[論文レビュー] Think Eternally: Improved Algorithms for the Temp Secretary Problem and Extensions

Thomas Keßelheim, Andreas Tönnis|arXiv (Cornell University)|Jun 22, 2016

Optimization and Search Problems参考文献 11被引用数 3

ひとこと要約

この論文は、一時的な契約を伴う一時的秘書問題に対する、新しいリラクゼーションに基づくアルゴリズムを導入し、時間的制約をグローバルな制約に変換することで、効率的なオンライン意思決定を可能にする。一般の場合には競合比 $\frac{1}{2} - O(\sqrt{\gamma})$ を達成し、$B$ が大きい場合には $1 - O\left(\frac{1}{\sqrt{B}}\right) - O(\sqrt{\gamma})$ を達成する。これは、先行研究の境界を著しく改善するとともに、一般のパッキング制約や変動する期間の契約へと拡張可能である。

ABSTRACT

The \emph{Temp Secretary Problem} was recently introduced by Fiat et al. It is a generalization of the Secretary Problem, in which commitments are temporary for a fixed duration. We present a simple online algorithm with improved performance guarantees for cases already considered by Fiat et al.\ and give competitive ratios for new generalizations of the problem. In the classical setting, where candidates have identical contract durations $γ\ll 1$ and we are allowed to hire up to $B$ candidates simultaneously, our algorithm is $(\frac{1}{2} - O(\sqrtγ))$-competitive. For large $B$, the bound improves to $1 - O\left(\frac{1}{\sqrt{B}} ight) - O(\sqrtγ)$. Furthermore we generalize the problem from cardinality constraints towards general packing constraints. We achieve a competitive ratio of $1 - O\left(\sqrt{\frac{(1+\log d + \log B)}{B}} ight) -O(\sqrtγ)$, where $d$ is the sparsity of the constraint matrix and $B$ is generalized to the capacity ratio of linear constraints. Additionally we extend the problem towards arbitrary hiring durations. Our algorithmic approach is a relaxation that aggregates all temporal constraints into a non-temporal constraint. Then we apply a linear scaling algorithm that, on every arrival, computes a tentative solution on the input that is known up to this point. This tentative solution uses the non-temporal, relaxed constraints scaled down linearly by the amount of time that has already passed.

研究の動機と目的

• 固定期間 $\gamma \ll 1$ の採用コミットメントが存在する一時的秘書問題に対処すること。
• 一様なランダムな到着時刻を持つ確率的到着モデルにおいて、$B$ が大きく $\gamma$ が小さい場合に、先行研究を上回る競合比を達成すること。
• 基数制約を任意の線形パッキング制約へ一般化し、複数のナップサック問題やマシンスケジューリングへの応用を可能にすること。
• 固定の $\gamma$ に限らず、任意の期間を持つアイテムへとモデルを拡張し、その一般化における性能を分析すること。
• 時間的制約をグローバルな制約にリラックスすることで、より単純かつより頑健なオンライン意思決定を可能にする統一的なアルゴリズムフレームワークを提供すること。

提案手法

• 時間的重複制約を、全期間にわたる $B\lceil 1/\gamma \rceil$ 個のアイテムに対するグローバルな上限に置き換えることで、元の問題のリラクゼーションを提案する。
• 線形スケーリング則を用いる：時刻 $t$ において、経過時間の割合 $t$ に従って、リラクゼーションされた制約をスケーリングダウンすることで、妥当性を維持する。
• リラクゼーションされ、時間にスケーリングされた制約に対して、線形パッキング問題のオンラインアルゴリズムを適用し、各到着時に一時的な解を計算する。
• 最終的な選択は、一時的な解において実行可能であり、かつ元の時間的制約に違反しないアイテムに限って行う。
• 確率的妥当性と選択の境界を用いて、集中不等式と条件付き期待値を用いて競合比を分析する。
• 変動する期間の契約に適応するため、リラクゼーションとスケーリングメカニズムを変更することで、任意の期間のアイテムへとアプローチを一般化する。

実験結果

リサーチクエスチョン

• RQ1 一時的コミットメントを伴う一時的秘書問題に対して、より単純かつ効果的なオンラインアルゴリズムを設計でき、既存の最良の競合比を上回ることができるか？
• RQ2 $B$ が大きい場合に達成可能な競合比は何か？ また、$\gamma$ と $B$ にどのように依存するか？
• RQ3 一時的秘書問題における基数制約を、競合比に影響を与えることなく、任意の線形パッキング制約へ一般化できるか？
• RQ4 固定の $\gamma$ ではなく、変動する期間を持つアイテムの場合、競合比はどのように振る舞うか？
• RQ5 リラクゼーションに基づくアプローチは、マトロイドやサブモジュラーオブジェクティブなどの他の適合性構造へも拡張可能か？

主な発見

• 提案されたアルゴリズムは、すべての $B$ に対して競合比 $\frac{1}{2} - O(\sqrt{\gamma})$ を達成し、$B=1$ の場合に先行研究の $\frac{1}{2} - O\left(\sqrt{\gamma \ln(1/\gamma)}\right)$ よりも向上する。
• $B$ が大きい場合には、競合比は $1 - O\left(\frac{1}{\sqrt{B}}\right) - O(\sqrt{\gamma})$ に向上し、以前の結果 $1 - O\left(\sqrt{\frac{\ln B}{B}}\right) - O\left(\sqrt{\gamma \ln(1/\gamma)}\right)$ を上回る。
• 任意の線形パッキング制約へ一般化された場合、競合比は $1 - O\left(\sqrt{\frac{1 + \log d + \log B}{B}}\right) - O(\sqrt{\gamma})$ となる。ここで $d$ は制約行列のスパarsityを表す。
• 任意の期間を持つアイテムへ自然に拡張可能であり、一般の場合には競合比 $\frac{1}{4} - \Theta(\sqrt{\gamma})$ を達成する。
• リラクゼーション技術により、時間的制約とオンライン意思決定プロセスが有効に分離され、よりタイトな解析とより良い性能保証が可能になる。
• 解析は、各ラウンドにおける妥当性の確率を条件付き期待値と集中不等式を用いて境界化することに依存しており、洗練されたスケーラブルな競合比の導出が可能になる。