[논문 리뷰] Online Multidimensional Packing Problems in the Random-Order Model

David Naori, Danny Raz|arXiv (Cornell University)|2019. 07. 01.

Optimization and Search Problems참고 문헌 19인용 수 4

한 줄 요약

이 논문은 랜덤 오더 모델에서 $d$-차원 벡터 일반화 할당 문제(VGAP)에 대한 온라인 알고리즘을 제시한다. 삼단계 접근 방식을 사용하여 샘플링, 무거운 항목에 대한 최대 무게 이분 매칭, 가벼운 항목에 대한 선형계획법(LP) 근사와 난수화된 반올림을 조합한다. 이 알고리즘은 $O(d)$-경쟁 비율을 달성하며, 이는 점점 커지는 경우에 최적임을 입증한다. 또한 이는 이전의 1차원 GAP 및 캐리어 문제에 대한 경쟁 비율을 향상시킨다.

ABSTRACT

We study online multidimensional variants of the generalized assignment problem which are used to model prominent real-world applications, such as the assignment of virtual machines with multiple resource requirements to physical infrastructure in cloud computing. These problems can be seen as an extension of the well known secretary problem and thus the standard online worst-case model cannot provide any performance guarantee. The prevailing model in this case is the random-order model, which provides a useful realistic and robust alternative. Using this model, we study the $d$-dimensional generalized assignment problem, where we introduce a novel technique that achieves an $O(d)$-competitive algorithms and prove a matching lower bound of $Ω(d)$. Furthermore, our algorithm improves upon the best-known competitive-ratio for the online (one-dimensional) generalized assignment problem and the online knapsack problem.

연구 동기 및 목표

• 클라우드 컴퓨팅과 네트워크 기능 가상화에서 기존의 최악의 경우 모델이 빈약한 경쟁 비율으로 실패하는 온라인 다차원 패킹 문제를 해결하기 위해.
• 실제 도착 패턴을 더 잘 반영하는 랜덤 오더 모델 하에서 $d$-차원 벡터 일반화 할당 문제(VGAP)에 대한 강력한 온라인 알고리즘을 설계하기 위해.
• 이전 알고리즘이 무거운 항목이나 가벼운 항목 중 하나를 배제하는 한계를 극복하기 위해, 둘 다 동시에 다루는 통합 프레임워크를 사용하기 위해.
• 상한선인 $O(d)$와 일치하는 하한선인 $\Omega(d)$를 증명하여 엄밀한 이론적 경계를 확립하기 위해.
• 특수 케이스인 $\{0,1\}$-VGAP 및 벡터 다중 캐리어 문제(VMKP)로의 확장을 통해 광범위한 적용 가능성을 보여주기 위해.

제안 방법

• 알고리즘은 세 단계로 구성된다: 초기 항목을 패킹 없이 관찰하는 샘플링 단계, 무거운 항목 전용 단계, 가벼운 항목 전용 단계.
• 무거운 항목(모든 차원에서 한 바구니의 용량의 절반 이상을 소비하는 항목)에 대해서는 최대 무게 이분 매칭을 사용하여 일시적인 할당을 계산한다.
• 가벼운 항목(모든 차원에서 한 바구니의 용량의 절반 이하를 소비하는 항목)에 대해서는 국소 패킹 문제의 선형계획법 근사의 최적 분수 해를 계산하고, 난수화된 반올림을 적용한다.
• 알고리즘이 타당성을 유지하기 위해, 국소 해에 기반해 바구니의 남은 용량에 맞는 일시적 할당이 이루어진 경우에만 항목을 패킹한다.
• 소비 벡터의 비영 요소 수에 기반한 분할을 통해 $\{0,1\}$-VGAP로의 확장을 이루며, 용량 기반 정렬을 통해 VMKP로의 확장을 실시한다.
• 이론적 분석은 확률적 추론과 행렬 구성 기법을 사용하여 하한선을 유도하며, 차원 간 독립성과 용량 제약 조건을 활용한다.

실험 결과

연구 질문

• RQ1 랜덤 오더 모델에서 $d$-차원 일반화 할당 문제에 대해 항목 수에 의존하지 않는 경쟁 비율을 갖는 온라인 알고리즘이 가능할 수 있는가?
• RQ2 이전 연구에서 한 종류의 항목을 배제하는 것을 방지하면서, 무거운 항목과 가벼운 항목을 효과적으로 모두 패킹할 수 있는 알고리즘을 설계할 수 있는가?
• RQ3 온라인 다차원 패킹 문제의 최적 경쟁 비율은 무엇이며, 하한선으로서 이를 따라올 수 있는가?
• RQ4 경쟁 비율은 차원 수 $d$에 따라 어떻게 변화하는가? 그리고 $O(d)$가 가장 날카로운 상한선인가?
• RQ5 특수 케이스인 $\{0,1\}$-VGAP 및 VMKP로의 프레임워크 적응은 최적성을 유지하면서 가능할 수 있는가?

주요 결과

• 제안된 알고리즘은 랜덤 오더 모델에서 $d$-차원 벡터 일반화 할당 문제(VGAP)에 대해 $O(d)$-경쟁 비율을 달성한다.
• 벡터 캐리어 문제에 대해 $\Omega(d)$의 하한선이 증명되었으며, 이는 $O(d)$ 경쟁 비율이 점점 커지는 경우에 최적임을 보여준다.
• 이 알고리즘은 1차원 온라인 일반화 할당 문제 및 온라인 캐리어 문제에 대해 기존에 알려진 최고의 경쟁 비율을 향상시킨다.
• $\{0,1\}$-VGAP의 특수 케이스에서는 소비 벡터의 비영 요소 수에 기반한 분할 기준을 사용하여 패킹 결정을 관리한다.
• 최소 두 개의 동일한 바구니가 있는 VMKP로의 확장도 가능하며, 이 경우에도 $O(d)$ 경계는 여전히 날카로운 상한선을 유지한다.
• 분석 결과 알고리즘의 성능는 무한한 계산 능력 하에서도 안정적이고 최적임을 확인하였으며, 복잡도 가정 없이도 성립한다.