Centrala begrepp
두 단계 그래프 포인터 네트워크 모델을 통해 QAP 문제의 준최적 해를 효율적으로 도출할 수 있다.
Sammanfattning
이 논문은 QAP(Quadratic Assignment Problem) 문제를 해결하기 위한 두 단계 그래프 포인터 네트워크(Two-Stage Graph Pointer Network) 모델을 제안한다.
먼저 저자들은 기존의 그래프 포인터 네트워크(GPN)를 확장하여 행렬 입력 TSP(Traveling Salesman Problem)를 해결할 수 있는 모델을 개발했다. 이 모델은 LSTM 레이어를 제거하여 추론 속도를 향상시켰다.
이를 바탕으로 저자들은 QAP 문제를 해결하기 위한 두 단계 GPN 모델을 제안했다. 첫 번째 단계에서는 블록 선택 모델이 QAP 문제의 거리-유량 곱셈 행렬에서 관심 있는 블록을 선택한다. 두 번째 단계에서는 선택된 블록 내부의 요소들을 이용하여 in-block 모델이 최종 해를 생성한다.
실험 결과, 제안된 두 단계 GPN 모델은 벤치마크 문제 인스턴스에 대해 준최적 해를 제공할 수 있었다. 또한 기존 휴리스틱 방법에 비해 실행 시간이 크게 단축되었다.
Statistik
문제 크기가 30일 때 최적 비용은 1,818,146이지만, 제안 모델의 비용은 2,160,408로 18.82% 격차가 있다.
문제 크기가 40일 때 최적 비용은 3,139,370이지만, 제안 모델의 비용은 3,749,304로 19.43% 격차가 있다.
문제 크기가 50일 때 최적 비용은 4,938,796이지만, 제안 모델의 비용은 5,799,408로 17.43% 격차가 있다.
문제 크기가 80일 때 최적 비용은 13,557,864이지만, 제안 모델의 비용은 15,596,926로 15.04% 격차가 있다.
문제 크기가 100일 때 최적 비용은 21,125,314이지만, 제안 모델의 비용은 24,028,820로 13.74% 격차가 있다.
Citat
"두 단계 GPN 모델은 벤치마크 문제 인스턴스에 대해 준최적 해를 제공할 수 있었다."
"제안된 모델은 기존 휴리스틱 방법에 비해 실행 시간이 크게 단축되었다."