[논문 리뷰] Does the Multisecretary Problem Always Have Bounded Regret?

Robert Bray|arXiv (Cornell University)|2019. 01. 01.

Optimization and Search Problems참고 문헌 4인용 수 2

한 줄 요약

이 논문은 지원자 평가가 표준 균일 분포에서 i.i.d.로 추출될 때 다중비서 문제에서의 회귀(regret)를 조사한다. 총 회귀를 각 단계의 예상 이른바 최적화 회귀(myopic regrets)로 분해함으로써, k = n/2일 때 회귀가 n에 대해 로그적으로 증가함을 증명하며, n ≥ 16일 때 log(n)/16 - 1/4와 log(n+1)/8 사이의 범위를 제시한다. 이는 유한 지지도를 가진 이전 결과와는 정반대되게, 이 설정에서의 회귀가 유계가 아니라는 것을 보여준다.

ABSTRACT

Arlotto and Gurvich (2019) showed that the regret in the multisecretary problem is bounded in the number of job openings, $ n $, and the number of applicants, $ k $, provided that the applicant valuations are drawn from a distribution with finite support. I show that this result does not hold when applicant valuations are drawn from a standard uniform distribution. In this case, the regret is between log(n)/16 - 1/4 and log(n+1) / 8, when k = n/2 and n >= 16. I establish these bounds by decomposing the regret into a sum of expected myopic regrets. This decomposition also yields a shorter proof of Arlotto and Gurvich's original result.

연구 동기 및 목표

• 지원자 평가가 표준 균일 분포에서 추출될 때 다중비서 문제에서 회귀가 유계로 유지되는지 조사하기.
• 유한 지지도 하에서만 성립하는 Arlotto와 Gurvich(2019)의 유계 회귀 결과에 도전하기.
• 균일한 i.i.i.d. 평가 하에서 k = n/2 및 n ≥ 16일 때 회귀에 대한 날카운 상한을 설정하기.
• Arlotto와 Gurvich의 원래 결과를 더 짧은 증명으로 이끌기 위해, 회귀를 예상 이른바 최적화 회귀(myopic regrets)로 분해하는 새로운 방법을 제공하기.

제안 방법

• 총 회귀를 각 결정 단계에 해당하는 예상 이른바 최적화 회귀의 합으로 분해한다.
• 균일한 i.i.i.d. 평가 하에서 이른바 최적화 회귀의 구조를 분석하여 渐近적 상한을 도출한다.
• 확률적 분석 및 순서통계량을 사용하여 열악한 채용 결정으로 인한 기대 손실을 제한한다.
• 집중도 및 尾尾 불등식 기법을 적용하여 n/2개의 채용 단계 동안의 이른바 최적화 회귀 합을 제어한다.
• 모든 단계에 걸쳐 예상 이른바 최적화 회귀를 집계하여 총 회귀의 상한과 하한을 유도한다.
• 동일한 분해를 사용하여 Arlotto와 Gurvich의 유계 회귀 결과의 증명을 재구성함으로써, 그 일반성을 입증한다.

실험 결과

연구 질문

• RQ1 지원자 평가가 표준 균일 분포에서 i.i.d.로 추출될 때 다중비서 문제에서 회귀가 유계로 유지되는가?
• RQ2 균일한 i.i.i.d. 평가 하에서 k = n/2 및 n ≥ 16일 때 회귀에 대한 가장 날카운 상한은 무엇인가?
• RQ3 예상 이른바 최적화 회귀로의 분해가, 유한 지지도 하에서의 유계 회귀 결과에 대한 더 단순한 증명을 제공할 수 있는가?
• RQ4 평가가 무한 지지도를 가진 연속 분포에서 추출될 때 회귀는 n에 따라 어떻게 척도가 변하는가?

주요 결과

• 지원자 평가가 표준 균일 분포에서 i.i.i.d.로 추출되고 k = n/2일 때, n ≥ 16일 경우 회귀는 log(n)/16 - 1/4 이상으로 유계이다.
• k = n/2 및 n ≥ 16일 때 회귀는 log(n+1)/8 이하로 유계이다.
• 회귀는 n에 대해 로그적으로 증가하므로, n이 증가함에 따라 유계가 아니며, 이는 유한 지지도 하에서의 유계 회귀 결과와 정면 배치된다.
• 예상 이른바 최적화 회귀로의 분해는 Arlotto와 Gurvich의 원래 유계 회귀 결과에 대한 깔끔하고 간결한 증명을 제공한다.
• 분석 결과, 유계와 무한 회귀의 핵심 차이는 평가 분포의 꼬리 행동에 있음을 드러낸다.
• 상한은 이른바 최적화 결정 회귀의 구조에서 직접 유도되었으며, 이는 균일한 i.i.i.d. 도착 하에서 순차 선택 시의 특성이다.