[논문 리뷰] A Nonparametric Framework for Online Stochastic Matching with Correlated Arrivals

Ali Aouad, Will Ma|arXiv (Cornell University)|2022. 08. 03.

Optimization and Search Problems인용 수 4

한 줄 요약

이 논문은 수요 도착의 순차적 독립성이라는 표준 가정을 완화하여 임의의 상관관계가 있고 고분산인 수요 분포를 허용하는 비모수적 프레임워크를 제안한다. 두 모델—Indep(독립된 유형 수요)과 Correl(총 수요가 주어진 조건에서 유형 분포가 상관관계를 가짐)—을 제안함으로써, 기대값만을 사용하는 유체 선형계획(LP) 근사가 임의로 나쁜 기준이 될 수 있음을 보이고, 오히려 적절히 조정된 LP 근사로 적절한 상수 요율의 경쟁 비율을 달성함을 보였다. 이는 악성 및 무작위 순서 도착 상황에서도 성립한다.

ABSTRACT

The design of online algorithms for matching markets and revenue management settings is usually bound by the assumption that the demand process is formed by a fixed-length sequence of queries with unknown types, each drawn independently. This notion of serial independence implies that the demand of each type, i.e., the number of queries of a given type, has low variance and is approximately Poisson-distributed. This paper proposes a nonparametric framework for modeling arrival sequences in online stochastic matching that departs from the serial independent assumption. We propose two models, INDEP and CORREL, that capture different forms of serial correlations by combining a nonparametric distribution for the demand with standard assumptions on the arrival patterns -- adversarial or random order. The INDEP model can capture arbitrary serial correlations within each customer type but assumes cross-sectional independence across types, whereas the CORREL model captures common shocks across customer types. We demonstrate that fluid relaxations, which rely solely on demand expectations, have arbitrarily bad performance guarantees. In contrast, we develop new algorithms that achieve optimal (constant-factor) performance guarantees in each model. Our mathematical analysis includes tighter linear programming (LP) relaxations that leverage distribution knowledge, and a new lossless randomized LP rounding scheme for INDEP. We test our new LP relaxations and rounding scheme in simulations on real and synthetic data, and find that they consistently outperform well-established matching algorithms, especially on real data sequences that exhibit greater demand variance.

연구 동기 및 목표

• 기존의 온라인 스토케스틱 매칭 모델이 순차적 독립성과 저분산 수요를 가정함으로써 실세계 데이터의 높은 변동성에 적용 가능성이 제한되는 문제를 해결하고자 한다.
• 포isson 또는 i.i.d. 도착과 같은 비모수적 가정에 의존하지 않고도 임의의 수요 분포와 쿼리 유형 간 상관관계를 포괄하는 데이터 기반 비모수적 프레임워크를 개발하고자 한다.
• 유체 LP 근사—이전 연구에서 널리 사용되는 것—가 고분산 또는 상관관계가 있는 수요 하에서 임의로 나쁜 기준이 될 수 있음을 입증하고, 이를 개선하기 위해 필요하다.
• 새로운 모델에서 악성 및 무작위 순서 도착 시퀀스 하에서도 증명 가능한 상수 요율 성능 보장을 갖는 경쟁적 온라인 매칭 알고리즘을 설계하고자 한다.
• 실제 데이터 기반의 수요 분포를 표준 온라인 도착 모델과 결합할 수 있는 일반적인 모델링 프레임워크를 제공하여 더 풍부하고 현실적인 스토케스틱 매칭 공식화를 가능하게 하고자 한다.

제안 방법

• 두 가지 새로운 모델을 제안한다: Indep는 각 유형의 수요가 임의의 분포에서 독립적으로 추출되는 경우이며, Correl은 총 수요가 먼저 추출된 후 총 수요 조건 하에서 유형 할당이 i.i.d.로 이루어지는 경우이다.
• 기대값만이 아니라 전체 수요 분포를 반영하는 조정된 선형계획(LP) 근사 기법을 도입하여 분산과 상관관계를 더 잘 포착한다.
• 예언자 부등식 기법을 적용하여 자원별 임계값 정책의 성능을 한계화함으로써, 각 자원의 기여가 최적의 임계값 정책의 가치의 최소 1/2 이상임을 보였다.
• 조정된 LP의 최적 해를 기반으로 한 라운딩 전략을 사용하여 쿼리를 자원에 할당함으로써 타당성과 경쟁 성능을 보장한다.
• 확률적 지배성과 기대값 추론을 통해 온라인 정책의 기대 수익에 하한을 설정함으로써 최적의 임계값 정책의 수익과 연관지었다.
• 총 수익을 자원별로 분해하여 분석하는 접근법을 사용하였으며, LP의 구조적 성질을 활용하여 약간의 유사 유한 제약 조건을 만족함을 보여 성능 분석을 엄밀하게 이끌어냈다.

Figure 1: Illustration of TypeRound in stage $t=3$ for an example with $L=5$ , $\bar{p}_{\ell}=\frac{1}{2^{\ell-1}}$ for all $\ell\in[L]$ , and ${\bf x}_{j}=(\frac{1}{8},\frac{3}{8},\frac{7}{8},\frac{1}{4},0)$ . The $y$ -axis visualizes the probabilistic space, including the disjointedness of events

실험 결과

연구 질문

• RQ1 수요 분포가 포아송이 아니고 고분산인 경우, 순차적 독립성 가정을 위반할 때 온라인 매칭 정책이 상수 요율 성능 보장을 유지할 수 있는가?
• RQ2 유체 LP 근사—기대 수요에 기반한 것—는 상관관계가 있거나 꼬리가 두꺼운 수요 분포 하에서 얼마나 실패하는가?
• RQ3 어떻게 하면 전체 수요 분포 정보를 포함하는 방식으로 LP 근사를 조정할 수 있는가? 특히 임의의 또는 상관관계가 있는 유형 도착 상황에서 말이다.
• RQ4 수요 분산이 평균으로 유한하지 않은 경우, 악성 또는 무작위 순서 도착 시퀀스 하에서 상수 요율 경쟁 알고리즘을 설계할 수 있는가?
• RQ5 비모수적 수요 모델링은 데이터 기반 운영 환경에서 온라인 매칭 정책의 강건성과 정확성을 향상시키는 데 어떤 역할을 하는가?

주요 결과

• 기대 수요만을 사용하는 유체 LP 근사는 고분산 또는 상관관계가 있는 수요 상황에서는 임의로 나쁜 기준이 될 수 있으며, 성능 기준으로서의 사용이 불가능하다.
• 제안된 Indep 및 Correl 모델은 각각 임의의 마진 수요 분포와 총 수요 분포를 허용하며, 포아송 또는 i.i.d. 도착과 같은 표준 모델을 일반화한다.
• 두 모델 모두에서 저자들은 악성 도착과 무작위 순서 도착 하에서 각각 1/2-경쟁 비율을 달성하는 온라인 매칭 알고리즘을 설계하였다.
• 성능 보장은 각 자원의 기여가 최적의 임계값 정책의 수익의 최소 1/2 이상임을 보여주는 예언자 부등식 결과를 활용하여 유도되었다.
• 전체 수요 분포를 반영하는 조정된 LP 근사는 상수 요율 성능을 달성하는 데 필수적이며, 고분산 환경에서는 기존의 유체 근사보다 뛰어난 성능을 보였다.
• 이 프레임워크는 실제 데이터로부터 수요 분포를 경험적으로 추정할 수 있도록 하여 데이터 기반 모델링을 가능하게 하며, 이를 표준 도착 순서 모델과 조합하여 알고리즘 설계에 활용할 수 있다.

Figure 2: Each of the 1600 dots represents a (SKU, location)-combination $j$ . The $x$ -coordinate is the empirical mean weekly demand for that SKU from that location, and the $y$ -coordinate is the natural logarithm of the ratio of empirical variance to empirical mean. The property $\mathrm{Var}(D_