[論文レビュー] An Economic-Based Analysis of RANKING for Online Bipartite Matching

Alon Eden, Michal Feldman+2 more|arXiv (Cornell University)|Apr 18, 2018

Optimization and Search Problems参考文献 7被引用数 8

ひとこと要約

本稿は、オンライン二部マッチングにおけるRANKINGアルゴリズムの経済的解釈を提示し、アイテムに確率的価格が割り当てられ、購入者が効用を最大化するために合理的に行動する市場プロセスとして問題を定式化する。マッチングプロセスを収益と効用のトレードオフとしてモデル化することで、双対性を用いないシンプルな証明を導出し、RANKINGが$1 - \frac{1}{e}$の競合比を達成することを示し、これにより従来の解析を簡略化するとともに、ミクロ経済学的原則を用いた新たな直感的洞察を提供する。

ABSTRACT

In their seminal paper, Karp, Vazirani and Vazirani (STOC'90) introduce the online bipartite matching problem, and the RANKING algorithm, which admits a tight $1-\frac{1}{e}$ competitive ratio. Since its publication, the problem has received considerable attention, including a sequence of simplified proofs. In this paper we present a new proof that gives an economic interpretation of the RANKING algorithm -- further simplifying the proof and avoiding arguments such as duality. The new proof gives a new perspective on previous proofs.

研究の動機と目的

• オンライン二部マッチングにおけるRANKINGアルゴリズムの$1 - \frac{1}{e}$の競合比について、新たな簡略化された証明を提供すること。
• 従来の証明に根ざしていた線形計画法の双対性に依存しないように、経済的枠組みを導入すること。
• RANKINGアルゴリズムの挙動に内在する直感的経済的洞察（例：効用と収益）を提供すること。
• 市場メカニズムと合理的な購入者行動の観点から再定式化することで、既存の証明を統合的かつ明確化すること。
• i.i.d.な確率的価格を用いた価格ベースの市場プロセスを用いて、競合比がタイトであることを示すこと。

提案手法

• オンライン二部マッチング問題を、右側の頂点（アイテム）に連続的分布$\widehat{D}$から抽出された確率的価格が割り当てられる市場プロセスとしてモデル化する。
• 購入者の効用を$v_i(r_j) - p_j$として定義し、ここで$v_i(r_j) = 1$（辺$(\ell_i, r_j) \in E$のとき）、さもなくば0である。
• 市場プロセスを用いる：到着時に各購入者は利用可能な中で最も高い効用を持つアイテムを選択し、これによりマッチング$M$が誘発される。
• 社会的厚生を$|M| = \sum_{i} \mathrm{util}_i + \sum_{j} \mathrm{rev}_j$として表現し、マッチングサイズと総効用・収益の関係を結びつける。
• 任意の辺$(\ell_i, r_j) \in E$に対して、購入者の効用とアイテムの収益の期待値の和が$\mathbb{E}[\mathrm{util}_i + \mathrm{rev}_j] \geq 1 - \frac{1}{e}$を満たすことを証明する。
• 比較的議論を用いる：$r_j$を除いたマッチングを条件付きで定義し、その状況下で$\ell_i$にマッチしたアイテムの価格を$p = e^{y-1}$とする。その後、$p_j < p$である確率を上界で抑え込む。

実験結果

リサーチクエスチョン

• RQ1 線形計画法の双対性に依存せずに、経済的枠組みを用いてRANKINGアルゴリズムの競合比を証明できるか？
• RQ2 確率的価格と効用最大化を目的とする購入者を仮定した市場としてオンラインマッチングをモデル化することで、解析がどのように簡略化されるか？
• RQ3 確率的マッチングプロセスにおいて、購入者の期待効用とアイテムの期待収益の関係は何か？
• RQ4 経済的解釈は、$1 - \frac{1}{e}$の競合比のタイトさを保っているか？
• RQ5 双対変数の代わりに、効用や収益といった経済的概念を用いることで、証明をより直感的かつアクセス可能なものにできるか？

主な発見

• RANKINGアルゴリズムは、最大マッチング$M^*$に対して、期待マッチングサイズが少なくとも$\left(1 - \frac{1}{e}\right) \cdot |M^*|$に達することを保証する。
• 証明により、任意の辺$(\ell_i, r_j) \in E$に対して、購入者の効用とアイテムの収益の期待値の和が$1 - \frac{1}{e}$以上であることが示され、これが直接的に競合比を示している。
• 経済的解釈により、線形計画法の双対性を明示的に用いないため、Devanurら（2013年）などの先行研究と比較して証明が簡略化されている。
• 購入者の到着順序が任意であっても、点質量のない連続的分布$\widehat{D}$から抽出されたi.i.d.な確率的価格のもとで、結果は成立する。
• 証明は比較的議論を活用している：完全な市場における購入者の効用は、特定のアイテムを除いた市場におけるそれ以上であるため、$\mathrm{util}_i \geq 1 - p$が保証される。
• アイテム$r_j$の期待収益は、$p = e^{y-1}$として、下限$ p - \frac{1}{e} $で抑えられ、最終的に$\mathbb{E}[\mathrm{util}_i + \mathrm{rev}_j] \geq 1 - \frac{1}{e}$が得られる。