[論文レビュー] Maximum Weight Online Matching with Deadlines

Itai Ashlagi, Maximilien Burq+4 more|arXiv (Cornell University)|Aug 9, 2018

Optimization and Search Problems参考文献 27被引用数 10

ひとこと要約

本稿では、到着後d期間以内にマッチングを完了しなければならないエージェントを考慮した最大重みオンラインマッチングモデルを提示する。敵対的到着順序下で1/4-competitiveなランダム化された延期グリーディ（Postponed Greedy）アルゴリズムを提案し、ランダム到着順序下では0.279-competitiveなバッチングアルゴリズムを提示する。また、確率的退去とアラウンディング（ lookahead）への拡張も行う。

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. First we study the case in which vertices arrive in an adversarial order. We provide a randomized 0.25-competitive algorithm building on a result by Feldman et al. (2009) and Lehman et al. (2006). We extend the model to the case in which departure times are drawn independently from a distribution with non-decreasing hazard rate, for which we establish a 1/8-competitive algorithm. When the arrival order is chosen uniformly at random, we show that a batching algorithm, which computes a maximum-weighted matching every (d+1) periods, is 0.279-competitive.

研究の動機と目的

• エージェントが有限な時間窓内で到着および退去する動的ライドシェアリングおよびマッチング市場をモデル化すること。
• 将来の到着および重みが未知である状況下で、合計マッチ値を最大化する挑戦に取り組むこと。
• 到着および退去時刻の不確実性にもかかわらず、定数のcompetitive ratioを達成するオンラインアルゴリズムを設計すること。
• 敵対的、確率的、ランダムな到着順序下でのパフォーマンスを分析し、アラウンディングおよびメモリレス退去への拡張を含むこと。
• 理論的上限である1/2と、オンラインマッチングにおける達成可能なcompetitive ratioとの間のギャップを埋めること。

提案手法

• 各頂点を「バイヤー」と「セルラー」のコピーに複製することで、マッチング意思決定を延期する仮想二部グラフを導入する。
• 延期グリーディ戦略を適用：各新しいバイヤーを、マージン（エッジ重みから現在のマッチ値を引いたもの）が最大のセラーにマッチングする。
• 各（d+1）期間ごとに最新の到着エージェントに対して最大重みマッチングを計算するバッチングアルゴリズムを用いる。
• ランダム順序設定下でのcompetitive ratioの分析にグラフカバーングフレームワークを適用し、問題を有限なグラフ族に還元する。
• 関連するd値の数を制限する還元技術を適用し、competitive ratioのコンピュータ支援による検証を可能にする。
• メモリレスのハザードレート特性を活用し、臨界時刻における頂点の存在確率的保証を用いて、確率的退去へのアルゴリズムの拡張を実施する。

実験結果

リサーチクエスチョン

• RQ1 頂点が敵対的到着順序で到着し、正確にd期間後に退去する場合、オンライン最大重みマッチングの最良のcompetitive ratioは何か？
• RQ2 到着時刻がメモリレス分布から確率的に選ばれ、臨界時刻に実現値が明らかになる場合、competitive ratioはどのように変化するか？
• RQ3 頂点の到着が一様ランダムである場合、どのcompetitive ratioが達成可能か？バッチングはパフォーマンスをどのように向上させるか？
• RQ4 将来の到着情報へのアラウンディングはcompetitive ratioを向上させることができるか？もしそうなら、どの程度向上するか？
• RQ5 オンラインマッチングにおけるデッドラインの理論的限界は何か？また、1/2のcompetitive ratio上限にどの程度近づけるか？

主な発見

• 敵対的到着順序下で確定的退去が成立する状況において、ランダム化された延期グリーディ（PG）アルゴリズムは1/4-competitiveな性能を達成する。
• メモリレスの確率的退去において、到着時刻が臨界時刻に明らかになる場合、PGアルゴリズムを適応させることで1/8-competitiveな性能が得られる。
• ランダム到着順序下では、頂点数が十分に大きい場合、バッチングアルゴリズムは0.279-competitiveである。
• バッチングアルゴリズムのcompetitive ratioはアラウンディングに伴い向上する：lステップのアラウンディングを持つ場合、(l+1)/(d+l+1)-competitive となる。
• どのオンラインアルゴリズムでも、ランダム到着順序下であっても1/2-competitiveを上回ることは不可能であり、理論的上限が確立される。
• 分析は有限なグラフ族とコンピュータ支援の議論に依拠しており、バッチングアルゴリズムの0.279-competitiveな性能の検証が可能である。