 - ε)c^T x*，从而实现更紧密的成本控制。
• 性能参数 y（完成向量的缩放）的最优值被确定为 0，确认在当前框架下 8/5 的界是紧致的。
• 该方法被扩展至变体问题：具有常数个聚类的聚类 TSP 现在具有 8/5-近似，奖赏收集 s-t 路径 TSP 的近似比为 1.94837。
• 一个反例表明，Best of Many Christofides 算法在某些情况下可能无法优于最优解的 3/2 倍，凸显了 8/5 结果的非平凡性。