[논문 리뷰] How to Hire Secretaries with Stochastic Departures.

Thomas Keßelheim, Alexandros Psomas외 1명|arXiv (Cornell University)|2019. 01. 01.

Optimization and Search Problems인용 수 1

한 줄 요약

이 논문은 후보자가 도착한 후 랜덤한 시간 동안 체류할 수 있도록 고전적인 서크리티 퍼블릭 문제를 일반화하며, 시간과 이미 본 후보자 수에만 의존하는 동적 의사결정 정책을 도입한다. 최적 정책이 단조 증가임을 증명하고, 후보자 수가 많아질 경우 단일 임계값 정책이 거의 최적임을 보이며, 즉각적인 결정이 필요하지 않은 환경과 랜덤한 퇴사가 존재하는 상황으로 고전적 최적 정지 이론을 크게 확장한다.

ABSTRACT

We study a generalization of the secretary problem, where decisions do not have to be made immediately upon candidates' arrivals. After arriving, each candidate stays in the system for some (random) amount of time and then leaves, whereupon the algorithm has to decide irrevocably whether to select this candidate or not. The goal is to maximize the probability of selecting the best candidate overall. We assume that the arrival and waiting times are drawn from known distributions. Our first main result is a characterization of the optimal policy for this setting. We show that when deciding whether to select a candidate it suffices to know only the time and the number of candidates that have arrived so far. Furthermore, the policy is monotone non-decreasing in the number of candidates seen so far, and, under certain natural conditions, monotone non-increasing in the time. Our second main result is proving that when the number of candidates is large, a single threshold policy is almost optimal.

연구 동기 및 목표

• 후보자가 즉각적인 결정이 요구되지 않는 조건에서 도착한 후 랜덤한 시간 동안 체류할 수 있도록 고전적인 서크리티 문제를 일반화한다.
• 도착 및 퇴사 시간 분포가 알려진 상황에서의 채용 과정을 모델링하여, 일시적 직원이나 단기 기회와 같은 실제 세계의 상황을 반영한다.
• 이 동적 환경에서 최고의 후보자를 선택할 확률을 최대화하는 최적의 의사결정 정책을 규명한다.
• 특히 시간과 관측한 후보자 수에 대한 최적 정책의 구조적 성질을 분석한다.
• 최적 정책의 渐近적 행동을 조사하고, 후보자 수가 많아질 경우 단일 임계값 전략이 얼마나 최적에 가까운지 규명한다.

제안 방법

• 도착 및 대기 시간 분포가 알려진 연속 시간 최적 정지 문제로 문제를 수리적으로 정의한다.
• 현재 시간과 지금까지 관측한 후보자 수에만 의존하는 동적 프로그래밍 설정을 도출한다.
• 최적 정책이 관측한 후보자 수에 대해 단조 증가임을 증명하여, 더 많은 후보자가 도착할수록 선택 기준이 낮아지지 않음을 보장한다.
• 자연스러운 조건(예: 기억이 없는 대기 시간) 하에서 정책이 시간에 대해 단조 감소함을 입증하여, 후보자가 퇴사하기 전에 행동을 취해야 하는 급박함이 증가함을 반영한다.
• 점근적 분석을 통해 후보자 수가 매우 많아질 경우, 고정된 시간 또는 고정된 수의 후보자 관측 이후에 선택을 시작하는 단일 임계값 정책이 거의 최적의 성능을 달성함을 보인다.
• 확률 과정 이론과 재생 이론을 활용하여 도착 간격 및 퇴사 간격 분포가 알려진 상황에서의 시스템 행동을 분석한다.

실험 결과

연구 질문

• RQ1 결정이 연기되고 후보자가 랜덤하게 퇴장할 수 있는 경우 최적 정책의 구조는 어떻게 되는가?
• RQ2 최적 선택 확률은 후보자 수와 그들의 대기 시간 분포에 따라 어떻게 달라지는가?
• RQ3 후보자 수가 많아질 경우 최적 정책을 단일 임계값 전략으로 단순화할 수 있는가?
• RQ4 최적 정책이 시간과 관측한 후보자 수에 대해 단조 증가하는 조건은 무엇인가?
• RQ5 대규모 설정에서 단일 임계값 정책의 성능은 최적 정책에 비해 얼마나 가까운가?

주요 결과

• 최적 정책은 현재 시간과 지금까지 도착한 후보자 수에만 의존하므로, 의사결정을 저차원 상태 공간으로 단순화한다.
• 최적 정책은 관측한 후보자 수에 대해 단조 증가하므로, 더 많은 후보자가 도착할수록 선택 가능성이 증가함을 의미한다.
• 기억이 없는 대기 시간과 같은 자연스러운 조건 하에서 최적 정책은 시간에 대해 단조 감소함을 보이며, 후보자가 퇴장하기 전에 선택해야 하는 급박함을 반영한다.
• 후보자 수가 많아질 경우, 고정된 시간 또는 고정된 수의 후보자 관측 이후에 선택을 시작하는 단일 임계값 정책이 최적에 매우 가까운 성능을 달성한다.
• 이 논문은 일시적 후보자가 존재하는 현실의 채용 및 할당 문제에 최적 정지 이론을 적용할 수 있는 이론적 기반을 마련한다.
• 결과적으로 고전적 서크리티 문제의 통찰을 랜덤한 퇴사가 존재하는 환경으로 일반화하여, 동적 환경에서 실용적이고 확장 가능한 의사결정 규칙을 제시한다.