[논문 리뷰] Online Stochastic Matching with Edge Arrivals

Nick Gravin, Zhihao Gavin Tang외 1명|arXiv (Cornell University)|2019. 11. 12.

Optimization and Search Problems참고 문헌 32인용 수 3

한 줄 요약

이 논문은 간선이 도착하는 온라인 스토케스틱 매칭 문제를 위한 새로운 프루닝-그리디 프레임워크를 제안한다. 간선은 알려진 분포에 따라 확률적으로 실현된다. 전략적으로 확률이 낮은 간선을 제거하고 그리디 매칭 정책을 적용함으로써, 2-정규 스토케스틱 이분 그래프에서 0.552-경쟁비를 달성하고 일반 그래프에서는 0.503-경쟁비를 달성한다. 이는 악성 간선 도착 모델에서 그리디 알고리즘의 0.5 최악의 경우 경쟁비를 뛰어넘는다.

ABSTRACT

Online bipartite matching with edge arrivals remained a major open question for a long time until a recent negative result by Gamlath et al., who showed that no online policy is better than the straightforward greedy algorithm, i.e., no online algorithm has a worst-case competitive ratio better than 0.5. In this work, we consider the bipartite matching problem with edge arrivals in a natural stochastic framework, i.e., Bayesian setting where each edge of the graph is independently realized according to a known probability distribution. We focus on a natural class of prune & greedy online policies motivated by practical considerations from a multitude of online matching platforms. Any prune & greedy algorithm consists of two stages: first, it decreases the probabilities of some edges in the stochastic instance and then runs greedy algorithm on the pruned graph. We propose prune & greedy algorithms that are 0.552-competitive on the instances that can be pruned to a 2-regular stochastic bipartite graph, and 0.503-competitive on arbitrary stochastic bipartite graphs. The algorithms and our analysis significantly deviate from the prior work. We first obtain analytically manageable lower bound on the size of the matching, which leads to a non-linear optimization problem. We further reduce this problem to a continuous optimization with a constant number of parameters that can be solved using standard software tools.

연구 동기 및 목표

• 이전에 악성 간선 도착 모델에서 불가능하다고 밝혀진 바 있는, 온라인 알고리즘이 그리디 알고리즘을 초월할 수 있는지 여부라는 오랫동안 미해결된 문제를 해결하고자 한다.
• 스토케스틱 정보(알려진 간선 확률)를 활용하여 이론적으로 타당하고 실용적인 온라인 매칭 정책을 설계함으로써, 그리디 알고리즘의 0.5 경쟁비 장벽을 넘어서 성능을 향상시키고자 한다.
• 간선 형성이 비용이 들고 확률적인 현실 세계의 온라인 플랫폼(예: 일자리 매칭, 데이팅, 부동산 등)을 모델링하는 프레임워크를 개발하고자 한다. 이 플랫폼에서는 매칭 이전에 플랫폼의 간섭이 가능하다.

제안 방법

• 두 단계의 프루닝-그리디 정책을 도입한다: 첫째, 스토케스틱 그래프 내 일부 간선의 확률을 감소시킨다. 둘째, 프루닝된 인스턴스에 대해 그리디 매칭 알고리즘을 적용한다.
• 기대 매칭 크기를 근사하기 위한 비선형 최적화 문제를 유도하며, 이는 해석 가능성을 확보하기 위해 상수 개수의 파라미터를 가진 연속 최적화 문제로 축소된다.
• 간선 블록의 분할을 통한 새로운 분석적 하한을 도출하고, 로그 및 지수 항을 포함하는 핵심 부등식을 유도하여 프루닝으로 인한 이득과 손실를 비교한다.
• 컴퓨터 보조 증명과 수치적 검증을 통해 경쟁비 보장을 위한 핵심 부등식(h3(x, q) ≥ 0 등)을 확립한다.
• 집중도 및 감쇠율 분석을 적용하여 각 정점에 인cidient된 간선의 기대 매칭 이득을 근사하며, 핵심 매개변수로 로그 정규화된 차수 c를 사용한다.
• 경쟁비를 검증하기 위해 하드 인스턴스 구축(Figure 2)을 통해 유형 1, 2, 3 간선을 포함한 인스턴스를 제시하며, 최적 경쟁비의 상한이 2/3임을 입증한다.

실험 결과

연구 질문

• RQ1 악성 간선 도착 모델에서 온라인 매칭 알고리즘이 간선 도착 시 0.5를 초월하는 경쟁비를 달성할 수 있는가?
• RQ2 실제로 데이터가 풍부한 플랫폼에서 스토케스틱 간선 확률을 활용하여 그리디 알고리즘을 초월하는 실용적인 온라인 정책을 설계할 수 있는가?
• RQ3 스토케스틱 간선 실현 조건 하에서 온라인 매칭의 이론적 한계는 무엇인가?
• RQ4 분석적 보장을 갖춘 프루닝-그리디 프레임워크를 구축하여, 스토케스틱 간선 도착 모델에서 그리디 기반선을 초월할 수 있는가?
• RQ5 스토케스틱 간선 도착 모델에서 달성 가능한 최적 경쟁비는 얼마이며, 그래프 구조와 간선 확률 분포에 따라 어떻게 달라지는가?

주요 결과

• 제안된 프루닝-그리디 알고리즘은 프루닝을 통해 2-정규 구조로 변환 가능한 스토케스틱 이분 그래프에서 0.552-경쟁비를 달성한다.
• 일반적인 이분 그래프에서는 0.503-경쟁비를 달성하며, 이는 악성 간선 도착 모델에서 그리디 알고리즘의 0.5 최악의 경우 경쟁비를 초월한다.
• 분석을 통해 비선형 최적화 문제를 유도하였고, 이는 상수 개수의 파라미터를 가진 연속 최적화 문제로 축소되어 표준 소프트웨어 도구로 해석 가능하다.
• 컴퓨터 보조 증명을 통해 핵심 부등식(h3(x, q) ≥ 0)을 검증하였으며, 이는 간선 분할로 인한 이득이 손실을 초월함을 보장하여 경쟁비 보장을 뒷받침한다.
• 2n개의 정점과 세 가지 유형의 간선을 포함하는 하드 인스턴스를 구축하여, 어떤 온라인 알고리즘도 2/3의 경쟁비를 초과할 수 없음을 입증함으로써 이론적 상한을 설정한다.
• 수치적 검증을 통해 유도된 매칭 이득 하한이 δᵤ ≤ 1−e⁻² 인 경우 1.98·δ²ᵤ를 초과함을 확인하였으며, 이는 일반 그래프에서 0.503 경쟁비를 지지한다.