[論文レビュー] Approximate optimality with bounded regret in dynamic matching models

Ana Bušić, Sean Meyn|arXiv (Cornell University)|Nov 4, 2014

Advanced Queuing Theory Analysis参考文献 13被引用数 10

ひとこと要約

本稿は、到着が確率的である動的二部マッチングシステムに対して、作業負荷緩和フレームワークを用いて、最適平均コストに対する有界なレグレットを達成する閉形式のマッチングポリシーを提案する。これは、システムの容量に近づくにつれて、最適コストに対する有界なレグレットを保証する。この手法は在庫理論と近似動的プログラミングを活用し、システム負荷のスケーリングに依存しない性能保証とともに、漸近的最適性を達成する。

ABSTRACT

We consider a discrete-time bipartite matching model with random arrivals of units of supply and demand that can wait in queues located at the nodes in the network. A control policy determines which are matched at each time. The focus is on the infinite-horizon average-cost optimal control problem. A relaxation of the stochastic control problem is proposed, which is found to be a special case of an inventory model, as treated in the classical theory of Clark and Scarf. The optimal policy for the relaxation admits a closed-form expression. Based on the policy for this relaxation, a new matching policy is proposed. For a parameterized family of models in which the network load approaches capacity, this policy is shown to be approximately optimal, with bounded regret, even though the average cost grows without bound.

研究の動機と目的

• 確率的かつ時間的に変化する到着が発生する動的二部マッチングシステムにおいて、証明可能な優れた性能を示すマッチングポリシーの開発。
• 整数バッファ制約を伴う確率的マッチングモデルにおける無限時間平均コスト最適制御の課題に対処すること。
• システム負荷が容量に近づき、平均コストが発散する中でも、最適コストに対する有界なレグレットを維持するポリシーの設計。
• 特に作業負荷と凸緩和を含む緩和技術を活用し、最適値関数の取り扱いやすい近似を導出すること。
• クラークとスカーフのフレームワークを通じて、動的マッチングと古典的在庫モデルとの関連を確立し、閉形式解を可能にする。

提案手法

• 元の確率的制御問題の作業負荷緩和を定式化し、マッチングモデルを独立同分布の増分を持つ1次元の制御付きランダムウォークに変換する。
• 緩和問題の最適ポリシーを基に、実数値の近似値関数 $ h $ を構築し、真の値関数の代理として解釈する。
• 近似値関数 $ h $ を用いて $ h $-MaxWeight ポリシー枠組みを定義し、状態依存のマッチング意思決定を保証する新しいマッチングポリシーを構築する。
• 幾何的緩和とフロー変更技術を用いてネットワーク内のマッチングレートを調整し、パスベースの摂動を用いて安定性と性能を向上させる。
• 複数のマッチングパスを確率的選択ルールで組み合わせた確率的ポリシーを導入し、摂動下でも実行可能性と性能を保証する。
• 非線形計画法を用いて緩和モデルの有効コスト関数 $ \bar{c} $ を計算し、真の最適平均コストの下界 $ \widehat{\eta}^* $ として機能させる。

実験結果

リサーチクエスチョン

• RQ1 システム負荷が容量に近づく際、最適平均コストに対する有界なレグレットを維持するマッチングポリシーを設計できるか？
• RQ2 在庫理論からの緩和技術をどのように応用し、確率的マッチング制御問題の近似値関数を導出できるか？
• RQ3 高負荷領域における、提案ポリシーと真の最適ポリシーとの間の性能ギャップ（レグレット）はどの程度か？
• RQ4 緩和問題から閉形式ポリシーを導出し、平均コストの観点で漸近的最適性を達成できるか？
• RQ5 マッチングネットワークの構造と到着プロセスの性質が、提案ポリシーの安定性と性能にどのように影響するか？

主な発見

• 提案ポリシーは有界レグレットを達成する：$ \eta \leq \widehat{\eta}^* + O(1) $、ここで $ \widehat{\eta}^* $ は緩和モデルの最適コストであり、$ O(1) $ は負荷パラメータ $ \delta $ に依存しない。
• $ \delta \downarrow 0 $ のとき、最適コスト $ \widehat{\eta}^* $ は $ 1/\delta $ のオーダーで増大するが、レグレットは一様に有界のまま保たれる。
• 作業負荷緩和モデルは、$ \widehat{W}(t+1) = \widehat{W}(t) - \delta + \hat{I}(t) + \Delta(t+1) $ の動的を持つ1次元の制御付きランダムウォークであり、$ \Delta $ は平均0の独立同分布の確率変数である。
• 緩和問題の最適ポリシーは閉形式で表現可能であり、近似値関数 $ h $ の構築が容易になる。
• 幾何的およびフローに基づく摂動議論を用いて、この手法は $ h $-MaxWeight ポリシーを動的マッチングに一般化し、性能保証を導出する。
• 理論的分析により、修正された確率的ポリシーが小さな摂動下でも安定性と性能を維持することが確認され、正の $ \varepsilon_0 $ および $ \varepsilon_0' $ が証明フレームワーク内での実行可能性を保証する。