[論文レビュー] Optimal Analysis of an Online Algorithm for the Bipartite Matching Problem on a Line

Sharath Raghvendra|arXiv (Cornell University)|Mar 20, 2018

Optimization and Search Problems参考文献 1被引用数 8

ひとこと要約

本稿では、直線上のオンライン二部マッチングにおけるロバストマッチング（RM）アルゴリズムの最適な解析を提示し、競合比Θ(log n)を証明する。これは、以前のO(log²n)の上限を改善したものである。解析は階層的区間分割とよく整列したマッチングを活用し、最適マッチングに対するオンラインエッジのコストをきめ細かく評価する。

ABSTRACT

In the online metric bipartite matching problem, we are given a set $S$ of server locations in a metric space. Requests arrive one at a time, and on its arrival, we need to immediately and irrevocably match it to a server at a cost which is equal to the distance between these locations. A $α$-competitive algorithm will assign requests to servers so that the total cost is at most $α$ times the cost of $M_{OPT}$ where $M_{OPT}$ is the minimum cost matching between $S$ and $R$. We consider this problem in the adversarial model for the case where $S$ and $R$ are points on a line and $|S|=|R|=n$. We improve the analysis of the deterministic Robust Matching Algorithm (RM-Algorithm, Nayyar and Raghvendra FOCS'17) from $O(\log^2 n)$ to an optimal $Θ(\log n)$. Previously, only a randomized algorithm under a weaker oblivious adversary achieved a competitive ratio of $O(\log n)$ (Gupta and Lewi, ICALP'12). The well-known Work Function Algorithm (WFA) has a competitive ratio of $O(n)$ and $Ω(\log n)$ for this problem. Therefore, WFA cannot achieve an asymptotically better competitive ratio than the RM-Algorithm.

研究の動機と目的

• 直線上の敵対的モデルにおけるRMアルゴリズムの既知のO(log²n)の上界とΩ(log n)の下界の間のギャップを埋めること。
• ロバストマッチング（RM）アルゴリズムのきめ細かい解析を提供し、直線上のオンライン二部マッチングにおいて最適なΘ(log n)の競合比を達成することを示すこと。
• WFA（Work Function Algorithm）が直線上でRMアルゴリズムより優れた漸近的競合比を達成できないことを示すこと。これはWFAがΩ(log n)の下界を持つことによる。
• 階層的区間分割とエッジ分類（近接、中距離、遠距離）を用いて、オンラインマッチングの構造的分解を精緻化し、正確なコスト会計を可能にすること。
• RMアルゴリズムが一般のメトリック空間においてほぼ最適であり、特にμ(S) = 2である直線上では最適な性能を達成することを確立すること。

提案手法

• 距離スケールに基づいて直線を階層的レベルの区間に分割し、リクエストとサーバーを最大のレベル-k区間にグループ化する。
• エッジの長さを区間サイズに対して相対的に評価し、近接、中距離、遠距離の3つのカテゴリにエッジを分類する。
• 各最大区間に対してε-よく整列したマッチングの概念を用い、短いおよび中距離エッジのコストをその区間における最適マッチングコストで抑え込む。
• 三角不等式と区間の互いに素であることを利用して、各区間における最適マッチングコストを再帰的に評価する。
• ε = 1/(32t)（t = 3）というパラメータを用い、エッジ分類とコスト寄与のトレードオフをバランスさせ、きめ細かな境界を保証する。
• すべてのレベルk > 0における境界を統合し、すべてのオンラインエッジがちょうど1つの最大区間に属することを活かして、合計コストをw(M_Opt)に関連付ける。

実験結果

リサーチクエスチョン

• RQ1 RMアルゴリズムの直線メトリックにおける競合比をO(log²n)を超えて改善できるか？
• RQ2 Ω(log n)の下界が既知であることを踏まえ、RMアルゴリズムが直線上のオンライン二部マッチング問題において最適か？
• RQ3 WFA（Work Function Algorithm）は直線メトリックにおいてO(log n)より優れた競合比を達成できるか？
• RQ4 直線メトリックのどのような構造的性質がオンラインマッチングアルゴリズムのよりきめ細かな解析を可能にするか？
• RQ5 階層的区間分割とエッジ分類は、最適マッチングに対するオンラインマッチングのコストをどのようにして抑え込むか？

主な発見

• RMアルゴリズムは、敵対的モデル下での直線上のオンライン二部マッチングにおいて、競合比Θ(log n)を達成する。これは既知の下界と一致する。
• 解析により、以前のO(log²n)の上界が最適なΘ(log n)に改善され、上界と下界のギャップが埋められた。
• WFA（Work Function Algorithm）は、直線上でO(log n)より優れた競合比を達成できない。これはWFAがΩ(log n)の下界を持つことによる。
• オンラインマッチングの合計コストは、階層的区間上の再帰的分解により、最適コストのO(log n)倍で抑え込まれる。
• すべてのレベルにおける近接および中距離エッジのコストの合計は、最適コストのO(log n)倍に抑えられ、それに加えて長距離エッジのわずかな部分が加算される。
• 最終的な競合比は、エッジ分類、区間の互いに素性、および短距離エッジが合計コストの最大でw(M)/6を占めるという事実を組み合わせて導出される。