[논문 리뷰] Making Three Out of Two: Three-Way Online Correlated Selection

Yong-Ho Shin, Hyung-Chan An|arXiv (Cornell University)|2021. 07. 06.

Optimization and Search Problems참고 문헌 33인용 수 4

한 줄 요약

이 논문은 삼중 선택에서의 음의 상관관계를 달성하기 위해 두 개의 연결된 이원 OCS를 사용하는 새로운 삼중 온라인 상관 선택(3-OCS) 알고리즘을 제안한다. 이 방법은 연결된 OCS의 복잡한 출력 행동을 근사하기 위해 보조 분포를 활용함으로써 간선 가중치가 부여된 온라인 이분 매칭에서 0.5093의 경쟁률을 달성하여 이전의 0.5086 기준을 향상시킨다.

ABSTRACT

Two-way online correlated selection (two-way OCS) is an online algorithm that, at each timestep, takes a pair of elements from the ground set and irrevocably chooses one of the two elements, while ensuring negative correlation in the algorithm's choices. Whilst OCS was initially invented by Fahrbach, Huang, Tao, and Zadimoghaddam to solve the edge-weighted online bipartite matching problem, it is an interesting technique on its own due to its capability of introducing a powerful algorithmic tool, namely negative correlation, to online algorithms. As such, Fahrbach et al. posed two tantalizing open questions in their paper, one of which was the following: Can we obtain n-way OCS for n>2, in which the algorithm can be given n>2 elements to choose from at each timestep? In this paper, we affirmatively answer this open question by presenting a three-way OCS. Our algorithm uses two-way OCS as its building block and is simple to describe; however, as it internally runs two instances of two-way OCS, one of which is fed with the output of the other, the final output probability distribution becomes highly elusive. We tackle this difficulty by approximating the output distribution of OCS by a flat, less correlated function and using it as a safe "surrogate" of the real distribution. Our three-way OCS also yields a 0.5093-competitive algorithm for edge-weighted online matching, demonstrating its usefulness.

연구 동기 및 목표

• n > 2인 경우에 대해 Fahrbach 등이 제기한 n원 OCS의 존재성에 관한 열린 문제를 해결하기 위해.
• 삼중 선택에서 강력한 음의 상관관계를 유지하는 간단하면서도 효과적인 삼중 OCS를 설계하기 위해.
• 3-OCS의 유효성을 입증하기 위해 간선 가중치가 부여된 온라인 이분 매칭의 경쟁률 향상 시키기 위해.
• 복잡한 연결된 OCS의 출력 분포를 더 평탄하고 대칭적인 보조 분포로 근사하는 방법 개발하기 위해.

제안 방법

• 알고리즘은 삼중에서 두 원소를 균일하게 임의로 선택하고 첫 번째 이원 OCS에 입력한다.
• 첫 번째 OCS의 출력과 첫 번째 선택에서 제외된 세 번째 원소를 결합하여 두 번째 이원 OCS에 입력한다.
• 최종 출력은 두 번째 OCS의 결과이며, 선택 간 음의 상관관계를 보장한다.
• 이 방법은 연결된 OCS의 진정한 출력 분포를 근사하기 위해 더 평탄하고 대칭적인 보조 분포를 사용한다.
• 이중 OCS 출력의 단모형성과 대칭성을 활용하여 공통 원소가 반복적으로 선택되지 않을 확률을 제한한다.
• 경쟁률를 계산하기 위해 변수의 범위가 제한된 인자 노출 선형 프로그래밍을 설정하였으며, k_max = 25 및 ℓ_max = 25에서 잘라내기를 적용하였다.

실험 결과

연구 질문

• RQ1 삼중 선택에서 선택 간 음의 상관관계를 유지하는 삼중 온라인 상관 선택 알고리즘을 구성할 수 있는가?
• RQ2 연결된 이원 OCS의 복잡한 출력 분포는 어떻게 근사할 수 있으며, 이를 통해 분석이 가능하게 할 수 있는가?
• RQ3 제안된 3-OCS를 사용하여 간선 가중치가 부여된 온라인 이분 매칭에서 어떤 경쟁률을 달성할 수 있는가?
• RQ4 3-OCS 방법은 이전의 0.5086 경쟁률 기준을 향상시킬 수 있는가?
• RQ5 보조 분포 기법은 연결된 OCS에서 선택되지 않을 확률을 제한하기 위해 형식적으로 정당화될 수 있는가?

주요 결과

• 제안된 3-OCS는 간선 가중치가 부여된 온라인 이분 매칭에서 0.50930725의 경쟁률을 달성하여 이전의 0.5086 기준을 향상시켰다.
• 알고리즘은 두 개의 연결된 이원 OCS 인스턴스를 사용하며, 두 번째 OCS는 첫 번째의 출력과 선택되지 않은 원소를 입력으로 받는다.
• 분석은 선택 수의 진정한 분포를 근사하기 위해 더 평탄하고 대칭적인 보조 분포를 사용하여 해석 가능한 경계를 도출한다.
• 경쟁률는 k_max = 25 및 ℓ_max = 25를 사용한 인자 노출 선형 프로그래밍을 통해 유도되었으며, Γ = 0.50930725를 도출하였다.
• 이중 OCS의 비 마르코프 성질에 기인한 의존성 문제를 단모형 대칭성과 볼록 근사 기법을 활용하여 성공적으로 해결하였다.
• 결과적으로 OCS의 이원 선택을 초월한 확장 가능성은 입증되었으며, 온라인 매칭 알고리즘의 새로운 기준을 설정하였다.