[论文解读] Empirical evaluation of construction heuristics for the multidimensional assignment problem
本文评估了四种构造启发式算法——贪心法、最大遗憾法、ROM以及一种新型的Shift-ROM——在多维分配问题（s-AP）中的表现，提出了一种维度转移优化方法以提升ROM的对称性与性能。Shift-ROM在解的质量和稳定性方面持续优于其他方法，尤其在s ≥ 4时表现更优，而ROM则在速度与解质量之间提供了良好的权衡。
The multidimensional assignment problem (MAP) (abbreviated s-AP in the case of s dimensions) is an extension of the well-known assignment problem. The most studied case of MAP is 3-AP, though the problems with larger values of s have also a number of applications. In this paper we consider four fast construction heuristics for MAP. One of the heuristics is new. A modification of the heuristics is proposed to optimize the access to slow computer memory. The results of computational experiments for several instance families are provided and discussed.
研究动机与目标
- 评估并比较四种构造启发式算法在多维分配问题（s-AP）中的性能，特别是针对s > 3的情况。
- 通过在维度的循环排列上应用ROM，提出Shift-ROM以缓解ROM启发式在维度排序上的不对称性。
- 通过优化内存访问模式，提升启发式算法的性能，尤其针对大规模实例。
- 评估不同实例族中解质量与运行时间之间的权衡关系。
- 利用多样化的测试实例（包括随机、复合、CS和GP族），为s-AP启发式算法提供实证基准。
提出的方法
- 提出Shift-ROM，即ROM启发式的变体，通过在问题维度的s个循环排列上应用ROM，以缓解维度排序偏差。
- 优化所有启发式算法中的内存访问模式，以减少缓存未命中，提升现代架构下的运行效率。
- 在贪心法中采用贪心选择策略，每一步选择最小权重的可行向量。
- 使用最大遗憾法，优先选择机会成本最高的变量，即选择遗憾差值最大的（维度，取值）对。
- 将2-AP解应用于由部分赋值导出的矩阵M，以在ROM和Shift-ROM中更新赋值。
- 在ROM中实现递归匹配框架，通过逐步优化坐标前缀，迭代提升赋值质量。
实验结果
研究问题
- RQ1在不同实例族中，Shift-ROM相较于贪心法、最大遗憾法和ROM的性能如何？
- RQ2ROM中的维度排序偏差在多大程度上影响了解的质量？Shift-ROM是否能有效缓解该问题？
- RQ3在不同s值和n值下，各启发式算法在解质量与运行时间之间的权衡关系如何？
- RQ4内存访问优化在实际中对构造启发式算法的运行时间有何影响？
- RQ5哪种启发式算法在各类s-AP实例类型中展现出最稳定和鲁棒的性能？
主要发现
- Shift-ROM在所有实例族中均实现了最佳平均解质量，在GP实例上的平均误差为10%，且误差从未超过16.1%。
- 最大遗憾法在3-AP实例中产生最佳解，但其运行时间约为Shift-ROM的10倍，且误差方差更高（最高达25.7%）。
- ROM是最快的启发式算法，尤其在s ≥ 4时表现突出，时间复杂度为O(ns + sn³)，在GP实例上解的质量仅比Shift-ROM差1.5倍。
- 贪心法整体运行最快，尤其在随机实例中因最小权重向量密度高而表现优异，但其解质量最差，平均误差超过200%。
- 与最大遗憾法相比，Shift-ROM在解质量和运行时间方面均表现出更优的稳定性，因此在实际部署中更具可靠性。
- 在复合实例中，当s ≥ 4时，Shift-ROM优于其他方法；而最大遗憾法在3-AP中表现最佳，凸显了根据s值选择合适启发式的重要性。
更好的研究，从现在开始
从阅读论文到最终审阅，大幅缩短您的研究时间。
无需绑定信用卡
本解读由 AI 生成，并经人工编辑审核。