P2P 오리엔티어링과 확률적 차량 라우팅의 근사 알고리즘

초록

본 논문은 일반 메트릭에서의 P2P 오리엔티어링 문제에 대해 (2+ε) 근사 알고리즘을 제시하고, 각 노드가 고정 보상과 확률적 크기를 갖는 확률적 P2P 오리엔티어링의 비적응형 변형에 대한 상수 배율 근사 해법을 제안한다. 이를 바탕으로 시간 창을 가진 확률적 차량 라우팅 문제에 대한 일정 상수 배율 근사 알고리즘을 도출한다.

상세 분석

논문은 먼저 전통적인 P2P(점-점) 오리엔티어링 문제를 정의한다. 주어진 시작점 s와 목표점 t, 그리고 전체 경로 길이 제한 B가 있을 때, 각 정점이 보상을 제공하고 방문 순서에 따라 총 보상을 최대화하는 것이 목표이다. 기존 연구에서는 (2+ε) 근사 비율을 달성하기 위해 라우팅 트리를 두 개의 방향으로 분할하고, 각 방향에 대해 라우팅 경로를 구성한 뒤 최적의 조합을 선택하는 기법을 사용했다. 저자들은 이 접근법을 일반 메트릭에 그대로 적용하면서도, 경로 분할 시 발생하는 중복 비용을 정밀히 분석하여 전체 근사 비율을 (2+ε) 로 유지한다.

다음으로 확률적 P2P 오리엔티어링을 다룬다. 여기서는 각 정점 i가 고정 보상 r_i와 확률 분포를 따르는 크기 s_i를 가진다. 크기는 실제 방문 시에만 실현되며, 총 사용 시간(또는 거리)이 B를 초과하면 페널티가 발생한다. 논문은 비적응형 정책, 즉 사전에 정해진 방문 순서를 따르는 전략에 초점을 맞춘다. 핵심 아이디어는 “샘플링 기반 기대값 최적화”이다. 저자들은 각 정점의 기대 크기 E