[논문 리뷰] Follow Your Star: New Frameworks for Online Stochastic Matching with Known and Unknown Patience

Brian Brubach, Nathaniel Grammel외 2명|arXiv (Cornell University)|2019. 07. 09.

Optimization and Search Problems참고 문헌 42인용 수 2

한 줄 요약

이 논문은 알려진 및 알려지지 않은 내성 시간을 고려한 온라인 스토하스틱 매칭을 위한 새로운 프레임워크를 제안하며, 별 그래프에서 블랙박스 알고리즘을 사용하여 어떤 내성 시간 분포에 대해서도 1/2-근사값을 달성한다. 이는 스토하스틱 도착 설정에서 경쟁 비율을 향상시키며, 임의의 내성 시간 분포를 가진 캐스케이드-클릭 모델에 대해 처음으로 알려진 보장을 제공한다.

ABSTRACT

We study several generalizations of the Online Bipartite Matching problem. We consider settings with stochastic rewards, patience constraints, and weights (both vertex- and edge-weighted variants). We introduce a stochastic variant of the patience-constrained problem, where the patience is chosen randomly according to some known distribution and is not known until the point at which patience has been exhausted. We also consider stochastic arrival settings (i.e., online vertex arrival is determined by a known random process), which are natural settings that are able to beat the hard worst-case bounds of more pessimistic adversarial arrivals. Our approach to online matching utilizes black-box algorithms for matching on star graphs under various models of patience. In support of this, we design algorithms which solve the star graph problem optimally for patience with a constant hazard rate and yield a 1/2-approximation for any patience distribution. This 1/2-approximation also improves existing guarantees for cascade-click models in the product ranking literature, in which a user must be shown a sequence of items with various click-through-rates and the user's patience could run out at any time. We then build a framework which uses these star graph algorithms as black boxes to solve the online matching problems under different arrival settings. We show improved (or first-known) competitive ratios for these problems. Finally, we present negative results that include formalizing the concept of a stochasticity gap for LP upper bounds on these problems, bounding the worst-case performance of some popular greedy approaches, and showing the impossibility of having an adversarial patience in the product ranking setting.

연구 동기 및 목표

• 스토하스틱 보상, 내성 제약, 가중치를 고려한 온라인 이분 매칭 문제를 해결하며, 특히 내성 시간이 알려지지 않았거나 무작위로 분포된 경우에 초점을 맞춘다.
• 최악의 경우 경계를 초월하는 더 나은 경쟁 비율을 얻기 위해 악성 도착 모델의 한계를 극복하기 위해 스토하스틱 도착 프로세스를 도입한다.
• 다양한 내성 모델 하에서 별 그래프 매칭 문제를 해결하기 위한 블랙박스 접근법을 개발하여 일반 온라인 매칭 문제에 광범위하게 적용할 수 있도록 한다.
• 이러한 문제들에서 선형계획법 상한의 스토하스틱 갭을 체계적으로 정의하고 경계를 설정하여 스토하스틱 설정에서의 근사의 한계를 명확히 한다.
• 제품 순위 설정에서 악성 내성 시간이 존재할 경우 비가역적 근사가 불가능한지를 규명하여 타당한 근사의 경계를 명확히 한다.

제안 방법

• 내성 시간이 알려진 분포에서 추출되며 소진될 때만 공개되는 내성 시간 제약이 있는 온라인 매칭 문제의 스토하스틱 변형을 설계한다.
• 일정 장애율 내성 시간 하에서 별 그래프에 최적 알고리즘을 개발하고, 임의의 내성 시간 분포에 대해 1/2-근사 알고리즘을 제안한다.
• 다양한 도착 모델 하에서 일반적인 온라인 매칭 문제를 해결하기 위해 별 그래프 알고리즘을 블랙박스로 사용하는 프레임워크를 구축한다.
• 정확한 랜덤 프로세스에 따라 정점 도착이 발생하는 스토하스틱 도착 프로세스를 활용하여 악성 모델의 최악의 경우 경계를 초월한다.
• 정점 및 간선 가중치가 있는 온라인 매칭의 다양한 변형에 프레임워크를 적용하여 향상된 경쟁 비율을 달성한다.
• 스토하스틱 갭을 최적의 선형계획법 상한이 스토하스틱 설정과 악성 설정에서의 비율로 정의하여 성능 향상의 이론적 한계를 제공한다.

실험 결과

연구 질문

• RQ1 스토하스틱 보상, 내성 제약, 가중치를 고려한 온라인 매칭 문제에 대해 알려진 및 알려지지 않은 내성 시간을 모두 다룰 수 있는 통합 프레임워크를 개발할 수 있는가?
• RQ2 내성 시간이 알려진 임의의 분포에서 스토하스틱으로 추출될 경우, 온라인 매칭에서 달성할 수 있는 경쟁 비율은 무엇인가?
• RQ3 스토하스틱 도착 프로세스는 온라인 매칭 문제에서 악성 도착에 비해 경쟁 비율을 어떻게 향상시키는가?
• RQ4 스토하스틱 온라인 매칭에서 근사의 기본 한계는 선형계획법 풀이의 스토하스틱 갭으로 캡처할 수 있는가?
• RQ5 악성 내성 시간이 존재할 경우 제품 순위 설정에서 비트리비얼 근사 보장을 달성하는 것은 가능한가, 아니면 이러한 설정은 본질적으로 해법이 없는가?

주요 결과

• 논문은 어떤 내성 시간 분포에 대해서도 별 그래프에서 1/2-근사값을 달성하며, 이는 이 문제 유형에서 최적이다.
• 프레임워크는 스토하스틱 도착 하에서 온라인 매칭의 경쟁 비율을 향상시켜 악성 모델의 최악의 경우 경계를 초월한다.
• 별 그래프에서의 1/2-근사값은 사용자가 언제든지 알려진 클릭률로 포기할 수 있는 캐스케이드-클릭 모델에서도 기존 보장보다 향상된다.
• 스토하스틱 갭은 공식적으로 정의되고 경계가 설정되었으며, 스토하스틱 설정에서의 선형계획법 상한이 악성 설정보다 훨씬 느슨할 수 있음을 보여준다.
• 논문은 내성 시간이 악성으로 선택될 경우 제품 순위 설정에서 비가역적 근사가 불가능함을 증명하며, 스토하스틱 내성 시간 모델의 필요성을 강조한다.
• 블랙박스 프레임워크는 별 그래프 알고리즘의 재사용을 가능하게 하여 정점 및 간선 가중치가 있는 일반 온라인 매칭 문제를 해결하며, 여러 설정에서 처음으로 알려진 경쟁 비율을 달성한다.