[論文レビュー] Improved Algorithms for Online Rent Minimization Problem Under Unit-Size Jobs

Enze Sun, Zonghan Yang+1 more|arXiv (Cornell University)|Jan 1, 2023

Optimization and Search Problems被引用数 1

ひとこと要約

本稿は、ユニットサイズのジョブを前提としたオンラインリNT最小化問題に対して、6-competitiveな新しいオракルベースのオンラインアルゴリズムフレームワークを提示する。これは、従来の最高の境界（約15.16）を著しく上回るものである。従来のアルゴリズムをブラックボックスとして使用するのではなく、最適なマシン拡張をシミュレートする効率的なオフラインオラクルに置き換えることで、よりタイトなコスト制御と、短時間ジョブと長時間ジョブを区別しない洗練された一貫したアプローチを実現した。

ABSTRACT

We consider the Online Rent Minimization problem, where online jobs with release times, deadlines, and processing times must be scheduled on machines that can be rented for a fixed length period of $T$. The objective is to minimize the number of machine rents. This problem generalizes the Online Machine Minimization problem where machines can be rented for an infinite period, and both problems have an asymptotically optimal competitive ratio of $O(\log(p_{\max}/p_{\min}))$ for general processing times, where $p_{\max}$ and $p_{\min}$ are the maximum and minimum processing times respectively. However, for small values of $p_{\max}/p_{\min}$, a better competitive ratio can be achieved by assuming unit-size jobs. Under this assumption, Devanur et al. (2014) gave an optimal $e$-competitive algorithm for Online Machine Minimization, and Chen and Zhang (2022) gave a $(3e+7)\approx 15.16$-competitive algorithm for Online Rent Minimization. In this paper, we significantly improve the competitive ratio of the Online Rent Minimization problem under unit size to $6$, by using a clean oracle-based online algorithm framework.

研究の動機と目的

• すべてのジョブの処理時間が1であり、リリース時刻とデッドライン制約内にスケジューリングされるユニットサイズジョブを前提としたオンラインリNT最小化問題に対処すること。
• この問題に対して、従来の最高の境界である3e + 7 ≈ 15.16を超える競争比を達成すること。
• 従来の手法とは異なり、ジョブを短時間ジョブと長時間ジョブに分類する必要がない、統一的かつ洗練されたオンラインアルゴリズムを開発すること。
• オンラインマシン最小化アルゴリズムを一般化したオラクルベースのフレームワークに形式化・拡張し、リNT最小化に適したものとすること。
• 遅延なしおよび遅延ありのリNTモデルの両方において、強い理論的保証を備えた、証明可能な効率性を持つオンラインアルゴリズムを確立すること。

提案手法

• 従来のアルゴリズムをブラックボックスとして使用するのではなく、効率的なオフラインアルゴリズムを用いてオンライン意思決定をガイドするオラクルベースのフレームワークを導入すること。
• T長のリNTに対して、リNT数をOPTに保ちながらリNT長を最大3Tまで許容する「最適拡張アルゴリズム」と呼ばれる代替オラクルを定義すること。
• オラクルを用いて最適解パスをシミュレートし、オンラインリNT意思決定をガイドすることで、オンライン単調性とコスト有界性を維持すること。
• EDF（最短デッドライン優先）スケジューリングを用いて、半オンラインリNT集合を段階的に維持することで、O(n² log n)の最悪計算量で効率的な動的更新を可能とすること。
• 遅延リNTモデル（各リNTの起動にλ時間かかる）に一般化するための還元技術を適用し、6(λ + 1)の競争比を達成すること。
• 構造的補題を用いて実行可能性と競争性を証明し、遅延が存在する場合でも、任意の区間においてすべてのジョブ要件がオンラインリNT集合によってカバーされることを示すこと。

実験結果

リサーチクエスチョン

• RQ1 ユニットサイズジョブを前提としたオンラインリNT最小化問題の競争比を、従来の境界3e + 7 ≈ 15.16を超えて改善できるか？
• RQ2 短時間ジョブと長時間ジョブを区別する必要がない統一的オンラインアルゴリズムを設計することは可能か？
• RQ3 既知の多項式時間最適オフラインアルゴリズムが存在しないにもかかわらず、オラクルベースのフレームワークをオンラインリNT最小化に効果的に適応できるか？
• RQ4 この問題に対して、オラクルベースのアプローチで達成可能な最良の競争比は何か？
• RQ5 リNT起動にλ時間かかる遅延モデルを扱いながら、強い競争保証を維持することは可能か？

主な発見

• 本稿は、ユニットサイズジョブを前提としたオンラインリNT最小化問題に対して、6-competitiveなオンラインアルゴリズムを提示する。これは、従来の最高の境界（約15.16）を著しく上回るものである。
• アルゴリズムは、従来のアルゴリズムをブラックボックスとして使用するのではなく、よりタイトなコスト制御とジョブの統一的取り扱いを可能にする、革新的なオラクルベースのフレームワークを採用している。
• オラクルは、最適なオフラインアルゴリズムの効率的代替であり、T長のリNTに対して、リNT数をOPTに保ちながらリNT長を最大3Tまで許容する。
• EDFスケジューリングを用いたリNT集合の段階的維持により、実行可能性と競争性を維持し、最悪計算量はO(n² log n)である。
• λをパラメータとする遅延リNTモデルに対しては、綺麗な還元技術を用いて、6(λ + 1)の競争比を達成した。
• フレームワークは、ブラックボックスアルゴリズムをオラクルベース設計に置き換えることで、競争比とアルゴリズムの明快さの両方において顕著な向上が達成可能であることを示している。