[논문 리뷰] Improved Analysis of RANKING for Online Vertex-Weighted Bipartite Matching in the Random Order Model

Billy Jin, David P. Williamson|arXiv (Cornell University)|2020. 07. 25.

Optimization and Search Problems참고 문헌 9인용 수 4

한 줄 요약

이 논문은 Huang 등이 분석한 가정을 완화하고, 이산화된 단위 정사각형 위에서 제약 조건이 있는 선형 프로그래밍을 통해 최적의 조각별 선형 함수 g(x,y)를 계산함으로써, 무작위 순서 모델에서 온라인 정점 가중치가 부여된 이분 매칭 문제의 경쟁 비율을 0.6534에서 0.6629로 향상시켰다. 이 방법은 병렬 처리된 계산과 오차가 제한된 수치적 근사치를 사용하여 더 날카운 경쟁 비율을 확보하였으며, 이 방법론적 프레임워크의 이론적 상한선은 0.6688이다.

ABSTRACT

In this paper, we consider the online vertex-weighted bipartite matching problem in the random arrival model. We consider the generalization of the RANKING algorithm for this problem introduced by Huang, Tang, Wu, and Zhang (TALG 2019), who show that their algorithm has a competitive ratio of 0.6534. We show that assumptions in their analysis can be weakened, allowing us to replace their derivation of a crucial function $g$ on the unit square with a linear program that computes the values of a best possible $g$ under these assumptions on a discretized unit square. We show that the discretization does not incur much error, and show computationally that we can obtain a competitive ratio of 0.6629. To compute the bound over our discretized unit square we use parallelization, and still needed two days of computing on a 64-core machine. Furthermore, by modifying our linear program somewhat, we can show computationally an upper bound on our approach of 0.6688; any further progress beyond this bound will require either further weakening in the assumptions of $g$ or a stronger analysis than that of Huang et al.

연구 동기 및 목표

• 무작위 도착 순서 하에서 온라인 정점 가중치가 부여된 이분 매칭 문제에 대한 RANKING 알고리즘의 경쟁 비율을 향상시키는 것.
• Huang 등이 제시한 일반화된 RANKING 알고리즘 분석에서의 제한적인 가정을 완화하는 것.
• 더 약한 가정 하에서 이산화된 단위 정사각형 위의 선형 프로그래밍을 통해 가능한 한 최적의 조각별 선형 함수 g(x,y)를 계산하는 것.
• 현재 분석적 제약 조건을 고려할 때, 달성 가능한 경쟁 비율의 계산 가능한 상한선을 설정하는 것.

제안 방법

• Huang 등과 비교해 더 완화된 가정 하에, 이산화된 [0,1]² 격자 위에서 최적의 조각별 선형 함수 g(x,y)를 계산하기 위한 선형 프로그래밍을 수립한다.
• 경쟁 비율 상한선 내의 연속적인 최솟값과 적분을 이산적 근사치로 대체한다: minθ≤γ는 {0,γ}에서의 최솟값으로 대체되고, 적분은 Trapezoidal 및 오른쪽 Riemann 합으로 근사된다.
• 정확도와 계산 가능성의 균형을 위해 2^10 이격화(=n=1024)를 사용하고, 64개 코어를 사용해 병렬로 선형 프로그래밍을 해결한다.
• Trapezoidal 적분에 의해 유도된 오차를 유지를 위해 리프시츠 연속성 원리를 적용하여 최종 상한선이 유효함을 보장한다.
• 최소값을 γ와 0로만 제한하고, 거친 Riemann 합을 사용하는 히우리스틱 단순화 기법을 적용하여 선형 프로그래밍의 크기를 줄이되, 목적 함수 값은 무시할 만큼 작은 오차 내에서 유지한다.
• 최종적으로 도출된 상한선 0.6688가 이 방법론에 대해 타당한지 확인하며, 이는 향후 향상이 Huang 등과 같은 분석보다 더 강한 분석 또는 더 약한 가정이 필요함을 시사한다.

실험 결과

연구 질문

• RQ1 Huang 등이 제시한 분석의 제약 조건을 완화함으로써, 무작위 순서 모델에서 일반화된 RANKING 알고리즘의 경쟁 비율을 0.6534를 초월해 향상시킬 수 있는가?
• RQ2 Huang 등과 동일한 분석 프레임워크를 유지하되, g(x,y)에 대한 가정을 더 약하게 설정할 경우, 달성 가능한 최고의 경쟁 비율은 무엇인가?
• RQ3 이산화된 선형 프로그래밍과 수치적 적분, 최솟값 근사 히우리스틱을 사용할 때, 경쟁 비율 상한선은 얼마나 정확하게 근사될 수 있는가?
• RQ4 현재 방법론적 제약 조건을 고려할 때, 이 방법의 이론적 상한선은 무엇인가?
• RQ5 선형 프로그래밍 해에서 유도된 단순하고 해석 가능한 함수 g(x,y)는 Huang 등이 사용한 지수 형태를 초월하는 성능을 보일 수 있는가?

주요 결과

• 저자들은 무작위 순서 모델에서 온라인 정점 가중치가 부여된 이분 매칭 문제에 대해 0.6629의 경쟁 비율을 달성하였으며, 이는 이전의 상한선 0.6534을 초월하는 성과이다.
• 함수 g(x,y)에 대한 가정을 완화함으로써, 이산화된 단위 정사각형 위에서 제약 조건이 있는 선형 프로그래밍을 통해 더 날카운 경쟁 비율 상한선을 도출하였다.
• 이 방법론적 접근에 대한 계산된 상한선은 0.6688이며, 이는 향후 향상이 Huang 등과 같은 분석보다 더 강한 분석 또는 더 약한 가정이 필요함을 시사한다.
• Trapezoidal 합과 제한된 최솟값을 사용하는 수치 근사 전략은 리프시츠 연속성 원리에 의해 검증되었으며, 유의미한 오차가 없음을 입증하였다.
• 선형 프로그래밍에서 도출된 최적의 함수 g(x,y)는 Huang 등이 사용한 지수 형태와 정량적으로 다른 구조를 지니며, 더 단순하고 효과적인 대안의 가능성을 시사한다.
• 비록 선형 프로그래밍 해에서 두 조각의 선형 함수임을 암시하는 시각적 힌트가 있었지만, 이 클래스에 속하는 어떤 함수도 Huang 등의 경쟁 비율을 초월할 수 없음을 증명하였다.