[論文レビュー] Attenuate Locally, Win Globally: An Attenuation-based Framework for Online Stochastic Matching with Timeouts

Brian Brubach, Karthik Abinav Sankararaman+2 more|arXiv (Cornell University)|Apr 22, 2018

Optimization and Search Problems参考文献 24被引用数 3

ひとこと要約

本稿は、タイムアウト付きのオンライン確率的マッチング問題に対して、ブラックボックスとしてのオフライン確率的マッチングアルゴリズムを用いる、減衰に基づくオンラインフレームワークを提案する。標準問題に対しては0.46の競合比を達成し、両側タイムアウトの設定では初めての0.30の競合比を達成しており、先行研究を著しく改善するとともに、より優れたオフラインブラックボックスの利用により将来の向上が可能となる。

ABSTRACT

Online matching problems have garnered significant attention in recent years due to numerous applications in e-commerce, online advertisements, ride-sharing, etc. Many of them capture the uncertainty in the real world by including stochasticity in both the arrival process and the matching process. The Online Stochastic Matching with Timeouts problem introduced by Bansal, et al., (Algorithmica, 2012) models matching markets (e.g., E-Bay, Amazon). Buyers arrive from an independent and identically distributed (i.i.d.) known distribution on buyer profiles and can be shown a list of items one at a time. Each buyer has some probability of purchasing each item and a limit (timeout) on the number of items they can be shown. Bansal et al., (Algorithmica, 2012) gave a 0.12-competitive algorithm which was improved by Adamczyk, et al., (ESA, 2015) to 0.24. We present an online attenuation framework that uses an algorithm for offline stochastic matching as a black box. On the upper bound side, we show that this framework, combined with a black-box adapted from Bansal et al., (Algorithmica, 2012), yields an online algorithm which nearly doubles the ratio to 0.46. On the lower bound side, we show that no algorithm can achieve a ratio better than 0.632 using the standard LP for this problem. This framework has a high potential for further improvements since new algorithms for offline stochastic matching can directly improve the ratio for the online problem. Our online framework also has the potential for a variety of extensions. For example, we introduce a natural generalization: Online Stochastic Matching with Two-sided Timeouts in which both online and offline vertices have timeouts. Our framework provides the first algorithm for this problem achieving a ratio of 0.30. We once again use the algorithm of Adamczyk et al., (ESA, 2015) as a black-box and plug-it into our framework.

研究の動機と目的

• オンラインの買い手が限られた忍耐力を有する一方で、アイテムの購入が確率的であるという、オンライン確率的マッチングとタイムアウト（OSMT）問題に対処すること。
• 先行研究で達成された0.24の上限を超える競合比を達成するため、一般化された減衰に基づくフレームワークを導入すること。
• 両方の頂点（オンラインおよびオフライン）に忍耐制約があるというより複雑な状況である二重タイムアウトの設定に、このフレームワークを拡張すること。
• オフライン確率的マッチング分野の進展を活用して、オンライン性能を向上させる統一的かつ拡張可能なアプローチを提供すること。
• 標準的な線形計画式（LP）における理論的下界として0.632を確立し、改善の限界を示すこと。

提案手法

• 局所的減衰を用いる：グローバルな減衰パラメータαを用いて、オンラインの到着による干渉を低減するため、エッジのプローブ確率をスケーリングダウンする。
• 2つの主要なオンラインフレームワーク、ATTN₁およびATTN₂を導入し、オフラインブラックボックスの解に減衰を適用した後、それをオンライン環境に適用する。
• ブラックボックス還元に依存する：星形グラフにおけるオフライン確率的マッチングの任意のアルゴリズムを、このフレームワークに組み込むことでオンラインアルゴリズムが得られる。
• 条件付き確率とマルコフの不等式を用いて、アイテムがマッチしない確率をバインドすることで、減衰下での高い期待報酬を保証する。
• プローブとコミットメントのルールを変更することで、フレームワークを分数到着レートおよび二重タイムアウトの一般化に拡張する。
• 減衰機構下でのエッジプローブ確率とマッチングイベントの詳細な分析を通じて、競合比を証明する。

実験結果

リサーチクエスチョン

• RQ1 オフラインアルゴリズムを活用することで、タイムアウト付きオンライン確率的マッチングの競合比を向上させる一般化されたフレームワークを設計できるか？
• RQ2 オンライン環境において、オフライン解に減衰を適用することで、どの程度の競合比を達成できるか？
• RQ3 両方の頂点に忍耐制約がある二重タイムアウトの設定に対しても、このフレームワークを拡張できるか？
• RQ4 標準的なLP定式化のもとで、この問題の改善の理論的限界は何か？
• RQ5 より優れたオフラインブラックボックスアルゴリズムの利用により、このフレームワークが将来的にどのように改善を可能にするか？

主な発見

• Bansalら（2012）の変種をブラックボックスとして用いたATTN₁フレームワークは、0.46の競合比を達成し、前回の最高水準の0.24をほぼ2倍に上回る。
• 二重タイムアウト問題において、本フレームワークは初めての定数競合比を持つアルゴリズムを提供し、0.30の競合比を達成した。
• 本フレームワークは拡張可能である：星形グラフにおけるより優れたオフラインアルゴリズムは、直接的により優れたオンライン性能をもたらす。
• 標準LPに対して0.632の下界が確立され、現在の定式化のもとでは、いかなるアルゴリズムもこの比を超えることはできないことが示された。
• 解析により、本フレームワーク下でアイテムがマッチする確率は、オフラインの割合のαe⁻ᵅ倍以上に下限づけられ、最適なα = 0.5を用いることで、一般化モデルに対して0.303の値が得られることを証明した。