[論文レビュー] Follow Your Star: New Frameworks for Online Stochastic Matching with Known and Unknown Patience

Brian Brubach, Nathaniel Grammel+2 more|arXiv (Cornell University)|Jul 9, 2019

Optimization and Search Problems参考文献 42被引用数 2

ひとこと要約

本稿は、既知および未知の忍耐性を伴うオンライン確率的マッチングのための新しいフレームワークを導入し、星型グラフ上でブラックボックスアルゴリズムを用いて、任意の忍耐性分布に対して1/2近似を得る。確率的到着設定における競合比の向上を図り、任意の忍耐性分布を想定したキャスケード・クリックモデルに対する最初の既知の保証を提供する。

ABSTRACT

We study several generalizations of the Online Bipartite Matching problem. We consider settings with stochastic rewards, patience constraints, and weights (both vertex- and edge-weighted variants). We introduce a stochastic variant of the patience-constrained problem, where the patience is chosen randomly according to some known distribution and is not known until the point at which patience has been exhausted. We also consider stochastic arrival settings (i.e., online vertex arrival is determined by a known random process), which are natural settings that are able to beat the hard worst-case bounds of more pessimistic adversarial arrivals. Our approach to online matching utilizes black-box algorithms for matching on star graphs under various models of patience. In support of this, we design algorithms which solve the star graph problem optimally for patience with a constant hazard rate and yield a 1/2-approximation for any patience distribution. This 1/2-approximation also improves existing guarantees for cascade-click models in the product ranking literature, in which a user must be shown a sequence of items with various click-through-rates and the user's patience could run out at any time. We then build a framework which uses these star graph algorithms as black boxes to solve the online matching problems under different arrival settings. We show improved (or first-known) competitive ratios for these problems. Finally, we present negative results that include formalizing the concept of a stochasticity gap for LP upper bounds on these problems, bounding the worst-case performance of some popular greedy approaches, and showing the impossibility of having an adversarial patience in the product ranking setting.

研究の動機と目的

• 確率的報酬、忍耐性制約、重みを伴うオンライン二部マッチング問題を、忍耐性が既知またはランダムに分布する設定において取り扱う。
• 悪意ある到着モデルの限界を克服するため、最悪ケースの境界を上回るより良い競合比をもたらす確率的到着プロセスを導入する。
• さまざまな忍耐性モデル下での星型グラフマッチング問題を解くブラックボックス手法を開発し、一般のオンラインマッチング問題への広範な応用を可能にする。
• これらの問題におけるLP上界の確率的ギャップを形式化し、確率的設定における近似の限界を明確にする。
• 製品ランク付け設定における悪意ある忍耐性の下で非自明な近似保証が達成可能かどうかを明らかにし、近似の限界を明確にする。

提案手法

• 忍耐性が既知の分布から抽出され、消費された時点でのみ明らかになる、忍耐性制約付きオンラインマッチング問題の確率的変種を設計する。
• 定常ハザードレート忍耐性下での星型グラフに対する最適アルゴリズムを構築し、任意の忍耐性分布に対して1/2近似アルゴリズムを提案する。
• 星型グラフアルゴリズムをブラックボックスとして用いる一般フレームワークを構築し、異なる到着モデル下でのより広範なオンラインマッチング問題を解く。
• 頂点の到着が既知の確率的プロセスに従う確率的到着プロセスを活用し、悪意ある到着モデルの最悪ケース境界を上回る性能を達成する。
• 頂点重みおよびエッジ重み付きの両方のオンラインマッチングバリアントにフレームワークを適用し、改善された競合比を達成する。
• 確率的ギャップ（stochasticity gap）を、確率的設定と悪意ある設定における最適LP上界の比として形式化し、性能向上の理論的限界を提供する。

実験結果

リサーチクエスチョン

• RQ1 既知および未知の忍耐性を伴う、確率的報酬、忍耐性制約、重みを伴うオンラインマッチングを統一的に取り扱えるフレームワークを開発可能か？
• RQ2 忍耐性が任意の既知の分布から確率的に抽出される場合、オンラインマッチングで達成可能な競合比は何か？
• RQ3 オンラインマッチング問題において、確率的到着プロセスは悪意ある到着と比較してどのように競合比を向上させるか？
• RQ4 LP緩和における確率的ギャップが捉える、確率的オンラインマッチングにおける近似の根本的限界は何か？
• RQ5 悪意ある忍耐性の下で、製品ランク付けにおいて非自明な近似保証を達成することは可能か、それともこのような設定は根本的に困難であるか？

主な発見

• 本稿は、任意の忍耐性分布下で星型グラフ上のオンラインマッチングに対して1/2近似を達成しており、この問題クラスにおいて最適である。
• 確率的到着下でのオンラインマッチングにおける競合比が向上し、悪意あるモデルの最悪ケース境界を上回る。
• 星型グラフにおける1/2近似は、ユーザーが任意の時点でクリック率が既知の状態で放棄する可能性があるキャスケード・クリックモデルにおいても、既存の保証を改善する。
• 確率的ギャップが形式的に定義され、境界が示された。これにより、確率的設定におけるLP上界が悪意ある設定に比べて著しく緩いことが明らかになった。
• 本稿は、忍耐性が悪意的に選ばれる製品ランク付け設定では非自明な近似が達成できないことを証明し、確率的忍耐性モデルの必要性を強調した。
• ブラックボックスフレームワークにより、星型グラフアルゴリズムを再利用し、頂点およびエッジ重み付きの一般オンラインマッチング問題を解くことが可能となり、いくつかの設定で初めての既知の競合比を達成した。