[论文解读] VPSolver 3: Multiple-choice Vector Packing Solver

Filipe Brandão|arXiv (Cornell University)|Feb 16, 2016

Optimization and Packing Problems参考文献 7被引用 3

一句话总结

本文在 VPSolver 3.0.0 中提出了一种新的图构建与压缩算法，用于多选向量装箱问题，实现了高效生成压缩的弧流模型，可在单次运行中整合所有箱型与物品形态。与先前方法相比，该方法显著减小了模型规模并缩短了计算时间，同时保持了较强的线性规划松弛界。

ABSTRACT

VPSolver is a vector packing solver based on an arc-flow formulation with graph compression. In this paper, we present the algorithm introduced in VPSolver 3.0.0 for building compressed arc-flow models for the multiple-choice vector packing problem.

研究动机与目标

• 开发一种更高效的多选向量装箱问题（MVP）图构建方法，使所有箱型与物品形态能在单一模型中集成。
• 通过图压缩与动态规划技术，降低弧流模型在 MVP 中的规模与计算成本。
• 通过实现对所有箱型中有效装箱模式的单次遍历图构建，改进现有弧流公式。
• 在提升可扩展性与性能的同时，保持强线性规划松弛界——此前已证明最大间隙为 1.0027。
• 提供一种可扩展、通用的求解器，通过向向量装箱问题的约化，支持多样化应用。

提出的方法

• 该方法使用动态规划递归，基于各维度的空间使用率、物品索引与使用次数生成状态，并通过提升策略最大化状态空间利用率。
• 构建一个有向无环多重图，其中从源点到汇点的每条路径代表一个有效装箱模式，弧上标记物品形态及其权重。
• 最终的压缩步骤使用聚合状态向量重新标记节点，并移除自环，从而在保持有效路径的同时减小图的规模。
• 应用传递约简，仅将内部节点连接到非占优的箱型，以最小化连接至汇点的冗余弧。
• 该算法在单次运行中统一构建所有箱型的图，消除了先前方法中为每种箱型分别构建图的需求。
• 通过引入损失弧 (0,0) 来建模未使用容量，并支持从汇点到源点的反馈环，以支持流公式建模。

实验结果

研究问题

• RQ1 能否在多选向量装箱问题中为所有箱型与物品形态构建一个单一、统一的弧流图？
• RQ2 如何有效应用图压缩技术，在保持与 Gilmore-Gomory 公式等价性的同时减小模型规模？
• RQ3 传递约简对连接内部节点至目标节点所需弧数的影响如何，特别是在多种箱型下？
• RQ4 与先前为每种箱型分别构建图的方法相比，新算法在性能与模型规模上表现如何？
• RQ5 新方法在多大程度上保持了先前弧流公式中观察到的强线性规划松弛特性？

主要发现

• 当仅存在一种箱型且每种物品仅有一个形态时，新算法生成的压缩图与原始方法完全一致。
• 对于多种箱型，该算法在一次执行中构建出包含所有箱型中所有有效装箱模式的单一图，显著降低了复杂度。
• 该方法通常生成比先前为每种箱型分别构建图的方法更小的图，提升了空间效率。
• 该算法显著快于先前方法，尤其在箱型数量较多的实例中优势明显。
• 弧流公式与 Gilmore-Gomory 模型保持等价，线性规划松弛界依然强大，最大绝对间隙为 1.0027。
• 使用传递约简可显著减少连接内部节点至目标节点所需的弧数，尤其在可变箱型大小问题中，每个节点可能仅需一条弧。