[논문 리뷰] Online Geometric Discrepancy for Stochastic Arrivals with Applications to Envy Minimization

Haotian Jiang, Janardhan Kulkarni외 1명|arXiv (Cornell University)|2019. 10. 02.

Mathematical Approximation and Integration참고 문헌 28인용 수 4

한 줄 요약

이 논문은 단위 구간 또는 단위 정사각형 위에서 균일하게 랜덤으로 도착하는 점들에 대해 기하학적 불균형 최소화를 위한 효율적인 온라인 알고리즘을 제안한다. 초등함수 기반의 새로운 잠재함수를 활용하여 간격의 균형을 동적으로 조절함으로써 랜덤 색칠의 $~ O(\sqrt{n})$ 보다 훨씬 우수한 초다항수준의 기대 불균형을 달성하며, 이는 온라인 할당 문제에서 환경 최소화를 향상시키는 데 응용된다.

ABSTRACT

Consider a unit interval $[0,1]$ in which $n$ points arrive one-by-one independently and uniformly at random. On arrival of a point, the problem is to immediately and irrevocably color it in $\{+1,-1\}$ while ensuring that every interval $[a,b] \subseteq [0,1]$ is nearly-balanced. We define \emph{discrepancy} as the largest imbalance of any interval during the entire process. If all the arriving points were known upfront then we can color them alternately to achieve a discrepancy of $1$. What is the minimum possible expected discrepancy when we color the points online? We show that the discrepancy of the above problem is sub-polynomial in $n$ and that no algorithm can achieve a constant discrepancy. This is a substantial improvement over the trivial random coloring that only gets an $\widetilde{O}(\sqrt n)$ discrepancy. We then obtain similar results for a natural generalization of this problem to $2$-dimensions where the points arrive uniformly at random in a unit square. This generalization allows us to improve recent results of Benade et al.\cite{BenadeKPP-EC18} for the online envy minimization problem when the arrivals are stochastic.

연구 동기 및 목표

• 점들이 공격적으로가 아니라 균일하게 랜덤으로 도착하는 온라인 기하학적 불균형 문제에서 불균형을 최소화하는 데 도전하는 것.
• 랜덤 색칠의 $\widetilde{O}(\sqrt{n})$ 경계를 뛰어넘어 초다항수준의 기대 불균형을 달성하는 효율적인 온라인 알고리즘을 설계하는 것.
• 개선된 불균형 경계를 온라인 환경 최소화 문제에 적용하여, 특히 스토케스틱 도착 조건에서의 성능을 향상시키는 것.
• 오프라인 솔루션이 불균형 1을 달성할 수 있음에도 불구하고, 스토케스틱 구간 설정에서 상수 불균형을 달성할 수 없는 온라인 알고리즘이 존재한다는 것을 보여주는 것.
• 나무 기반 구성법을 통해 분리 보조정리를 엄밀하게 증명함으로써 온라인 불균형의 이론적 한계를 규명하는 것.

제안 방법

• 점들이 도착함에 따라 간격의 불균형을 동적으로 보정하기 위해 $\sinh(\lambda x)$ 기반의 잠재함수를 사용한다.
• 잠재함수 내의 상쇄 효과를 제어하기 위해 각 점 주변에 '위험 영역'을 정의함으로써 불균형이 통제되지 않게 증가하지 않도록 한다.
• 분리 보조정리를 도입하여 두 점 간의 $\sinh(\lambda x)$ 항의 합을 근거로 하며, 이로써 그들의 조합된 불균형이 최대 개별 불균형의 $\frac{8}{9}$ 이상임을 보여준다.
• 분리 보조정리의 엄밀성을 입증하기 위해 재귀적 나무 기반 구성법을 사용하며, 이는 경계가 더 이상 크게 향상될 수 없음을 시사한다.
• 양의 불균형과 음의 불균형을 정교하게 균형 잡음으로써 잠재함수의 성장률을 통제함으로써 기대 불균형이 $n$에 대해 초다항수준을 유지하도록 보장한다.
• 알고리즘은 온라인이다: 점이 도착할 때마다 즉시 그리고 뒤돌아서지 않게 $+1$ 또는 $-1$ 색상을 할당하며, 국소 정보와 잠재함수만을 사용한다.

실험 결과

연구 질문

• RQ1 스토케스틱 도착 조건에서 온라인 알고리즘이 랜덤 색칠의 $\widetilde{O}(\sqrt{n})$ 경계를 뛰어넘어 초다항수준의 기대 불균형을 달성할 수 있는가?
• RQ2 균일하게 랜덤 도착 조건에서 온라인 구간 불균형 문제에서 $\widetilde{O}(\sqrt{n})$ 보다 훨씬 작은 불균형을 달성할 수 있는가?
• RQ3 스토케스틱 구간 설정에서 온라인 불균형의 근본적 한계는 무엇인가? 상수 불균형을 달성할 수 있는가?
• RQ4 향상된 불균형 경계는 온라인 환경 최소화 문제 성능 향상에 어떻게 활용될 수 있는가?
• RQ5 hyperbolic 함수에 대한 분리 보조정리가 엄밀한지 입증할 수 있으며, 이는 불균형 최소화의 한계에 어떤 함의를 갖는가?

주요 결과

• 논문은 스토케스틱 구간 불균형 문제에서 어떤 온라인 알고리즘도 상수 불균형을 달성할 수 없음을 증명한다. 이는 랜덤 도착 조건에서도 마찬가지이다.
• 랜덤 색칠의 $\widetilde{O}(\sqrt{n})$ 경계를 훨씬 뛰어넘어 초다항수준의 기대 불균형을 달성하는 효율적인 온라인 알고리즘을 설계하였다.
• 핵심 기술 기여는 임의의 두 점 $x$와 $y$에 대해, 특정 조건 하에서 $|\sinh(\lambda x) + \sinh(\lambda y)|$ 가 $|\sinh(\lambda x)|$ 와 $|\sinh(\lambda y)|$ 의 최댓값의 $\frac{8}{9}$ 이상임을 보여주는 분리 보조정리이다.
• 분석을 통해 기대 불균형이 $n$에 대해 어떤 다항식보다도 느리게 증가함을 입증하며, 이는 초다항수준의 성장을 의미한다.
• 이 방법은 단위 정사각형 내 점들에 대한 2차원 경우로 확장되었으며, 유사한 초다항수준의 불균형 경계를 도출하였다.
• 최근 Benade 등 [BKPP18] 이 제시한 온라인 환경 최소화의 경계를 향상시켰으며, 특히 스토케스틱 도착 모델에서의 성능 향상이 두드러진다.