本論文では、0-1 ナップサック問題に対する高速なアルゴリズムを提案している。
まず、Chen, Lian, Mao, and Zhang (2023) による「fine-grained proximity」手法を一般化し、部分解の有用な集合の大きさを抑えることができる。
次に、Deng, Mao, and Zhong (2023) による「witness propagation」手法を大幅に拡張し、動的計画法の高速化を実現する。具体的には、アイテムの重みを階層的に処理し、各段階で重みの多重度に応じて部分解の集合を絞り込むことで、効率的な動的計画法を実現している。
この手法の核心は、0-1 ナップサック問題の最適解と貪欲解の差が小さいことを利用し、部分解の集合を効率的に管理することにある。これにより、従来の手法よりも高速なアルゴリズムを実現している。
إلى لغة أخرى
من محتوى المصدر
arxiv.org
استفسارات أعمق