[논문 리뷰] Online Advance Admission Scheduling for Services with Customer Preferences

Xinshang Wang, Van‐Anh Truong외 1명|arXiv (Cornell University)|2018. 05. 26.

Optimization and Search Problems참고 문헌 47인용 수 31

한 줄 요약

이 논문은 고객 선호도가 있는 서비스에서 온라인으로 사전 예약 스케줄링을 위한 알고리즘을 제안하며, 문제를 비정상적인 포아송 도착이 있는 온라인 가중 이분 매칭으로 모델링한다. 이는 최적의 오프라인 솔루션의 $1 - \sqrt{2/\pi}/\sqrt{k} + O(1/k)$ 배의 성능 보장을 확립하며, $k$는 최소 자원 용량을 의미한다. 실제 병원 스케줄링 데이터를 활용한 검증을 통해 병원의 실제 스케줄링 정책 대비 21% 향상된 성능을 보였다.

ABSTRACT

We study web and mobile applications that are used to schedule advance service, from medical appointments to restaurant reservations. We model them as online weighted bipartite matching problems with non-stationary arrivals. We propose new algorithms with performance guarantees for this class of problems. Specifically, we show that the expected performance of our algorithms is bounded below by $1-\sqrt{\frac{2}π}\frac{1}{\sqrt{k}}+O(\frac{1}{k})$ times that of an optimal offline algorithm, which knows all future information upfront, where $k$ is the minimum capacity of a resource. This is the tightest known lower bound. This performance analysis holds for any Poisson arrival process. Our algorithms can also be applied to a number of related problems, including display ad allocation problems and revenue management problems for opaque products. We test the empirical performance of our algorithms against several well-known heuristics by using appointment scheduling data from a major academic hospital system in New York City. The results show that the algorithms exhibit the best performance among all the tested policies. In particular, our algorithms are $21\%$ more effective than the actual scheduling strategy used in the hospital system according to our performance metric.

연구 동기 및 목표

• 의료 및 식당과 같은 서비스에서 고객이 시간대에 대해 선호도를 표현하는 온라인 사전 등록 스케줄링 문제를 다루기 위해.
• 비정상적인 포아송 도착과 시간에 따라 변하는 고객 선호도를 고려한 온라인 가중 이분 매칭으로 스케줄링 문제를 모델링하기 위해.
• 모든 향후 도착을 사전에 알고 있는 최적의 오프라인 알고리즘에 비해 증명 가능한 성능 보장을 갖춘 알고리즘을 개발하기 위해.
• 제안된 알고리즘의 실증적 성능을 실제 스케줄링 데이터 및 기존 휴리스틱과 비교 평가하기 위해.
• 이와 유사한 문제들인 전시 광고 배정 및 은폐된 제품 수익 관리에까지 이 프레임워크의 적용 가능성을 확장하기 위해.

제안 방법

• 시간에 따라 변하는 고객 도착률과 자원 용량을 고려한 온라인 가중 이분 매칭으로 스케줄링 문제를 수식화한다.
• 분리 알고리즘과 한계 배정 알고리즘을 사용한 재귀적 알고리즘 계층을 도입하여 향후 기대 수익을 반복적으로 개선한다.
• 알고리즘 정책의 기대 수익 역학을 모델링하기 위해 하미льт로니안-자코비-벨만(Hamilton-Jacobi-Bellman, HJB) 방정식을 유도한다.
• 값 반복 방법을 사용하여 $h^{(i)}(t,c)$를 활용해 기대 향후 수익을 근사화하며, 이는 진정한 최적 값 $f(t,c)$로 수렴한다.
• 고객이 자원의 한계 가치를 초과하는 경우에만 자원에 할당하는 입찰 가격 기반의 할당 규칙을 적용한다.
• 미분 부등식과 수학적 귀납법을 통해 이론적 성능 경계를 확립하며, 모든 $i$에 대해 $h^{(i)}(t,c) \geq f(t,c)$임을 증명한다.

실험 결과

연구 질문

• RQ1 비정상적인 포아송 도착 하에서 온라인 사전 등록 스케줄링의 최고 성능 보장은 무엇인가?
• RQ2 향후 고객 도착이 알려지지 않은 상황에서 알고리즘이 어떻게 고성능을 유지할 수 있는가?
• RQ3 도착률 분포에 종속되지 않고도 날카운 성능 하한을 이론적으로 유도할 수 있는가?
• RQ4 실제로 제안된 알고리즘이 실세계 스케줄링 정책보다 얼마나 뛰어나게 성능을 발휘할 수 있는가?
• RQ5 이러한 결과는 전시 광고 배정 및 은폐된 제품 수익 관리와 같은 다른 온라인 할당 문제에 얼마나 일반화될 수 있는가?

주요 결과

• 제안된 알고리즘이 최적의 오프라인 솔루션의 $1 - \sqrt{2/\pi}/\sqrt{k} + O(1/k)$ 배 성능 보장을 달성하며, 이는 이 유형의 문제에 대해 알려진 가장 날카운 하한이다.
• 성능 경계는 어떤 포아송 도착 과정에도 적용 가능하며, 도착률 분포에 종속되지 않고 오직 최소 자원 용량 $k$에만 의존한다.
• 주요 대학 병원 시스템의 실제 약속 스케줄링 데이터를 활용한 실증 평가에서, 동일한 성능 지표 하에 병원의 실제 스케줄링 전략보다 21% 더 효과적인 것으로 나타났다.
• 이론적 분석을 통해 알고리즘의 기대 수익이 항상 최적의 오프라인 값 이상임을 증명하였으며, 값 반복과 HJB 방정식을 통해 수렴이 보장된다.
• 이 프레임워크는 전시 광고 배정 및 은폐된 제품 수익 관리와 같은 유사 문제로도 확장 가능하며, 광범위한 적용 가능성을 보였다.
• 한계 배정 알고리즘과 분리 알고리즘을 반복적으로 적용하는 알고리즘 계층은 기대 수익 추정의 단조적 향상을 보장한다.