[論文レビュー] A Tight Competitive Ratio for Online Submodular Welfare Maximization

Amit Ganz, Pranav Nuti+1 more|arXiv (Cornell University)|Jan 1, 2023

Complexity and Algorithms in Graphs被引用数 1

ひとこと要約

本稿では、敵対的到着順序において競合比1/4というタイトな結果を達成する、非単調な部分加法的効用関数と分割不能なアイテムを伴うオンライン部分加法的ウェルファーカー問題に対する確率的オンラインアルゴリズムを提示する。また、ランダム到着順序では、1/4を上回る約0.27493の改善された競合比を達成する。この手法は、残渣ランダムグリーディ（RRG）アルゴリズムの洗練された分析に基づき、反復処理におけるマージナルゲインをより効果的に扱うことで、ランダム到着順序設定における性能を向上させる滑らか化されたバージョンを導入する。

ABSTRACT

In this paper we consider the online Submodular Welfare (SW) problem. In this problem we are given $n$ bidders each equipped with a general (not necessarily monotone) submodular utility and $m$ items that arrive online. The goal is to assign each item, once it arrives, to a bidder or discard it, while maximizing the sum of utilities. When an adversary determines the items' arrival order we present a simple randomized algorithm that achieves a tight competitive ratio of $ icefrac{1}{4}$. The algorithm is a specialization of an algorithm due to [Harshaw-Kazemi-Feldman-Karbasi MOR`22], who presented the previously best known competitive ratio of $3-2\sqrt{2}\approx 0.171573 $ to the problem. When the items' arrival order is uniformly random, we present a competitive ratio of $\approx 0.27493$, improving the previously known $ icefrac{1}{4}$ guarantee. Our approach for the latter result is based on a better analysis of the (offline) Residual Random Greedy (RRG) algorithm of [Buchbinder-Feldman-Naor-Schwartz SODA`14], which we believe might be of independent interest.

研究の動機と目的

• 非単調な部分加法的効用関数と分割不能なアイテムを伴うオンライン部分加法的ウェルファーカー問題に対処する。
• 従来の1/4という保証を超えて、ランダム到着順序モデルにおけるオンライン部分加法的ウェルファーカーの競合比を向上させる。
• 敵対的到着順序において、既知の下界に一致するタイトな競合比1/4を達成する。
• ランダム到着順序設定における性能向上を実現するため、残渣ランダムグリーディ（RRG）アルゴリズムの洗わされた変種を再分析する。
• 敵対的およびランダムなアイテム到着順序の両方において、オンラインアルゴリズムの理論的保証を確立する。

提案手法

• 分割マトロイドにおける残りのパーツ数に基づく幾何分布に従って反復回数を確率的に決定する、残渣ランダムグリーディ（RRG）アルゴリズムの滑らか化されたバージョンを提案する。
• 各要素が各反復で確率的に正確に1/kで選択されることを確率的分析により示し、公平性とマージナルゲインの期待値の有界性を保証する。
• マトロイド構造における基本的交換引数を用いて、各ステップにおける関数値の期待値改善を有界化する。
• 期待関数値増加の再帰不等式を導出する：E[f(Si)] - E[f(Si−1)] ≥ (1/k)(f(OSi−1 ∪ Si−1) - f(Si−1))。
• 重要な不等式を確立する：E[f(OSi ∪ Si)] ≥ (1 - 2/k)E[f(OSi−1 ∪ Si−1)] + (1/k)E[f(Si−1)]。この不等式により、全体の近似比の有界化が可能になる。
• 反復処理における期待ゲインと損失項の詳細な分析を通じて、滑らか化RRGアルゴリズムがランダム到着順序設定で少なくとも0.27493の競合比を達成することを証明する。

実験結果

リサーチクエスチョン

• RQ1 敵対的アイテム到着順序下で、オンライン部分加法的ウェルファーカー最大化のための可能な最高の競合比は何か？
• RQ2 非単調な部分加法的目的関数に対して、ランダム到着順序モデルにおける競合比を1/4を上回ることは可能か？
• RQ3 ランダム到着順序設定において、RRGアルゴリズムの反復回数を確率的に決定（滑らか化）した場合、その性能はどのように変化するか？
• RQ4 元のRRGアルゴリズムと比較して、滑らか化RRGアプローチが改善された競合比を達成する理論的根拠は何か？
• RQ5 非単調な効用関数を伴う敵対的オンライン部分加法的ウェルファーカー問題において、1/4の競合比はタイトか？

主な発見

• 本稿では、敵対的アイテム到着順序下で、オンライン部分加法的ウェルファーカー問題に対してタイトな競合比1/4を確立し、既知の下界と一致する。
• ランダム到着順序モデルにおいて、提案された滑らか化RRGアルゴリズムは、1/4という従来の最良保証を超える約0.27493の競合比を達成する。
• この改善された比は、残渣ランダムグリーディ（RRG）アルゴリズムの洗練された分析に基づくもので、分割マトロイドの残りのパーツ数に対して幾何分布を用いて反復回数を確率的に決定することで達成される。
• 分析により、各反復で各要素が正確に確率1/kで選択されることが示され、期待マージナルゲインの精密な制御が可能になる。
• 重要な不等式 E[f(OSi ∪ Si)] ≥ (1 - 2/k)E[f(OSi−1 ∪ Si−1)] + (1/k)E[f(Si−1)] が導出され、反復処理における期待関数値増加の有界化に用いられる。
• 滑らか化RRGアルゴリズムが、反復回数が確率的に決定された元のRRGアルゴリズムと分布的に同一であることが示され、ランダム到着順序設定におけるその性能に関する新たな視点が得られる。