[论文解读] On the Worst-case Performance of the Sum-of-Squares Algorithm for Bin Packing

János Csirik, David S. Johnson+1 more|ArXiv.org|Sep 12, 2005

Optimization and Packing Problems参考文献 2被引用 3

一句话总结

该论文通过基于最后插入的小物品尺寸的模运算配对方法，对平方和（SS）装箱算法的渐近最坏情况性能比进行了改进，从3提升至25/9 ≈ 2.777...。该方法利用基于层级的平均分析与结构约束，证明除最多两个箱子外，其余所有箱子的平均填充率均不低于箱子容量的9/25。

ABSTRACT

The Sum of Squares algorithm for bin packing was defined in [2] and studied in great detail in [1], where it was proved that its worst case performance ratio is at most 3. In this note, we improve the asymptotic worst case bound to 2.7777...

研究动机与目标

• 将平方和（SS）装箱算法的渐近最坏情况性能界进一步收紧，超越此前已知的3倍因子。
• 通过聚焦于小物品（特别是大小≤ αB 且 < δB 的物品）的最后插入行为，分析SS装箱结构，以推导更紧致的填充水平保证。
• 建立如下结论：在SS装箱中，除最多两个箱子外，其余所有箱子的平均填充水平至少为δB，其中δ = 9/25。
• 证明基于层级配对与模同余类的证明技术可获得更优界，但进一步提升可能需要新的洞察。

提出的方法

• 引入参数α与δ，满足0 < α < δ ≤ 1/2，并满足三个不等式（2.1）–（2.3），以控制填充水平分析。
• 相对于δB定义‘小’与‘大’层级，并将模s'的层级j + is'与j + (c_j - i)s'进行配对，以比较箱子数量并确保层级平衡。
• 应用引理1：若开启新箱子，则对所有j ≤ B−s，有n_j(P) ≤ n_{j+s}(P)，以保证层级间箱子数量的单调性。
• 将箱子按模s或s'划分为同余类，并引入‘荣誉成员’，以将层级配对扩展至层级≤ Δ的箱子。
• 通过将箱子分组为子类E_i并推导平均填充水平的下界X_i，分析每类D_h中的平均箱子内容。
• 利用涉及d_h（某类中的层级数）、h（基准层级）与s（物品大小）的不等式，证明对所有i均有X_i ≥ δB，从而确保足够的平均填充率。

实验结果

研究问题

• RQ1 平方和算法的渐近最坏情况性能比能否超越已知的3倍界？
• RQ2 SS装箱中哪些结构性质——特别是与小物品最后插入相关者——可被利用以推导更紧致的填充水平保证？
• RQ3 层级配对与模算术在多大程度上可用于界定向SS装箱中平均箱子填充水平？
• RQ4 在当前基于最后插入分析两个或以上物品的证明框架下，可达到的最紧致界是什么？
• RQ5 对α与δ的约束如何影响可实现的δ值，使得平均箱子填充率至少为δB？

主要发现

• 平方和算法的渐近最坏情况性能比至多为25/9 ≈ 2.777...，优于此前的上界3。
• 对任意列表L，SS所用箱子数满足SS(L) < (25/9)·s(L)/B + 2 ≤ (25/9)·OPT(L) + 2。
• 该界通过证明：在SS装箱中，除最多两个箱子外，其余所有箱子的平均填充水平至少为δB（δ = 9/25）而达成。
• 分析依赖于基于最后插入的小物品尺寸的模运算层级配对，并证明此类配对能维持足够的平均填充率。
• 该证明方法受限于当前框架：进一步改进需超越现有层级配对与同余类分析的结构新洞察。
• 在当前方法下，25/9为紧致界，因为在相同约束与假设下无法获得更优的δ值。