[논문 리뷰] Online Vertex-Weighted Bipartite Matching: Beating 1-1/e with Random Arrivals

Zhiyi Huang, Zhihao Gavin Tang외 2명|arXiv (Cornell University)|2018. 01. 01.

Optimization and Search Problems참고 문헌 26인용 수 23

한 줄 요약

이 논문은 랜덤 도착 순서 하에서 온라인 정점 가중치가 부여된 이분 매칭 문제에 대해 경쟁 비율 0.6534를 달성하기 위해 무작위 원시-쌍대 프레임워크 내에서 새로운 이중 차원 이득 공유 함수를 제안한다. 이 알고리즘은 오프라인 정점 순위와 온라인 정점 도착 시간을 모두 이득 배분에 통합함으로써 1−1/e ≈ 0.632 장벽을 돌파하며, 이 프레임워크를 사용한 정점 가중치 설정에서 처음으로 이러한 개선을 이룬다.

ABSTRACT

We introduce a weighted version of the ranking algorithm by Karp et al. (STOC 1990), and prove a competitive ratio of 0.6534 for the vertex-weighted online bipartite matching problem when online vertices arrive in random order. Our result shows that random arrivals help beating the 1-1/e barrier even in the vertex-weighted case. We build on the randomized primal-dual framework by Devanur et al. (SODA 2013) and design a two dimensional gain sharing function, which depends not only on the rank of the offline vertex, but also on the arrival time of the online vertex. To our knowledge, this is the first competitive ratio strictly larger than 1-1/e for an online bipartite matching problem achieved under the randomized primal-dual framework. Our algorithm has a natural interpretation that offline vertices offer a larger portion of their weights to the online vertices as time goes by, and each online vertex matches the neighbor with the highest offer at its arrival.

연구 동기 및 목표

• 랜덤 도착 순서 하에서 온라인 정점 가중치가 부여된 이분 매칭 문제에서 1−1/e 경쟁 비율 장벽을 극복하기 위해.
• 가중치가 부여된 매칭에서 시간에 따라 변하는 이득 공유를 처리할 수 있도록 랜덤화된 원시-쌍대 프레임워크를 확장하기 위해.
• 도착 시간과 오프라인 정점 순위를 기반으로 동적으로 오퍼를 조정하는 일반화된 랭킹 알고리즘을 설계하기 위해.
• 랜덤 도착 조건 하에서 정점 가중치 설정에서 1−1/e를 엄밀히 초월하는 경쟁 비율을 증명하기 위해.

제안 방법

• 오프라인 정점 순위 yv와 온라인 정점 도착 시간 yu에 모두 의존하는 이중 차원 이득 공유 함수를 도입한다.
• 제안된 오퍼 값 wv · (1−д(yv,yu))를 정의하기 위해 편향 함수 h(x) = min{1, 1/(2e^x)}를 사용한다.
• 랜덤화된 원시-쌍대 기법을 적용하여 매칭된 간선으로부터 양 끝점에 이득을 전가함으로써, 매칭된 오프라인 정점당 기대 이득이 최소 0.6534·wv 이상이 되도록 보장한다.
• 각 간선 (u,v)에 대해 기대 병합 이득 E[αu + αv]의 하한을 유도하며, 임계값 함수 θ와 β에 대해 최소화한다.
• τ와 γ에 대한 편미분과 케이스 분석을 통해 하한이 모든 매개변수 범위에서 성립하도록 증명한다.
• 최소 기대 이득을 단순화하고 경계화하기 위해 임계값 함수에 단계 함수 가정을 적용한다.

실험 결과

연구 질문

• RQ1 랜덤 도착 조건 하에서 정점 가중치가 부여된 온라인 이분 매칭 문제에서 1−1/e 경쟁 비율 장벽을 극복할 수 있는가?
• RQ2 온라인 정점 도착 시간을 이득 공유 메커니즘에 통합하면, 무게 없는 경우를 초월해 경쟁력이 향상되는가?
• RQ3 랜덤화된 원시-쌍대 프레임워크를 사용해 정점 가중치 설정에서 1−1/e를 엄밀히 초월하는 경쟁 비율을 달성할 수 있는가?
• RQ4 어떤 형태의 이중 차원 이득 공유 함수가 기대 병합 이득의 하한을 최대화하는가?

주요 결과

• 제안된 알고리즘은 경쟁 비율 0.6534를 달성하며, 1−1/e ≈ 0.632 장벽을 엄밀히 초월한다.
• 경쟁 비율은 매칭된 각 간선 (u,v)에 대해 E[αu + αv] ≥ (1−ln 2)/2 ≈ 0.6534인 기대 병합 이득의 하한을 통해 증명된다.
• 분석 결과 기대 이득이 임계값 함수 θ와 β가 단계 함수로 선택된 경우에 최소가 되며, 이는 날카운 하한 유도를 가능하게 한다.
• 이득 공유 함수는 д(x,y) = 1/2(h(x+1)−h(y))로 정의되며, h(x) = min{1, 1/(2e^x)}이므로 개선된 경계를 가능하게 한다.
• 본 결과는 랜덤화된 원시-쌍대 프레임워크 하에서 정점 가중치가 부여된 온라인 이분 매칭 문제에서 1−1/e를 엄밀히 초월하는 경쟁 비율을 달성한 최초의 사례이다.
• 이 프레임워크는 도착 시간과 순위를 통합된 이득 공유 메커니즘으로 성공적으로 통합하여 경쟁력 향상을 이룬다.