Введение 6
1 Постановки исследуемых задач 17
1.1 Задачи комбинаторной оптимизации 17
1.2 Предварительные сведения об исследовании задачи коммивояжера 19
1.3 Задача о цикловом покрытии графа фиксированного размера 25
1.4 Обобщенная задача коммивояжера 28
1.5 Пирамидальные маршруты 32
2 Задача о цикловом покрытии графа 35
2.1 Вычислительная сложность задачи Min-k-SCCP 35
2.2 Принадлежность задачи Metric Min-k-SCCP классу APX 37
2.2.1 Алгоритм построения минимального остовного к-леса 37
2.2.2 2-приближенный алгоритм для задачи Metric Min-k-SCCP 39
2.3 Полиномиальная приближенная схема для задачи Euclidean Min-k-SCCP в Rd 42
2.3.1 Декомпозиция евклидовой задачи о цикловом покрытии графа 43
2.3.2 Округленная задача Euclidean Min-k-SCCP 48
2.3.3 Рекурсивное разбиение объемлющего гиперкуба S 50
2.3.4 Теорема существования 53
2.3.5 Динамическое программирование 55
2.3.6 Дерандомизация 57
3 Обобщенная задача коммивояжера 59
3.1 Квази- и псевдопирамидальные маршруты 59
3.2 Полиномиально разрешимый подкласс 66
3.3 Приближенные схемы для случая медленно растущих значений параметра к . 71
3.3.1 Применение метода динамического программирования при построении
приближенной схемы 72
3.3.2 Обобщение схемы Ароры для задачи коммивояжера на плоскости на
случай EGTSP-k-GC 74
3.4 Приближенная схема для случая быстро растущих значений параметра к ... 80
Заключение 82
Публикации автора по теме диссертации 84
Благодарности 88
Литература 89
Предмет исследования диссертационной работы1 составляют труднорешаемые оптимизационные задачи, являющиеся обобщениями классической задачи
коммивояжера (Traveling Salesman Problem, TSP) [83, 63]. В работе исследуются: задача о цикловом покрытии фиксированной мощности k минимального
веса (Minimum-weight k-Size Cycle Cover Problem, Min-k-SCCP), обобщенная
задача коммивояжера (Generalized Traveling Salesman Problem, GTSP) и её геометрическая постановка евклидова обобщенная задача коммивояжера на сетке
(Euclidean Generalized Traveling Salesman Problem in k Grid Clusters, EGTSP-kGC).
Задача о цикловом покрытии графа фиксированного размера k минимального веса — это задача комбинаторной оптимизации, заключающаяся
в поиске оптимального покрытия полного взвешенного графа k вершиннонепересекающимися циклами. На содержательном уровне каждый цикл в покрытии может трактоваться как маршрут для некоторого транспортного средства, посещающего соответствующее множество клиентов. С этой точки зрения
задача о цикловом покрытии близка к известной задаче маршрутизации транспорта (Vehicle Routing Problem, VRP) [113]. С другой стороны, при фиксированной единичной мощности циклового покрытия задача совпадает с классической
задачей коммивояжера. Кроме того, задача о цикловом покрытии мощности k
1Работа поддержана грантами РНФ 14-11-00109, РФФИ 13-07-00181, 16-07-00266, стипендией Президента
Российской Федерации
6занимает промежуточное положение в сложностной иерархии между эффективно разрешимой задачей о назначениях и труднорешаемой задачей коммивояжера, что индуцирует дополнительный теоретический интерес к исследованию
сложности и аппроксимируемости Min-k-SCCP.
Цикловые покрытия играют важную роль при разработке приближенных
алгоритмов для задачи коммивояжера [27, 26, 32, 34, 36], задачи о кратчайшей
суперстроке [31, 111] и задачи маршрутизации транспорта [64]. В случае задачи
коммивояжера при построении указанных алгоритмов в качестве начального
приближения выступает цикловое покрытие, элементы которого соединяются в
гамильтонов цикл с помощью той или иной техники объединения фрагментов
маршрута.
Помимо выполнения вспогательной роли при построении приближенных алгоритмов, поиск оптимальных цикловых покрытий является интересной независимой задачей. Паросочетания и факторизация графов — это важные разделы
теории графов, наряду с этим поиск циклового покрытия эквивалентен стесненной дополнительным ограничением на количество компонент связности задаче
построения 2-фактора, то есть остовного подграфа, каждая вершина которого
инцидентна в точности двум ребрам.
Все перечисленные выше аргументы обуславливают актуальность алгоритмического анализа Min-k-SCCP и уточнения статуса вычислительной сложности данной задачи при k > 1, то есть в случае, когда Min-k-SCCP отлична от
классической задачи коммивояжера.
Обобщенная задача коммивояжера (Generalized Traveling Salesman Problem,
GTSP), известная в отечественной литературе под названием «задача обхода
мегаполисов», задается полным взвешенным графом, множество вершин которого разбито на k непересекающихся кластеров, и заключается в поиске цикла
минимального веса посещающего каждый кластер.
7Что касается алгоритмов с гарантированными оценками точности, даже для
метрической постановки GTSP известно не так много результатов. В [109] представлен 3ρ/2-приближенный алгоритм, где ρ — это число вершин в наибольшем по мощности кластере (ρ = maxi=1,...,k(|Vi|)). К сожалению, в худшем случае данная оценка точности оказывается очень слабой, и алгоритм неприменим для практических целей. Н. Гарг и Дж. Коньевод построили рандомизированный приближенный алгоритм для обобщенной задачи о штейнеровском
дереве, побочным результатом этой работы стал O(log2(n) log(log(n)) log k)-
приближенный алгоритм для GTSP [58]. Таким образом, исследования в области сложности (в том числе параметрической) и аппроксимируемости задачи
GTSP представляются актуальными.
Кроме того, представляется актуальной задача исследования вычислительной сложности и аппроксимируемости геометрических постановок GTSP. Данные постановки наряду с теоретическим вызывают и большой практический
интерес, обладая рядом приложений, например, в задачах оптимальной доставки почтовых отправлений и задачах о демонтаже отработанных энергоблоков
АЭС.
При фиксированном числе кластеров общая постановка GTSP обладает точным полиномиальным алгоритмом с трудоемкостью O((k − 1)!n3). Задачи построения точного алгоритма меньшей трудоемкости либо обоснование подклассов, в которых GTSP разрешима за полиномиальное по n и k время, также
представляются актуальными.
В диссертационной работе исследованы несколько задач маршрутизации, являющихся обобщениями классической задачи коммивояжера. Основные результаты диссертации заключаются в следующем:
1. Для задачи о цикловом покрытии фиксированного размера k (Min-kSCCP):
(a) обоснована NP-трудность в сильном смысле даже в частной евклидовой
постановке;
(б) для метрической постановки задачи при условии, что значение параметра
k является частью входа, построен 2-приближенный алгоритм c асимптотически
достижимой оценкой точности;
(в) для евклидовой постановки задачи в пространстве произвольной фиксированной размерности d предложена эффективная полиномиальная приближенная схема с трудоемкостью O(nO(d)(log n)(O(√εd))d−1).
Таким образом, исследование сложностного статуса и аппроксимируемости в
классе детерминированных алгоритмов задачи Min-k-SCCP можно считать завершенным. В качестве интересного открытого вопроса отметим вопрос неулучшаемости оценки точности 2 для алгоритма из п. 1(б).
2. Для обобщенной задачи коммивояжера (GTSP):
(а) введены понятия l-квазипирамидального и l-псевдопирамидального
маршрутов;
(б) построен алгоритм поиска оптимального l-квазипирамидального марш-
82рута с трудоемкостью O(4ln3), тем самым показано, что обобщенная задача
коммивояжера с неотрицательной симметричной матрицей весов принадлежит
классу FPT;
(в) предложен FPT-алгоритм (относительно параметров k и l) построения
оптимального l-псевдопирамидального маршрута с трудоемкостью O(2lkl+4n3).
3. Для обобщенной задачи коммивояжера на сетке (EGTSP-k-GC):
(а) показано, что при дополнительном ограничении на высоту сетки H ≤ 2
задача разрешима за время O(n3);
(б) для евклидовой постановки задачи построены три приближенные схемы для случая быстро k = n − O(log n) и медленно k = O(log n) растущих
значений параметра k. Для случая медленно растущего значения k две предложенные схемы являются линейными приближенными схемами с трудоемкостью
O(k2(O(1/ε))2k)+O(n) и 2O(k)k4(log k)O(1/ε)+O(n) соответственно и представляют практический интерес при фиксированном значении параметра, несмотря на
полиномиальную разрешимость задачи в этом случае, так как известный точный алгоритм имеет кубическую трудоемкость. При фиксированном значении
параметра k третья схема является эффективной полиномиальной приближенной схемой с трудоемкостью nk(log k)O(1/ε) и сохраняет полиномиальность при
k = n − O(log n).
Статусы вычислительной сложности обобщенной задачи коммивояжера на
сетке при промежуточных значениях параметра k (между O(log n) и n −
O(log n)) и при высоте сетки H > 2 являются важными открытыми вопросами.
[1] Гимади Э.Х., Истомин А.М., Рыков И.А., Цидулко О.Ю. Вероятностный анализ приближенного алгоритма для решения задачи о нескольких ком-мивояжерах на случайных входных данных, неограниченных сверху // Тр. ИММ УрО РАН, 20(2):88—98, 2014.
[2] Гимади Э.Х., Кельманов А.В., Пяткин А.В., Хачай М.Ю. Эффективные алгоритмы с оценками точности для некоторых задач поиска нескольких клик в полном неориентированном взвешенном графе // Тр. Ин-та ма-тематики и механики УрО РАН, 20(2):99—112, 2014.
[3] Гимади Э.Х., Перепелица В.А. Асимптотически точный подход к решению задачи коммивояжера // Управляемые системы: сб. науч. тр., 12:35-45, 1974.
[4] Гимади Э.Х., Хачай М.Ю. Экстремальные задачи на множествах пере-становок // Издательство УМЦ УПИ, 2016.
[5] Гимади Э.Х., Цидулко О.Ю. Асимптотически точный алгоритм для зада¬чи нескольких коммивояжёров на случайных входных данных с дискрет¬ным распределением // Дискретн. анализ и исслед. опер., 24(3):5—19, 2017.
[6] Сесекин А.Н., Ченцов А.А., Ченцов А.Г. Задачи маршрутизации переме-щений // Лань, Санкт-Петербург, 2011.
[7] Ченцов А.Г. Задача последовательного обхода мегаполисов с условиями предшествования // Автомат. и телемех., 4:170-190, 2014.
[8] Ченцов А.Г., Хачай М.Ю., Хачай Д.М. Точный алгоритм с линейной тру-доемкостью для одной задачи обхода мегаполисов // Тр. ИММ УрО РАН, 21(3):309—317, 2015.
[9] Ченцов А.Г., Ченцов П.А. Маршрутизация в условиях ограничений: зада¬ча о посещении мегаполисов // Автомат. и телемех., 11:96-117, 2016.
[10] Эндрюс Г. Теория разбиений // М.: Наука, 1982.
[11] Ageev A. Constant-Factor Approximations for Cycle Cover Problems. LNCS, 9869:93-104, 2016.
[12] Aizenshtat V., Kravchuk D. Algorithms for finding the extremum of a linear form on the set of all cycles in special cases // Dokl. Akad. Nauk BSSR, 12:401—404, 1968.
[13] Applegate D., Bixby R., Chvatal V., Cook. W On the solution of traveling salesman problems // Documenta Mathematica, 111:645—656, 1998.
[14] Arkin E.M. and Hassin R. Approximation algorithms for the geometric covering salesman problem // Discrete Appl. Math., 55(3):197—218, 1994.
[15] Arora S. Polynomial-time approximation schemes for euclidean traveling salesman and other geometric problems // Journal of the ACM, 45:753—782, 1998.
[16] Arora S., Lund C., Motwani R., Sudan M., Szegedy M. Proof verification and the hardness of approximation problems // Journal of the ACM, 45(3):501— 555, 1998.
[17] Arora S., Safra S. Probabilistic checking of proofs: a new characterization of NP // Journal of the ACM, 45:70-122, 1 1998.
[18] Baburin A.E., Della Croce F., Gimadi E.Kh., Glazkov Yu.V., Paschos V.Th. Approximation algorithms for the 2-peripatetic salesman problem with edge weights 1 and 2 // Discrete Applied Mathematics, 157(9):1988-1992, 2009.
[19] Baki F., Kabadi S. Some sufficient conditions for pyramidal optimal traveling
salesman tours // Working paper #95-021, Faculty of Administration,
University of New Brunswick, 1995.
[20] Bellman R. Dynamic programming treatment of the travelling salesman problem // J. ACM, 9(1):61-63, 1962.
[21] Ben-Arieh D., Gutin G., Penn M., Yeo A. Transformations of Generalized ATSP into ATSP // Operations Research Letters, 31:357-365, 2003.
[22] Buchin K., Jansen B., Woeginger G., Berg M. Fine-grained complexity analysis of two classic TSP variants // Proceedings of the 43rd International Colloquium on Automata, Languages, and Programming, 55:5:1—-5:14, 2016.
[23] Bhattacharya B., Custic A., Rafiey A., Sokol V. Combinatorial Optimization and Applications: 9th International Conference, COCOA 2015, Houston, TX, USA, December 18-20, 2015, Proceedings, chapter Approximation Algorithms for Generalized MST and TSP in Grid Clusters, pages 110-125. LNCS. Springer International Publishing, Cham, 2015.
[24] Bjorklund A. Determinant sums for undirected hamiltonicity // SIAM J. Comput., 43(1):280-299, 2010.
[25] Blaser M. A 3/4-approximation algorithm for maximum ATSP with weights zero and one // LNCS, 3122:61-71, 2004.
[26] Bläser M., Manthey B., Sgall J. An improved approximation algorithm for the Asymmetric TSP with strengthened triangle inequality // Journal of Discrete Algorithms, 4(4):623-632, 2006.
[27] Blaser M., Ram S., Sviridenko M. Improved approximation algorithms for metric maximum ATSP and maximum 3-Cycle Cover Problems // LNCS, 3608:350-359, 2005.
[28] Blaser M., Manthey B. Approximating maximum weight cycle covers in directed graphs with weights zero and one // Algorithmica, 42:121-139, 06 2005.
[29] Blaser M., Manthey B., Sgall J. An improved approximation algorithm for the asymmetric TSP with strengthened triangle inequality // Journal of Discrete Algorithms, 4:623-632, 2006.
[30] Blaser M., Siebert B. Computing cycle covers without short cycles // In Algorithms—ESA 2001, pages 368-379. Springer, 2001.
[31] Blum A., Jiang T., Li M., Tromp J., Yannakakis M. Linear approximation of shortest superstrings // Journal of the ACM, 41(4):630-647, 1994.
[32] Bockenhauer H., Hromkovic J., Klasing R., Seibert S., Unger W. Approximation algorithms for the TSP with sharpened triangle inequality // Information Processing Letters, 75(3):133-138, 2000.
[33] Burkard R., Deineko V., Van Dal R., Van Der Veen J., Woeginger J. Well- solvable special cases of the traveling salesman problem: a survey // SIAM Rev., 40(3):496-546, 1998.
[34] Chandran L., Ram L. On the relationship between ATSP and the Cycle Cover Problem // Theoretical Computer Science, 370(1-3):218-228, 2007.
[35] Chandran L., Ram L. On the relationship between ATSP and the cycle cover problem. Theoretical Computer Science, 370:218-228, 2007.
[36] Chen Z., Nagoya T. Improved approximation algorithms for Metric Max TSP // Journal of Combinatorial Optimization, 13(4):321-336, 2007.
[37] Chen Z., Okamoto Y., Wang L. Improved deterministic approximation algorithms for Max TSP // Information Processing Letters, 95(2):333-342, 2005.
[38] Christofides N. Worst-case analysis of a new heuristic for the traveling salesman problem // In Symposium on New Directions and Recent Results in Algorithms and Complexity, page 441, 1975.
[39] Cook S. The complexity of theorem-proving procedures // Proceeding STOC ’71 Proceedings of the third annual ACM symposium on Theory of computing, pages 151-158, 1971.
[40] Cormen T., Leiserson C., Rivest R., Stein C. Introduction to Algorithms // MIT, 3ed. edition, 2009.
[41] Cormen T., Stein C., Rivest R., Leiserson C. Introduction to Algorithms // McGraw-Hill Higher Education, 2nd edition, 2001.
[42] Cutler M. Efficient special case algorithms for the n-line planar traveling salesman problem // Networks, 10:183-195, 1980.
[43] Danzig G., Fulkerson R., Johnson S. Solution of a large scale traveling salesman problem // The RAND corporation, pages 1-33, 1954.
[44] Danzig G., Ramser J. The truck dispatching problem // Management Science, 6(1):80-91, 1959.
[45] De Kort J. Lower bounds for symmetric k-Peripatetic Salesman Problems // Optimization, 20:113-122, 1991.
[46] DimitrijeviC V., "Saric Z. An efficient transformation of the Generalized Traveling Salesman Problem into the Traveling Salesman Problem on digraphs // Information Sciences, 102(1-4):105 - 110, 1997.
[47] Dinur I. The PCP theorem by gap amplification // Journal of the ACM, 54(3):70-122, 2007.
[48] Dror M., Orlin J. Combinatorial optimization with explicit delineation of the ground set by a collection of subsets // SIAM J. Discrete Math., 21(4):1019- 1034, 2008.
[49] Dumitrescu A., Mitchell J. Approximation algorithms for TSP with neighborhoods in the plane // In Proceedings of the Twelfth Annual ACM-SIAM Symposium on Discrete Algorithms, SODA ’01, pages 38-46, Philadelphia, PA, USA, 2001. Society for Industrial and Applied Mathematics.
[50] Dumitrescu A., Toth C. The traveling salesman problem for lines, balls, and planes // ACM Trans. Algorithms, 12(3):43:1-43:29, April 2016.
[51] Enomoto H., Oda Y., Ota K. Pyramidal tours with step-backs and the asymmetric traveling salesman problem // Discrete Appl. Math., 87(1-3):57- 65, 1998.
[52] Feige U., Goldwasser S., Lovasz L., Safra S., Szegedy M. Approximating clique is almost np-complete // In Proceedings of the 32nd IEEE Symposium on Foundations of Computer Science, pages 2-12, 1991.
[53] Feremans C., Grigoriev A., Sitters R. The geometric generalized minimum spanning tree problem with grid clustering // fOR, 4(4):319-329, 2006.
[54] Finkel R., Bentley J. Quad trees: a data structure for retrieval on composite keys // Acta Informatica, 4(1):1—9, 1974.
[55] Fischetti M., Gonzalez J., Toth P. A branch-and-cut algorithm for the symmetric Generalized Traveling Salesman Problem // Operations Research, 45(3):378-394, 1997.
[56] Gan G., Ma C., Wu J. Data Clustering: Theory, Algorithms, and Applications // ASA-SIAM Series on Statistics and Applied Probability. SIAM, Society for Industrial and Applied Mathematics, 2007.
[57] Garey M., Johnson D. Computers and Intractability: A Guide to the Theory of NP-Completeness // W. H. Freeman & Co., New York, NY, USA, 1979.
[58] Garg N., Konjevod G. A polylogarithmic approximation algorithm for the group steiner tree problem // Journal of Algorithms, 37:66-84, 2000.
[59] Gimadi E. Asymptotically optimal algorithm for finding one and two edge- disjoint traveling salesman routes of maximal weight in euclidean space // Proc. of the Steklov institute of Mathematics, 263:S57-S67, 2008.
[60] Gimadi E.Kh., Glebov A.N., Skretneva A.A., Tsidulko O.Yu. and Zambalaeva D.Zh. Combinatorial algorithms with performance guarantees for finding several hamiltonian circuits in a complete directed weighted graph // Discrete Applied Mathematics, 196:54-61, 2015.
[61] Golden B., Raghavan S., Wasil E. The vehicle routing problem : latest advances and new challenges // Operations research/Computer science interfaces series, 43. Springer, 2008.
[62] Grotschel M., Holland O. Solution of large-scale symmetric travelling salesman problems // Mathematical Programming, 51:141-202, 1991.
[63] Gutin G., Punnen A. and (eds.). The Traveling Salesman Problem and Its Variations // Springer, 2007.
[64] Hassin R., Rubinstein S. On the complexity of the k-customer vehicle routing problem // Operations Research Letters, 33(1):71—76, 2005.
[65] Held M., Karp R. A dynamic programming approach to sequencing problems //In Proceedings of the 1961 16th ACM National Meeting, ACM ’61, pages 71.201-71.204, New York, NY, USA, 1961. ACM.
[66] Helsgaun K. An effective implementation of the Lin-Kernighan traveling salesman heuristic // Oper. Res., 126(1):106-130, 2000.
[67] Helsgaun K. General k-opt submoves for the Lin-Kernighan TSP heuristic // Math. Prog. Comput., 1(2-3):119-163, 2009.
[68] Helsgaun K. Solving the equality generalized traveling salesman problem using the Lin-Kernighan-Helsgaun algorithm // Math. Prog. Comput., 7(3):269- 287, 2015.
[69] Henry-Labordere A. The record balancing problem: a dynamic programming solution of a generalized traveling salesman problem //In RIBO, B-2, pages 736-743, 1969.
[70] Huang H., Yang X., Hao Z., Wu C., Liang Y., Zhao X. Hybrid chromosome genetic algorithm for generalized traveling salesman problems // LNCS, 3612:137-140, 2005.
[71] Jung H. Uber die kleinste kugel, die eine räumliche figur einschliesst // J. reine und angew. Math., 123:241-257, 1901.