[논문 리뷰] Advance Service Reservations with Heterogeneous Customers

Clifford Stein, Van‐Anh Truong외 1명|arXiv (Cornell University)|2018. 05. 15.

Optimization and Search Problems참고 문헌 37인용 수 7

한 줄 요약

이 논문은 이질적인 고객, 유한한 용량, 소모성 마감일을 가진 자원을 고려한 온라인 서비스 예약을 위한 알고리즘을 제안한다. 자원의 수명이 끝나는 시점에 따라 자원이 소모되는 상황에서, RLS라는 개선된 알고리즘을 도입하여 다양한 시나리오에서 최적해의 7% 이내로 near-optimal 성능를 달성하며, 중간 용량 환경에서 휴리스틱 기법인 그레디 및 스태틱 예약보다 뚜렷이 뛰어난 성능을 보인다.

ABSTRACT

We study a fundamental model of resource allocation in which a finite number of resources must be assigned in an online manner to a heterogeneous stream of customers. The customers arrive randomly over time according to known stochastic processes. Each customer requires a specific amount of capacity and has a specific preference for each of the resources, with some resources being feasible for the customer and some not. The system must find a feasible assignment of each customer to a resource or must reject the customer. The aim is to maximize the total expected capacity utilization of the resources over the horizon. This model has application in services, freight transportation, and online advertising. We present online algorithms with bounded competitive ratios relative to an optimal offline algorithm that knows all stochastic information. Our algorithms perform extremely well compared to common heuristics, as demonstrated on a real data set from a large hospital system in New York City.

연구 동기 및 목표

• 스토케스틱이고 비정상적인 고객 도착, 이질적인 선호도 및 용량 요구사항을 가진 환경에서 온라인 자원 할당 문제를 해결한다.
• 의료 예약이나 화물 컨테이너와 같이 자원이 시간이 지남에 따라 소멸되는 시스템에서 총 기대 용량 활용도를 최대화한다.
• 실세계의 동적 수요 패턴을 반영한 환경에서 일반 휴리스틱 기법보다 뛰어난 성능을 보이는 강건한 near-optimal 온라인 알고리즘을 개발한다.
• 특히 자원 활용의 가치가 가장 높은 중간 용량 영역에서, 수요 대 용량 비율의 다양한 규모에 걸쳐 알고리즘 성능을 평가한다.
• 뉴욕 시병원 시스템의 실제 데이터를 포함한 합성 및 실세계 데이터에서, RLS 알고리즘이 스태틱 및 그레디 휴리스틱 기법보다 뛰어나다는 것을 입증한다.

제안 방법

• m개의 자원을 가진 연속시간 온라인 자원 할당 시스템으로 문제를 모델링하며, 각 자원은 유한한 용량과 만료 일자를 가진다.
• 고객 유형은 도착 확률 과정, 용량 요구량, 실행 가능한 자원 집합으로 표현되며, 선호도와 마감일이 포함된다.
• 기본 리스트 스케줄링을 개선한 Refined List Scheduling(RLS) 알고리즘을 도입하여 자원 공유 및 동적 할당 결정을 우선시한다.
• 기본-쌍대 프레임워크를 사용하여 성능 보장을 유도하고, 최적의 오프라인 알고리즘 대비 경쟁 비율을 한정한다.
• 비균일한 포아송 도착을 가진 실제 병원 데이터 및 랜덤 설정을 포함한 다양한 환경에서 알고리즘을 시뮬레이션한다.
• 기준 성능과의 비교를 위해 List Scheduling(LS), Modified List Scheduling(MLS), Greedy(GRD), Static Reservation(RSRV), Primal-Dual(PD) 알고리즘을 사용한다.

실험 결과

연구 질문

• RQ1 고객이 스토케스틱하게 도착하고 선호도와 자원별 마감일이 이질적인 상황에서, 예상 용량 활용도를 최대화하기 위해 온라인 알고리즘을 어떻게 설계할 수 있는가?
• RQ2 모든 향후 도착을 사전에 알 수 있는 최적의 오프라인 알고리즘과 비교했을 때, 온라인 알고리즘의 성능 격차는 어느 정도인가?
• RQ3 시간대나 요일에 따라 변동성이 있는 비정상적 수요는 정상적 모델 대비 알고리즘 성능에 어떤 영향을 미치는가?
• RQ4 특히 낮은, 중간, 높은 수요 대 용량 비율 등 어떤 용량 영역에서 RLS와 같은 고급 알고리즘이 휴리스틱 기법보다 가장 큰 가치를 제공하는가?
• RQ5 RLS에서의 동적 자원 공유는 스태틱 예약이나 그레디 할당 전략에 비해 성능 향상에 얼마나 기여하는가?

주요 결과

• 모든 테스트 시나리오에서 Refined List Scheduling(RLS) 알고리즘은 이론적 상한선의 7% 이내로 일관되게 성능을 유지하며, 뛰어난 강건성을 입증한다.
• 100개의 랜덤 설정에서의 평균 성능 평가에서 RLS는 상한선의 96.3%를 달성했으며, 이는 그레디 휴리스틱(95.9%)과 스태틱 예약(85.2%)보다 뚜렷이 뛰어나다.
• 그레디 휴리스틱(GRD)은 극단적인 스케일(매우 높거나 매우 낮은 수요)에서 가장 우수한 성능를 보이지만, 자원 공유가 가장 중요한 중간 영역에서는 성능이 열등하다.
• RLS 알고리즘은 융통성 있는 할당을 허용함으로써 일반 환자의 평균 대기 시간을 줄였지만, 적절히 예약되지 않은 경우 동일일 환자 할당에 악영향을 줄 수 있다.
• 뉴욕 병원 시스템의 실제 데이터를 활용한 실세계 테스트에서 RLS는 일반 휴리스틱 기법보다 뚜렷이 뛰어난 성능를 보였으며, 특히 지능적인 스케줄링의 가치가 가장 높은 중규모 설정에서 두각을 나타냈다.
• 기본-쌍대 알고리즘은 평균 설정에서 GRD보다 略적으로 열등한 성능를 보였는데, 이는 최악의 경우 보장을 우선시하는 데서 비롯된 것으로 보인다.