[論文レビュー] Maximizing Efficiency in Dynamic Matching Markets

Itai Ashlagi, Maximilien Burq+2 more|arXiv (Cornell University)|Mar 4, 2018

Optimization and Search Problems参考文献 24被引用数 9

ひとこと要約

本論文は、固定期間d後に到着および退去するエージェントを伴う動的マッチング市場に対して、1/4-競合比を達成するアルゴリズム、Postponed Dynamic Deferred Acceptance (PDDA) を導入する。エージェントをランダムに買い手または売り手に割り当て、エージェントが退去しようとする直前までマッチングを延期することで、任意の重み付きグラフおよび異種のマッチ値を扱いながら、証明可能な競合比を達成する。

ABSTRACT

We study the problem of matching agents who arrive at a marketplace over time and leave after d time periods. Agents can only be matched while they are present in the marketplace. Each pair of agents can yield a different match value, and the planner's goal is to maximize the total value over a finite time horizon. We study matching algorithms that perform well over any sequence of arrivals when there is no a priori information about the match values or arrival times. Our main contribution is a 1/4-competitive algorithm. The algorithm randomly selects a subset of agents who will wait until right before their departure to get matched, and maintains a maximum-weight matching with respect to the other agents. The primal-dual analysis of the algorithm hinges on a careful comparison between the initial dual value associated with an agent when it first arrives, and the final value after d time steps. It is also shown that no algorithm is 1/2-competitive. We extend the model to the case in which departure times are drawn i.i.d from a distribution with non-decreasing hazard rate, and establish a 1/8-competitive algorithm in this setting. Finally we show on real-world data that a modified version of our algorithm performs well in practice.

研究の動機と目的

• 到着順序およびマッチ値の系列が敵対的であり、事前情報が一切ない状況でも良好に動作するマッチングアルゴリズムの設計。
• 両方のエージェントとマッチ値が非一様な非二部グラフにおける動的マッチングの問題に対処すること。
• エージェントが正確にd時間単位で退去する有限時間枠内で、合計マッチ値を最大化すること。
• 決定論的および確率的退去モデルにおける理論的競合比の確立。
• 実世界のデータセット（ニューヨーク市タクシーの移動データおよび腎臓交換データ）を用いたアルゴリズム性能の評価。

提案手法

• 到着時にエージェントをランダムに買い手または売り手に割り当て、マッチング品質の向上を図る二重コピー方式を用いる。
• 上昇オークションに類似したプロセスにより、売り手の仮想価格と買い手の限界利益を維持する。
• 最終的なマッチングをエージェントが退去しようとする直前（すなわち時刻d）まで延期することで、価値抽出の最適タイミングを確保する。
• 原問題と双対問題の初期値と最終値を比較するためのプライマル・デュアル解析を用い、決定論的退去下で1/4-競合比を証明する。
• 非減少ハザードレートを有する確率的退去に適応したアルゴリズムを提案し、1/8-競合比を達成する。
• バッチ処理バージョンを実装し、グリーディ法および再最適化ベースラインと比較する。

実験結果

リサーチクエスチョン

• RQ1 固定退去時刻を伴う動的マッチングにおいて、任意のオンラインアルゴリズムが達成可能な最高の競合比は何か？
• RQ2 非二部グラフおよび重み付きエッジにおいて、二面的市場構造を人工的に構築することで、遅延マッチングを可能にする方法は何か？
• RQ3 退去時刻が決定論的で、マッチ値が任意の場合は、1/4-競合比を達成可能か？
• RQ4 非減少ハザードレートを有する確率的退去時刻下では、競合比はどのように低下するか？
• RQ5 本稿で提案されたアルゴリズムは、実世界の動的マッチングデータセット（タクシー移動データおよび腎臓交換データ）において実際の性能をどのように発揮するか？

主な発見

• PDDAアルゴリズムは、決定論的退去モデル下で1/4-競合比を達成し、上限が1/2であることが示された。
• いかなるアルゴリズムでも1/2を超える競合比を達成できないことが示され、本問題における理論的限界が確立された。
• 非減少ハザードレートを有する確率的退去モデル下では、適応版アルゴリズムが1/8-競合比を達成した。
• ニューヨーク市タクシーのデータでは、バッチ処理およびPDDAアルゴリズムがグリーディ法を上回り、退去時刻が決定論的である場合、バッチ処理は再最適化にほぼ匹敵する性能を示した。
• 腎臓交換データでは、PDDAおよびバッチ処理は決定論的設定下でグリーディ法を上回ったが、確率的退去下ではバッチ処理の性能が著しく低下した。
• 再最適化（オフライン）は、すべての設定で最も優れた性能を示し、将来の退去時刻およびマッチ値を事前に知ることの価値を裏付けた。