[논문 리뷰] Linear Programming helps solving large multi-unit combinatorial auctions

Rica Gonen, Daniel Lehmann|ArXiv.org|2002. 02. 15.

Auction Theory and Applications참고 문헌 11인용 수 32

한 줄 요약

이 논문은 선형계획법(LP)이 분기결정법 탐색에서 극도로 강력한 잘라내기 기법을 가능하게 함으로써 대규모 다단위 조합auction의 해결 효율성을 크게 향상시킨다는 것을 보여준다. 이전에는 LP가 너무 느려 반복 사용이 어렵다고 여겨졌지만, 실험 결과 LP 호출에 대한 투자가 극도로 많아지면 탐색 공간이 극적으로 감소하여 표준 하드웨어에서도 수백 개의 물품과 수천 개의 입찰을 포함하는 대규모 입찰에서 최적해를 도출할 수 있음을 입증한다.

ABSTRACT

Previous works suggested the use of Branch and Bound techniques for finding the optimal allocation in (multi-unit) combinatorial auctions. They remarked that Linear Programming could provide a good upper-bound to the optimal allocation, but they went on using lighter and less tight upper-bound heuristics, on the ground that LP was too time-consuming to be used repetitively to solve large combinatorial auctions. We present the results of extensive experiments solving large (multi-unit) combinatorial auctions generated according to distributions proposed by different researchers. Our surprising conclusion is that Linear Programming is worth using. Investing almost all of one's computing time in using LP to bound from above the value of the optimal solution in order to prune aggressively pays off. We present a way to save on the number of calls to the LP routine and experimental results comparing different heuristics for choosing the bid to be considered next. Those results show that the ordering based on the square root of the size of the bids that was shown to be theoretically optimal in a previous paper by the authors performs surprisingly better than others in practice. Choosing to deal first with the bid with largest coefficient (typically 1) in the optimal solution of the relaxed LP problem, is also a good choice. The gap between the lower bound provided by greedy heuristics and the upper bound provided by LP is typically small and pruning is therefore extensive. For most distributions, auctions of a few hundred goods among a few thousand bids can be solved in practice. All experiments were run on a PC under Matlab.

연구 동기 및 목표

• 대규모 다단위 조합auction에서 최적해를 효과적으로 상한으로 제한하는 데 선형계획법(LP)이 사용될 수 있는지 조사하는 것. 이는 일반적으로 LP가 반복 사용에 너무 느리다고 여겨지는 관념에 도전하기 위함이다.
• 분기결정법 알고리즘의 승자 결정 성능에 영향을 주는 다양한 입찰 선택 휴리스틱의 영향을 평가하는 것.
• 더 가벼운 휴리스틱 상한 대비 LP 기반 상한이 더 빠른 수렴과 더 작은 탐색 공간을 제공하는지 확인하는 것.
• 분기결정법에 LP 기반 상한을 적용했을 때 다양한 입찰 분포와 크기에서의 확장성 평가

제안 방법

• 저자는 다단위 조합auction의 승자 결정을 위한 분기결정법 알고리즘을 구현하였으며, 부분 할당에 대한 상한을 계산하기 위해 LP를 사용한다.
• 빠른 탐욕적 초기화 단계를 통해 고품질의 하한을 생성하여 탐색 공간을 조기에 잘라낸다.
• LP 완화 문제의 최적해를 활용해 다음으로 탐색할 입찰을 선택하는 데 지침을 제공하며, 특히 LP 해에서 계수 값이 큰 입찰을 우선적으로 고려한다.
• 입찰 선택 시 다음으로 분할할 입찰을 고르는 데 사용되는 휴리스틱으로서 입찰 크기의 제곱근과 LP 기반 적응 기준을 평가한다.
• LP 호출 횟수를 줄이는 최적화 기법을 포함하여 전체 효율성을 향상시킨다.
• 실험은 Leyton-Brown 등과 de Vries 및 Vohra가 이전에 사용한 표준 분포를 기반으로 하며, Matlab 환경에서 일반 PC를 사용하여 수행된다.

실험 결과

연구 질문

• RQ1 분기결정법에서 선형계획법을 상한으로 사용할 경우, 대규모 다단위 조합auction을 해결할 때 탐색되는 노드 수가 상당히 감소하는가?
• RQ2 특히 제곱근 기준과 LP 기반 기준을 포함한 다양한 입찰 선택 휴리스틱이 분기결정법 알고리즘 성능에 어떤 영향을 미치는가?
• RQ3 표준 하드웨어에서 수천 개의 입찰과 수백 개의 물품을 포함하는 대규모 입찰에서 LP 기반 잘라내기 기법이 최적해를 도출할 수 있는가?
• RQ4 계산 비용이 크지만도 불구하고 LP 기반 방법이 더 단순한 휴리스틱보다 성능이 뛰어나는 이유는 무엇인가?
• RQ5 입찰 수보다 물품 수가 조합입찰 문제 해결의 어려움을 결정짓는 데 더 큰 영향을 미치는가?

주요 결과

• 선형계획법을 사용한 상한 기반으로 인해 광범위한 잘라내기가 이루어져, 휴리스틱 상한 대비 탐색되는 노드 수가 극적으로 감소한다.
• 입찰 크기의 제곱근 기준이 실무에서 가장 우수한 성능을 보이며, 이는 이전 연구에서 이론적으로 최적으로 여겨진 기준과 일치한다.
• LP 기반 입찰 선택(즉, LP 해에서 계수 값이 가장 큰 입찰을 선택하는 방식) 역시 매우 효과적이며, 특히 대규모 입찰에서 제곱근 기준을 능가하는 경우가 많다.
• 특히 CATS 멀티패스 분포와 같은 많은 분포에서 첫 번째 LP 호출에서 이미 정수해를 도출하는 경우가 많아, 탐색 트리 전체가 즉시 잘라내지기 때문에 탐색이 빠르게 종료된다.
• 알고리즘은 지수적 증가보다 느린 비율로 확장되며, 최대 20,000개의 입찰을 포함하는 입찰에서도 효율적으로 해결 가능하여, 물품 수가 입찰 수보다 더 강력한 난이도 결정 요소임을 입증한다.
• 실행 시간은 로그 스케일에서 선형 이하로 증가하며, 이는 LP가 날카로운 상한을 제공할 경우에 특히 입찰 규모가 커질수록 알고리즘이 점점 더 효율적임을 시사한다.