[論文レビュー] Online Stochastic Matching, Poisson Arrivals, and the Natural Linear Program

Zhiyi Huang, Xinkai Shu|arXiv (Cornell University)|Mar 24, 2021

Optimization and Search Problems参考文献 23被引用数 8

ひとこと要約

本稿は、i.i.d. のオンライン頂点到着を想定したオンライン確率的マッチングに対して、分析を単純化するためのポアソン到着モデルと、独創的なアームォタイズド相関サンプリング技法を用いて、改善された競合比アルゴリズムを提示する。自然な線形計画法の構造的性質とジャンセンの不等式の逆表現を活用することで、重みなしマッチングでは 0.711-競合比、頂点重み付きマッチングでは 0.7009-競合比を達成し、両者とも先行研究を上回る結果を得た。

ABSTRACT

We study the online stochastic matching problem. Consider a bipartite graph with offline vertices on one side, and with i.i.d.online vertices on the other side. The offline vertices and the distribution of online vertices are known to the algorithm beforehand. The realization of the online vertices, however, is revealed one at a time, upon which the algorithm immediately decides how to match it. For maximizing the cardinality of the matching, we give a $0.711$-competitive online algorithm, which improves the best previous ratio of $0.706$. When the offline vertices are weighted, we introduce a $0.7009$-competitive online algorithm for maximizing the total weight of the matched offline vertices, which improves the best previous ratio of $0.662$. Conceptually, we find that the analysis of online algorithms simplifies if the online vertices follow a Poisson process, and establish an approximate equivalence between this Poisson arrival model and online stochstic matching. Technically, we propose a natural linear program for the Poisson arrival model, and demonstrate how to exploit its structure by introducing a converse of Jensen's inequality. Moreover, we design an algorithmic amortization to replace the analytic one in previous work, and as a result get the first vertex-weighted online stochastic matching algorithm that improves the results in the weaker random arrival model.

研究の動機と目的

• 到着分布が既知であるが、実現値が逐次的に明らかになる i.i.d. のオンライン頂点到着を想定したオンライン確率的マッチングにおける競合比の向上を目的とする。
• 追加の仮定なしに、ランダム順序モデルで改善が得られていない頂点重み付きケースにおける先行研究の限界を克服することを目的とする。
• 漸近的独立性を真の独立性に変換することで、競合比の分析を単純化するため、ポアソン到着モデルを導入することを目的とする。
• オンライン確率的マッチング設定において、より強い性能保証を可能にする新しいアルゴリズム枠組み「アームォタイズド相関サンプリング」の開発を目的とする。
• ポアソン到着モデルと元のオンライン確率的マッチングモデルとの間の厳密な関係を確立し、ポアソンモデルで得られた競合比が元のモデルへと拡張可能であることを示すこと。

提案手法

• オンライン頂点の数がポアソン分布に従うポアソン到着モデルを導入し、イベント解析における正確な独立性を実現し、競合比の導出を単純化する。
• ポアソン到着モデルに対する自然な線形計画法を提案し、期待されるマッチング行動を捉え、アルゴリズム設計を導く。
• 相関サンプリングにおける期待マッチング確率の分析に用いるため、ジャンセンの不等式の逆表現を考案し、競合比の tighter な境界を可能にする。
• オフライン頂点の重みと予想される利用可能性に基づいて、動的にマッチング確率を調整するアームォタイズド相関サンプリング機構を設計し、先行研究で用いられた解析的アームォタイズドに比べて性能を向上させる。
• 探索と活用のバランスを取るために、減衰関数 δ(x) を用いた修正されたペアサンプリング戦略を導入し、高重量頂点に対して高いマッチング確率を保証する。
• O(1)-近似単調性の議論を用いて、ポアソンモデルにおけるアルゴリズムの性能が、元のオンライン確率的マッチングモデルへと拡張可能であることを証明する。

実験結果

リサーチクエスチョン

• RQ1 より強い確率的仮定のもとで、重みなしケースにおいて 0.706 を超える競合比を達成できるか？
• RQ2 ランダム順序モデルより弱い条件下でも、最良の既知の結果を上回る頂点重み付きオンライン確率的マッチングアルゴリズムを設計可能か？
• RQ3 オンライン到着をポアソン過程としてモデル化することで、オンラインマッチングアルゴリズムの解析が単純化され、競合保証が維持されるか？
• RQ4 ポアソン到着モデルに対する自然な線形計画法を効果的に活用し、改善された競合比を導出可能か？
• RQ5 アームォタイズド相関サンプリングをどのように形式化すれば、解析的アームォタイズドに代わり、頂点重み付き設定でより良い性能を達成できるか？

主な発見

• 本稿は、重みなしオンライン確率的マッチングにおいて 0.711-競合比を達成し、以前の最高水準である 0.706 を上回った。
• 頂点重み付きオンライン確率的マッチングにおいて、提案アルゴリズムは 0.7009-競合比を達成し、ランダム順序モデルにおける以前の最高水準 0.662 を上回った。
• ポアソン到着モデルにより、漸近的独立性を真の独立性に変換することで、より洗練された解析が可能となり、競合比の導出が単純化された。
• 著者らは、ポアソンモデルで得られた競合比が、元のオンライン確率的マッチングモデルへと拡張可能であることを確立した。
• アームォタイズド相関サンプリング技法は、解析的アームォタイズドに代わり成功裏に実装され、頂点重み付きオンライン確率的マッチング設定における初の改善を達成した。
• 数値的検証により、各オフライン頂点に対するマッチング確率の下界が、その重みの 0.7009 倍を超えることが確認され、競合比の妥当性が裏付けられた。