다이얼‑라이드 문제를 위한 새로운 근사 알고리즘: 효율성·정밀도 모두 업그레이드

초록

본 논문은 다중 차량 다이얼‑라이드 문제(mDaRP)의 근사 해법을 두 가지 제시한다. 첫 번째 알고리즘은 기존 최선의 O(√λ·log m) 비율을 유지하면서 실행 시간을 O(m²)로 크게 개선하고, 두 번째 알고리즘은 O(√(m/λ)) 비율을 달성한다. 두 알고리즘을 결합하면 m=Θ(n)일 때 O(n¹⁄⁴·log¹⁄₂ n) 비율을 얻으며, 요청 수가 정점 수보다 훨씬 많을 때는 O(√(n·log n)) 비율을 제공한다. 특히 단일 차량 DaRP에 대한 기존 O(√n·log² n) 비율을 O(√n·log n)으로 향상시킨다.

상세 분석

논문은 mDaRP의 구조적 특성을 새롭게 해석하여 두 개의 단순하지만 강력한 근사 알고리즘을 설계한다. 첫 번째 알고리즘은 CVRP에서 널리 쓰이는 반복 투어 분할(ITP) 기법을 변형한다. 전체 그래프에서 소스와 목적지를 각각 포함하는 두 개의 메트릭 서브그래프를 만든 뒤, 각각에 대해 α‑근사 TSP 투어를 구하고, 일관된 순서를 유지하도록 짝을 맞춘다. 이후 투어를 용량 λ에 맞게 조각으로 나누고, 각 조각을 두 배한 뒤 최소 가중치 연결을 추가해 짧은 경로로 압축함으로써 비행 거리 상한을 α+2 수준으로 유지한다. 이 과정은 O(m²) 시간에 수행되며, 기존 O(m³·log λ) 복잡도 대비 실용성을 크게 높인다. 두 번째 알고리즘은 다중‑디포트 TSP(mTSP)에 대한 2‑근사 해를 이용해 일관된 투어 집합을 만든 뒤, 스테이너 포레스트 분해를 적용한다. 스테이너 포레스트는 요청을 λ‑스테이너 숲으로 커버하는 구조이며, 이를 통해 각 차량이 담당할 요청 집합의 크기를 O(√(m/λ)) 수준으로 제한한다. 결과적으로 전체 경로 길이는 O(√(m/λ))·OPT가 된다. 두 알고리즘을 상황에 맞게 선택·조합하면, m=Θ(n)인 경우 O(n¹⁄⁴·log¹⁄₂ n) 비율을, m≫n인 경우 O(√(n·log n)) 비율을 얻는다. 특히 후자는 기존 단일 차량 DaRP의 최선 비율 O(√n·log² n)을 한 로그 팩터만 줄여, 10년 넘게 개선되지 않았던 이론적 한계를 깨뜨렸다. 논문은 또한 요청 수가 정점 수보다 많아도 서로 다른 요청 쌍이 최대 n·(n‑1)개임을 이용해 알고리즘 설계에 활용한다는 점에서 문제의 구조적 한계를 정밀히 파악했다. 전체적으로 메트릭 임베딩, 스테이너 포레스트, 그리고 CVRP‑ITP 기법을 조화롭게 결합함으로써, 근사 비율과 실행 시간 모두에서 현존 최선 수준을 뛰어넘는 결과를 도출했다.