[論文レビュー] Greedy Algorithm for Multiway Matching with Bounded Regret

Varun Gupta|arXiv (Cornell University)|Dec 8, 2021

Optimization and Search Problems被引用数 7

ひとこと要約

本稿では、一般位置ギャップ（GPG）条件の下で、レジーリングが制限されたマルチウェイマッチングのためのグリーディアルゴリズムを提案する。配置にオンラインキュー可能なリソースと非キュー可能なリソースが混在しない場合、$Ó(1/\epsilon_0)$のレジーリングを達成し、それ以外の場合は$Ó(\log t)$の期待レジーリングを達成する。この手法は、静的計画LP（SPP）の最適解を定期的な再最適化なしに追跡し、ポテンシャル関数とアームォタイズド解析を活用する。

ABSTRACT

In this paper we prove the efficacy of a simple greedy algorithm for a finite horizon online resource allocation/matching problem, when the corresponding static planning linear program (SPP) exhibits a non-degeneracy condition called the general position gap (GPG). The key intuition that we formalize is that the solution of the reward maximizing SPP is the same as a feasibility Linear Program restricted to the optimal basic activities, and under GPG this solution can be tracked with bounded regret by a greedy algorithm, i.e., without the commonly used technique of periodically resolving the SPP. The goal of the decision maker is to combine resources (from a finite set of resource types) into configurations (from a finite set of feasible configurations) where each configuration is specified by the number of resources consumed of each type and a reward. The resources are further subdivided into three types - offline (whose quantity is known and available at time 0), online-queueable (which arrive online and can be stored in a buffer), and online-nonqueueable (which arrive online and must be matched on arrival or lost). Under GRG we prove that, (i) our greedy algorithm gets bounded any-time regret of $\mathcal{O}(1/ε_0)$ for matching reward ($ε_0$ is a measure of the GPG) when no configuration contains both an online-queueable and an online-nonqueueable resource, and (ii) $\mathcal{O}(\log t)$ expected any-time regret otherwise (we also prove a matching lower bound). By considering the three types of resources, our matching framework encompasses several well-studied problems such as dynamic multi-sided matching, network revenue management, online stochastic packing, and multiclass queueing systems.

研究の動機と目的

• 非退化条件の下で、パラメータフリーのグリーディアルゴリズムを用いたオンラインマルチウェイマッチングにおける、境界付きのレジーリングを実現すること。
• 一般位置ギャップ（GPG）条件が成立する場合、最適SPP解がグリーディな割り当てによって追跡可能であるという直感を形式化すること。
• 動的マルチサイドマッチング、ネットワーク収益管理、オンライン確率的パッキング、マルチクラスキューイングといった多様な問題を、1つの三リソースフレームワーク（オフライン、オンラインキュー可能なリソース、オンライン非キュー可能なリソース）で統一すること。
• 定期的なSPP再最適化なしに、一般動的マルチサイドマッチングに対して、初めて境界付きのレジーリング結果を確立すること。
• リソース消費行列の正確な要素情報がなくても、基本可能な活動の知識があれば境界付きのレジーリングが達成可能であることを示すこと。

提案手法

• アルゴリズムは、静的計画LP（SPP）から導出された双対変数に基づいて、構成の優先順位を決定するグリーディマッチングルールを用いる。
• 現在の状態と最適SPP解との距離を追跡するためのリャプノフポテンシャル関数を採用し、アームォタイズド解析を可能にする。
• 解析は、最適SPP基底が一意的であり、微小な摂動に対しても安定していることを保証する一般位置ギャップ（GPG）条件に依存する。
• オンラインキュー可能なリソースと非キュー可能なリソースが混在しない構成の場合、$\mathcal{O}(1/\epsilon_0)$のレジーリングを達成する。ここで$\epsilon_0$はGPGの尺度である。
• 混合構成の場合、レジーリングは$\mathcal{O}(\log t)$の期待値となる。これは、死活状態を回避する新しいポテンシャル関数を用いて証明される。
• SPPの最適基底に裏付けられた安定した双対ベースの優先順位ポリシーを維持することで、定期的なSPP再最適化を回避する。

実験結果

リサーチクエスチョン

• RQ1 定期的なSPP再最適化なしに、シンプルなグリーディアルゴリズムがオンラインマルチウェイマッチングで境界付きのレジーリングを達成できるか？
• RQ2 SPPにおけるどのような構造的条件のもとで、グリーディアルゴリズムが最適解を境界付きのレジーリングで追跡できるか？
• RQ3 構成にキュー可能なリソースと非キュー可能なリソースが両方存在する場合、レジーリングとその存在との間の根本的トレードオフは何か？
• RQ4 SPPの最適基底を用いて、リソース消費行列の正確な要素情報に依存しない優先順位ポリシーを設計可能か？
• RQ5 一般位置ギャップ（GPG）条件が、混合オンラインリソースタイプが存在しない状況で$\mathcal{O}(1/\epsilon_0)$のレジーリングを保証するのに十分か？

主な発見

• 構成にオンラインキュー可能なリソースと非キュー可能なリソースが混在しない場合、$\mathcal{O}(1/\epsilon_0)$のレジーリングを達成する。ここで$\epsilon_0$は一般位置ギャップを測る指標である。
• キュー可能なリソースと非キュー可能なリソースが混在する構成の場合、$\mathcal{O}(\log t)$の期待レジーリングを発生させる。これは下界と一致する。
• 最適SPP解を双対ベースのグリーディポリシーで追跡することで、SPPの再最適化を定期的に行わずに済ませる。
• 一般位置ギャップ（GPG）は、最適SPP基底の一意性と安定性を保証し、確率的到着に対しても境界付きのレジーリングを可能にする。
• 本手法は、動的マルチサイドマッチング、ネットワーク収益管理、確率的バインパッキングを、三リソースタイプ（オフライン、オンラインキュー可能なリソース、オンライン非キュー可能なリソース）の統一フレームワークで統合する。
• シミュレーションにより、提案された和の二乗（SS）アルゴリズムが、無限大に近づく$\Theta(\log t)$の浪費を示すベースラインのCsirikら（2006）アルゴリズムを上回り、浪費が境界付きであることが確認された。