[论文解读] Linear-Programming based Approximation Algorithms for Multi-Vehicle Minimum Latency Problems

Ian Post, Chaitanya Swamy|arXiv (Cornell University)|Nov 17, 2014

Vehicle Routing Optimization Methods参考文献 23被引用 6

一句话总结

本文提出了基于线性规划的新型近似算法，用于多车辆最小延迟问题，针对多 depot 版本实现了 8.497 的近似比，针对单 depot 版本实现了 7.183 的近似比——这是超过十年来的首次改进。该研究利用配置和双向 LP 松弛，首次为该类问题提供了 LP 方法有效性的实证证据，其应用涵盖车辆路径规划与图搜索。

ABSTRACT

We consider various {\em multi-vehicle versions of the minimum latency problem}. There is a fleet of $k$ vehicles located at one or more depot nodes, and we seek a collection of routes for these vehicles that visit all nodes so as to minimize the total latency incurred, which is the sum of the client waiting times. We obtain an $8.497$-approximation for the version where vehicles may be located at multiple depots and a $7.183$-approximation for the version where all vehicles are located at the same depot, both of which are the first improvements on this problem in a decade. Perhaps more significantly, our algorithms exploit various LP-relaxations for minimum-latency problems. We show how to effectively leverage two classes of LPs---{\em configuration LPs} and {\em bidirected LP-relaxations}---that are often believed to be quite powerful but have only sporadically been effectively leveraged for network-design and vehicle-routing problems. This gives the first concrete evidence of the effectiveness of LP-relaxations for this class of problems. The $8.497$-approximation the multiple-depot version is obtained by rounding a near-optimal solution to an underlying configuration LP for the problem. The $7.183$-approximation can be obtained both via rounding a bidirected LP for the single-depot problem or via more combinatorial means. The latter approach uses a bidirected LP to obtain the following key result that is of independent interest: for any $k$, we can efficiently compute a rooted tree that is at least as good, with respect to the prize-collecting objective (i.e., edge cost + number of uncovered nodes) as the best collection of $k$ rooted paths. Our algorithms are versatile and extend easily to handle various extensions involving: (i) weighted sum of latencies, (ii) constraints specifying which depots may serve which nodes, (iii) node service times.

研究动机与目标

• 为多车辆最小延迟问题（k-MLP）设计改进的近似算法，其中 k 辆车辆从一个或多个 depot 出发，必须访问所有节点，以最小化客户总等待时间。
• 证明线性规划松弛——特别是配置和双向 LP——在最小延迟问题中的有效性，此类问题此前尚未系统性地利用这些松弛方法。
• 将算法扩展至处理实际变体，包括加权延迟、depot-节点分配约束以及节点服务时间。
• 建立一个新的配置 LP，其整数规划间隙至多为 3.592，适用于多 depot k-MLP，并证明其至少强于广泛使用的基于漫步的下界。
• 证明一个关键结构结果：对于任意 k，可高效计算一棵以根为起点的树，其性能至少与最优 k 棵以根为起点的路径在奖赏收集目标下相当。

提出的方法

• 通过舍入近似最优的配置 LP 解来近似多 depot k-MLP，该 LP 模型化了车辆与时间维度上的可行路线组合。
• 通过舍入双向 LP 或通过组合方法（利用双向 LP 推导出奖赏收集树的关键结构引理）来近似单 depot k-MLP。
• 采用一种新颖的舍入方案，结合随机缩放与环路转换：对每个时间区间，从 LP 解中采样一棵树配置，并通过随机遍历转换为巡回路径。
• 分析采用基于时间索引的节点覆盖分解，追踪随时间推移的未覆盖节点，并通过势函数论证将期望延迟与 LP 目标函数关联。
• 通过考虑每个时间步覆盖概率的递推关系，推导出每节点期望延迟的上界，从而获得近似保证。
• 提出一种新的配置 LP，其整数规划间隙至多为 3.592，并证明其优于基于漫步的下界，从而在 k=1 时，其整数规划间隙至多为 3.03。

实验结果

研究问题

• RQ1 配置和双向 LP 松弛能否被有效利用，以设计多车辆最小延迟问题的改进近似算法？
• RQ2 新配置 LP 在多 depot k-MLP 中的整数规划间隙是多少？其与现有下界相比如何？
• RQ3 能否高效计算出一棵以根为起点的树，使其在奖赏收集目标下至少与最优的 k 棵以根为起点的路径相当？其对 k-MLP 的意义是什么？
• RQ4 所提出的算法如何扩展以处理加权延迟、depot 分配约束以及节点服务时间？
• RQ5 所提出的基于 LP 的方法能否匹配或超越 k-MLP 问题的最佳已知近似比，特别是在单车辆情况下？

主要发现

• 本文对多 depot k-MLP 实现了 8.497 的近似比，优于此前最佳比值 12。
• 对于单 depot k-MLP，本文提出 7.183 的近似比，优于先前最佳的 8.497。
• 所提配置 LP 的整数规划间隙在多 depot 问题中至多为 3.592，当 k=1 时降至 3.03。
• 本文提供了新的结构结果：对于任意 k，可计算出一棵以根为起点的树，其性能至少与最优 k 棵以根为起点的路径在奖赏收集目标下相当，从而推广了 k=1 时的先前结果。
• 所提算法具有高度通用性，可自然扩展以处理加权延迟、depot 分配约束以及节点服务时间。
• 本工作首次为 LP 松弛（特别是配置和双向 LP）在最小延迟问题中的强大能力提供了实证支持，而此前该领域主要依赖组合方法。