Improved approximation algorithms for packing and scheduling problems

This thesis presents approximation algorithms for geometric packing and scheduling problems. First, improved AFPTAS for the Bin Packing Problem (BP) and its generalization, the Variable-sized Bin Packing Problem (VBP), are explained. Our algorithms have to solve the unbounded variant of the Knapsack Problem (KP) and of the Knapsack Problem with Inversely Proportional Profits (KPIP) as subproblems. In the normal 0-1 variant of KP, an item can be chosen only once. In the bounded variant, an individual bounded number of copies can be taken of every item. The unbounded variant (UKP) allows for an infinite number of copies of every item. KPIP is a generalization of KP in which we have not only one, but several knapsack sizes. The profit of an item is inversely proportional to the size of the knapsack into which it has been packed. This makes it non-trivial to choose the knapsack size that maximizes the profit over all knapsack sizes. Similar to KP, there are the 0-1, the bounded, and the unbounded variant of KPIP. We first present FPTAS for every of the three variants of KPIP. They are faster than the natural approach to separately solve for every knapsack size the corresponding Knapsack Problem. Second, we present an FPTAS for UKP that is faster and needs less storage space than previously known algorithms. Finally, we combine the approaches of the KPIP and of the UKP FPTAS to get an FPTAS for the Unbounded KPIP that has again a better time and space complexity. All these results improve the running time for our BP and VBP algorithms. As a corollary, we also improve the running time for a Strip Packing AFPTAS. Finally, we consider Scheduling on Unrelated Machines of which we study the special case with a constant number K of machine types: one job has the same processing time on every machine of the same type. We present a PTAS for this special case. The algorithm has a better running time than the previously known algorithm for general (but constant) K.

Diese Dissertation stellt Approximationsalgorithmen für geometrische Packungs- und Ablaufplanungsprobleme (Packing and Scheduling Problems) vor. Zuerst werden verbesserte AFPTAS für das Behälterproblem (Bin Packing, BP) und seine Verallgemeinerung, das Behälterproblem mit verschiedenen Behältergrößen (Variable-sized Bin Packing, VBP), erklärt. Unsere Algorithmen müssen die unbeschränkte (unbounded) Variante des Rucksackproblems (Knapsack Problem, KP) und des Rucksackproblems mit invers proportionalen Profiten (Knapsack Problem with Inversely Proportional Profits, KPIP) als Unterprobleme lösen. Bei KP gibt es die Varianten 0-1, beschränkt und unbeschränkt. KPIP ist eine Verallgemeinerung des Rucksackproblems mit mehreren Rucksackgrößen, die in dieser Dissertation eingeführt wird. Wie bei KP gibt es bei KPIP ebenfalls die Varianten 0-1, beschränkt und unbeschränkt. Wir stellen zuerst FPTAS für alle drei Varianten von KPIP vor. Sie sind schneller als der natürliche Ansatz, für jede Rucksackgröße das entsprechende Rucksackproblem einzeln zu lösen. Danach stellen wir ein FPTAS für UKP vor, das schneller ist und weniger Speicherplatz benötigt als zuvor bekannte Algorithmen. Schließlich kombinieren wir den Ansatz für KPIP und für das unbeschränkte KPIP, um ein FPTAS für die unbeschränkte Variante von KPIP zu erhalten, das wiederum eine kleinere Zeit- und Speicherkomplexität besitzt. All diese Resultate verbessern die Laufzeit unserer BP- und VBP-Algorithmen. Als Korollar verbessern wir außerdem die Laufzeit eines AFPTAS für das geometrische Zuschnittproblem (Strip Packing). Schließlich betrachten wir das Ablaufplanungsproblem auf heterogenen Maschinen (Scheduling on Unrelated Machines), bei dem wir den Spezialfall mit einer konstanten Anzahl K an Maschinentypen untersuchen: Eine Aufgabe (Job) hat auf jeder Maschine desselben Typs die gleiche Ausführungszeit. Wir stellen für diesen Spezialfall ein PTAS vor. Der Algorithmus ist schneller als das zuvor bekannte Verfahren für allgemeines (aber konstantes) K.


Citation style:
Could not load citation form.


Use and reproduction:No Creative Commons license - The provisions of the German Copyright Act (UrhG) apply.Please note that individual components of the publication may be subject to other licensing or copyright conditions.