[論文レビュー] Linear Programming helps solving large multi-unit combinatorial auctions

Rica Gonen, Daniel Lehmann|ArXiv.org|Feb 15, 2002

Auction Theory and Applications参考文献 11被引用数 32

ひとこと要約

本稿では、線形計画法（LP）が、分枝限定法における積極的な枝刈りを可能にするタイトな上限値を提供することで、大規模なマルチユニット組み合わせ入札の解法効率を著しく向上させることを示している。以前の仮定とは異なり、LPは繰り返し使用するには遅すぎるという見方であったが、実験により、LP呼び出しに多大な投資を行うことで探索空間が著しく削減され、標準的なハードウェア上でも数百品目の商品と数千件の入札を含む入札において最適解が得られることを示している。

ABSTRACT

Previous works suggested the use of Branch and Bound techniques for finding the optimal allocation in (multi-unit) combinatorial auctions. They remarked that Linear Programming could provide a good upper-bound to the optimal allocation, but they went on using lighter and less tight upper-bound heuristics, on the ground that LP was too time-consuming to be used repetitively to solve large combinatorial auctions. We present the results of extensive experiments solving large (multi-unit) combinatorial auctions generated according to distributions proposed by different researchers. Our surprising conclusion is that Linear Programming is worth using. Investing almost all of one's computing time in using LP to bound from above the value of the optimal solution in order to prune aggressively pays off. We present a way to save on the number of calls to the LP routine and experimental results comparing different heuristics for choosing the bid to be considered next. Those results show that the ordering based on the square root of the size of the bids that was shown to be theoretically optimal in a previous paper by the authors performs surprisingly better than others in practice. Choosing to deal first with the bid with largest coefficient (typically 1) in the optimal solution of the relaxed LP problem, is also a good choice. The gap between the lower bound provided by greedy heuristics and the upper bound provided by LP is typically small and pruning is therefore extensive. For most distributions, auctions of a few hundred goods among a few thousand bids can be solved in practice. All experiments were run on a PC under Matlab.

研究の動機と目的

• 大規模なマルチユニット組み合わせ入札において、線形計画法（LP）が最適解を効果的に束縛できるかどうかを調査すること。これは、LPが繰り返し使用するには遅すぎるという一般的な信念に挑戦することを目的としている。
• 分枝限定法における入札決定のための異なる入札選択ヒューリスティクスの性能に与える影響を評価すること。
• より軽量なヒューリスティクスによる境界と比較して、LPに基づく上限値が収束速度を速め、探索空間を縮小するかどうかを特定すること。
• さまざまな入札分布とサイズにおいて、LPによる境界を用いた分枝限定法のスケーラビリティを評価すること。

提案手法

• 著者らは、マルチユニット組み合わせ入札における入札決定のための分枝限定法を実装し、部分的割り当ての上限値を求めるためにLPを用いている。
• 高速なグリーディ初期化フェーズにより、高品質な下限値が得られ、これが探索空間の早期刈り込みに使用される。
• LP緩和問題の最適解を用いて、次に探索するべき入札の選択をガイドしており、特にLP解において係数が大きな入札を優先的に選択する。
• 入札の次に探索する順序を決定するためのヒューリスティクスとして、入札サイズの平方根およびLPに基づく適応的基準を評価している。
• LP呼び出し回数を削減する最適化を導入しており、全体の効率を向上させている。
• 実験は、Leyton-Brownらやde VriesとVohraの研究で用いられた標準的な分布を用い、Matlab上で実行されたPC上で実施された。

実験結果

リサーチクエスチョン

• RQ1 分枝限定法において線形計画法を上限値として用いることで、大規模なマルチユニット組み合わせ入札を解く際の探索ノード数が著しく削減されるか？
• RQ2 特に、入札サイズの平方根基準とLPに基づく基準を含む、異なる入札選択ヒューリスティクスが分枝限定法の性能に与える影響は何か？
• RQ3 LPに基づく枝刈りは、標準的なハードウェア上でも、数千件の入札と数百品目の商品を含む大規模入札において最適解を達成できるか？
• RQ4 計算コストが高いために、LPベースの手法が単純なヒューリスティクスを上回る理由は何か？
• RQ5 入札の数よりも、アイテムの数が組み合わせ入札の難易度を決定づける程度はどの程度か？

主な発見

• 線形計画法による上限値の使用は、広範な枝刈りをもたらし、ヒューリスティクスによる境界と比較して、探索ノード数を著しく削減している。
• 入札サイズの平方根基準が実際の応用において最も優れた性能を示し、他のヒューリスティクスを上回り、先行研究で理論的に最適とされた基準と整合している。
• LPに基づく入札選択（LP解において係数が最大の入札を選択）も非常に効果的であり、特に大規模入札では平方根法を上回ることが多い。
• 多くの分布、特にCATSマルチパス分布では、最初のLP呼び出しで整数解が得られることが多く、グリーディ初期化がすでに最適割り当てを達成しており、探索木全体が即座に刈り込まれる。
• アルゴリズムは準指数的スケーリングを示し、最大20,000件の入札を効率的に解ける。これは、アイテム数が入札数よりも難易度の決定要因として強い影響を及ぼしていることを示している。
• 実行時間は対数スケールで非線形的であるが、これは、LPがタイトな境界を提供する場合、入札規模が大きくなるに従いアルゴリズムがますます効率的になることを示している。