[논문 리뷰] Online Resource Allocation for Reusable Resources

Xilin Zhang, Wang Chi Cheung|arXiv (Cornell University)|2022. 12. 06.

Risk and Portfolio Optimization인용 수 4

한 줄 요약

이 논문은 모델 불확실성 하에서 재사용 가능한 자원 할당을 위한 온라인 알고리즘인 반복적 승법 가중치 조정(iMWU)을 제안하며, 자원 용량과 계획 수평이 증가함에 따라 ϵ→0이 되는 (1−ϵ) 근사 최적 보상에 도달한다. 이 방법은 수상한 보상, 자원 사용량, 확률적 사용 지속 시간을 반복적인 가중치 조정을 통해 균형 잡아, 재사용 가능한 자원을 가진 동적인 이질적 고객 환경에서 거의 최적의 성능을 달성한다.

ABSTRACT

We study a general model on reusable resource allocation under model uncertainty. A heterogeneous population of customers arrive at the decision maker's (DM's) platform sequentially. Upon observing a customer's type, the DM selects an allocation decision, which leads to rewards earned and resources occupied. Each resource unit is occupied for a random duration, and the unit is available for another allocation after the usage duration. Our model captures numerous applications involving admission control and assortment planning. The DM aims to simultaneously maximize multiple types of rewards, while satisfying the resource constraints and being uncertain about the customers' arrival process. We develop a near-optimal algorithm that achieves $(1-ε)$ fraction of the optimal expected rewards, where the error parameter $ε$ decays to zero as the resource capacity units and the length of the horizon grow. The algorithm iteratively applies the Multiplicative Weight Update algorithm in a novel manner, which balances the trade-off among the amounts of rewards earned, resources occupied and usage durations.

연구 동기 및 목표

• 모델 불확실성 하에서 재사용 가능한 자원 할당을 위한 온라인 알고리즘의 격차를 보완하기 위해.
• 다양한 목표, 고객 이질성, 유한한 사용 지속 시간을 온라인 환경에서 포괄하는 일반적인 프레임워크를 개발하기 위해.
• 모르는 고객 도착 프로세스에도 불구하고 보상 최적화 측면에서 거의 최적의 성능 보장을 달성하기 위해.
• 비재사용 가능한 자원 할당의 이론적 기반을 더 복잡한 재사용 가능한 자원 설정으로 확장하기 위해.
• 다양한 문제 규모에서 수치 실험을 통해 알고리즘의 성능을 검증하기 위해.

제안 방법

• iMWU 알고리즘은 보상, 자원 소비, 사용 지속 시간을 균형 잡기 위해 승법 가중치 조정 기법을 반복적으로 적용한다.
• 타당성을 유지하고 시간에 따라 최적화하기 위해 이중 기반 접근법을 사용하며, 관측된 결과와 예측 성능에 기반해 가중치를 업데이트한다.
• 알고리즘은 온라인 방식으로 작동하여, 도착 유형을 사전에 알지 못한 채 각 고객의 도착에 따라 결정을 내린다.
• 비재사용 설정에 기반한 이전 연구를 영감으로 삼아, 재고 부족에 대비하기 위해 할인 파라미터를 도입한다.
• 기본 성능를 유도하기 위해 선형 프로그래밍 리 릴랙세이션(LP-S)을 활용하며, 비교 및 이론적 분석에 사용된다.
• 이론적 분석은 최적성 갭이 O(√(ξ log(|I_c|/ξ)))로 감소함을 보여주며, 여기서 ξ는 상대 용량의 역수이며 용량이 증가함에 따라 0에 수렴한다.

실험 결과

연구 질문

• RQ1 모델 불확실성 하에서 온라인 재사용 가능한 자원 할당에서 거의 최적의 성능를 달성할 수 있는가?
• RQ2 온라인 알고리즘이 다수의 목표, 자원 소비, 그리고 확률적 사용 지속 시간을 효과적으로 균형 잡을 수 있는가?
• RQ3 고객 도착 프로세스가 알려지지 않은 상황에서 iMWU 알고리즘이 강력한 성능 보장을 유지하는가?
• RQ4 고객 유형 수와 자원 제약 조건에 비례해 알고리즘의 스케일링 성능는 어떻게 되는가?
• RQ5 이론적 근사 요인은 다양한 문제 인스턴스에서 경험적으로 검증될 수 있는가?

주요 결과

• iMWU 알고리즘은 자원 용량과 계획 수평이 증가함에 따라 ϵ→0이 되는 (1−ϵ) 최적 기대 보상 근사치를 달성한다.
• 알고리즘이 전체 모델 지식이 있는 오프라인 정적 알고리즘(Offine Static Algorithm, OSA)의 성능에 수렴하며, 수평이 길어질수록 더욱 뚜렷하다.
• 최적성 갭은 O(√(ξ log(|I_c|/ξ)))로 유계이며, 상대 용량이 증가함에 따라 향상된다(즉, ξ가 작아짐).
• 수치 실험 결과, iMWU 알고리즘의 성능는 고객 유형 수(|J|)에 거의 의존하지 않으며, |J|가 100에서 1000으로 변할 때에도 안정적이다.
• iMWU의 정규화된 보상은 점점 OSA의 성능에 수렴함을 확인하여 이론적 수렴성과 거의 최적의 성능를 확인한다.
• 알고리즘은 모델 불확실성 하에서도 높은 성능를 유지하며, 오프라인 기준선 대비 최소한의 성능 저하를 보인다.