[論文レビュー] Prophet Secretary: Surpassing the $1-1/e$ Barrier

Yossi Azar, Ashish Chiplunkar+1 more|arXiv (Cornell University)|Nov 6, 2017

Optimization and Search Problems参考文献 8被引用数 3

ひとこと要約

この論文は、長年にわたり認識されていた $1 - 1/e$ の競合比の壁を打ち破る、プロフィートセクレタリー問題に対する新規アルゴリズムを提示している。その結果、$1 - 1/e + 1/400$ の競合比を達成した。先行研究を超える新たな解析的手法を導入することで、著者らは、到着順序のランダム性と分布の知識を適応的に活用するしきい値ベースのアルゴリズムを設計し、既存手法を上回る性能を発揮した。これは、事前に既知の i.i.d. 到着順における確率的オンライン選択において顕著な進展である。

ABSTRACT

In the Prophet Secretary problem, samples from a known set of probability distributions arrive one by one in a uniformly random order, and an algorithm must irrevocably pick one of the samples as soon as it arrives. The goal is to maximize the expected value of the sample picked relative to the expected maximum of the distributions. This is one of the most simple and fundamental problems in online decision making that models the process selling one item to a sequence of costumers. For a closely related problem called the Prophet Inequality where the order of the random variables is adversarial, it is known that one can achieve in expectation $1/2$ of the expected maximum, and no better ratio is possible. For the Prophet Secretary problem, that is, when the variables arrive in a random order, Esfandiari et al.\ (ESA 2015) showed that one can actually get $1-1/e$ of the maximum. The $1-1/e$ bound was recently extended to more general settings (Ehsani et al., 2017). Given these results, one might be tempted to believe that $1-1/e$ is the correct bound. We show that this is not the case by providing an algorithm for the Prophet Secretary problem that beats the $1-1/e$ bound and achieves $1-1/e+1/400$ of the optimum value. We also prove a hardness result on the performance of algorithms under a natural restriction which we call deterministic distribution-insensitivity.

研究の動機と目的

• エスファンディアリらの2017年の結果以来、最適であるとみなされてきた $1 - 1/e$ の競合比の「タイトさ」を打ち破ること。
• 分布が事前に分かっているが、サンプルが一様ランダムな順序で到着するランダム到着順モデルにおいて、$1 - 1/e$ の境界を上回る新しいアルゴリズムフレームワークを開発すること。
• 単純なしきい値戦略を越える手法を用いて、標準的なベンチマーク $\mathbb{E}[\max_i X_i]$ の下で $1 - 1/e$ よりも良い競合比を明確に示すこと。
• 決定的で分布に依存しないアルゴリズムの限界を明らかにし、自然な制限のもとでその競合比に $11/15$ の上界を示すこと。

提案手法

• 到着順列の各位置 $k$ に対して、$n$ と $\mathbb{E}[\max_i X_i]$ に依存する動的しきい値 $\alpha_k$ を設定するしきい値ベースのアルゴリズムの設計。
• 特に、悪意のあるインスタンスにおけるアルゴリズムの性能を制限するため、最悪ケースの分布族を構築することで、アルゴリズムの頑健性をテストする新しい解析的手法の導入。
• 確率的解析と漸近的極限（$\varepsilon \to 0$）を用いて、まれな高価値結果を伴う重要な状況における期待利益のタイトな上界を導出する。
• さまざまなしきい値順序制約（$\alpha_1 > \alpha_2$、$\alpha_1 \leq \alpha_2$ など）における競合比の上界を補題を用いて導出し、重み付き平均化により全体の上界を導出する。
• 異なる分布的仮定と到着順序確率を想定した4つの異なる悪意のあるインスタンス（インスタンス1～4）を構築し、アルゴリズムの挙動をテストする。
• 自然な制限のもとで、任意の決定的で分布に依存しないアルゴリズムの競合比が $11/15 \approx 0.733$ 以下に抑えられることを証明する。

実験結果

リサーチクエスチョン

• RQ1 ランダム到着順と既知の分布を用いて、プロフィートセクレタリー問題の $1 - 1/e$ 競合比を上回ることは可能か？
• RQ2 プロフィートセクレタリー問題の真の最適競合比は何か？また、$1 - 1/e$ はタイトか？
• RQ3 単純なしきい値戦略を超えるアルゴリズム的手法は、この問題設定でより良い性能を発揮できるか？
• RQ4 決定的で分布に依存しないアルゴリズムのこの問題クラスにおける根本的限界は何か？
• RQ5 自然なアルゴリズム的制限のもとで、競合比に tighter な上界を確立できるか？

主な発見

• 本論文は、$1 - 1/e + 1/400 \approx 0.6321$ の競合比を達成するアルゴリズムを提示しており、以前の $1 - 1/e \approx 0.6321$ の境界を上回っている。
• この向上は、到着順序と既知の分布に適応する新規のしきい値戦略によって達成されており、エスファンディアリらの手法を越えるものである。
• 著者らは、任意の決定的で分布に依存しないアルゴリズムが $11/15 \approx 0.7333$ よりも良い競合比を達成できないことを証明し、この制限のもとで新たな上界を確立した。
• 4つの巧みな悪意のあるインスタンスを用いて、さまざまなしきい値順序と分布タイプにおけるしきい値ベースのアルゴリズムの性能にタイトな上界を導出した。
• 特定のしきい値制約のもとで、競合比は $\min(1+2\alpha_1, 2 - \alpha_1 + 2\alpha_2, 3 - 2\alpha_2)/3$ に抑えられ、これが $11/15$ の上界に至る。
• 長年にわたり広く信じられていた $1 - 1/e$ がプロフィートセクレタリー問題の最適競合比であるという信念を覆し、より良い性能が達成可能であることを示した。