[논문 리뷰] Optimal Capacity Modification for Many-To-One Matching Problems

Jiehua Chen, Gergely Csáji|arXiv (Cornell University)|2023. 02. 03.

Game Theory and Voting SystemsEconomics, Econometrics and Finance인용 수 3

한 줄 요약

이 논문은 안정적이고 완전한 또는 안정적이고 파레토 효율적인 매칭을 달성하기 위해 다대일 매칭 문제에서 최적의 용량 증가를 연구한다. 이는 Min Max SE(안정적이고 효율적인 매칭을 위한 최대 용량 증가를 최소화하는 문제)는 다항식 시간 내에 해결 가능하지만, 나머지 모든 변종—Min Sum SP, Min Sum SE, Min Max SP—는 모두 NP-난해임을 증명한다. 또한 표준 복잡도 가정 하에 강력한 근사 불가능성 결과를 제시한다.

ABSTRACT

We consider many-to-one matching problems, where one side consists of students and the other side of schools with capacity constraints. We study how to optimally increase the capacities of the schools so as to obtain a stable and perfect matching (i.e., every student is matched) or a matching that is stable and Pareto-efficient for the students. We consider two common optimality criteria, one aiming to minimize the sum of capacity increases of all schools (abbrv. as MinSum) and the other aiming to minimize the maximum capacity increase of any school (abbrv. as MinMax). We obtain a complete picture in terms of computational complexity: Except for stable and perfect matchings using the MinMax criteria which is polynomial-time solvable, all three remaining problems are NP-hard. We further investigate the parameterized complexity and approximability and find that achieving stable and Pareto-efficient matchings via minimal capacity increases is much harder than achieving stable and perfect matchings.

연구 동기 및 목표

• 안정적이고 완전한 매칭을 달성하기 위해 학교 용량을 수정하는 데 필요한 계산 복잡도를 규명하는 것.
• 용량 증가를 통해 안정적이고 파레토 효율적인 매칭을 달성하는 데 필요한 복잡도를 분석하는 것.
• 총 용량 증가(최소 합계)와 최대 용량 증가(최소 최대값)를 기준으로 한 용량 수정의 최적성 평가.
• 결과로 생기는 문제들의 매개변수 복잡도와 근사 가능성 조사.
• 다대일 매칭에서 용량 수정의 네 가지 변종에 대한 완전한 계산 복잡도 그림 제공.

제안 방법

• 3-SAT에서의 감소를 통해 Min Sum SP, Min Sum SE, Min Max SP의 NP-난해성을 기반으로 한 기구를 이용한 구성으로 증명한다.
• 선호 목록 길이가 제한된 3-SAT에서의 감소를 사용하여 근사 불가능성을 입증한다: P = NP가 아닐 경우 O((n+m)^{1−ε})-근사 알고리즘이 존재하지 않는다.
• 가능한 용량 증가 벡터로부터 안정적이고 효율적인 매칭을 구성하여, 3-SAT 인스턴스의 진리 할당과 일관성을 확보한다.
• Min Max SE가 다항식 시간 내에 해결 가능하다는 것을 증명하기 위해 용량 제약 조건이 있는 최대 유량 문제로 감소시킴을 보인다.
• |U_un| (매칭되지 않은 학생 수), Δ_un (선호 목록 길이), k^+ (용량 증가된 학교 수)와 같은 매개변수를 사용하여 매개변수 복잡도를 분석한다.
• 안정적 매칭에서의 진리 할당 매핑을 통해 3-SAT 인스턴스를 만족시키는 데 등가성을 확립한다.

실험 결과

연구 질문

• RQ1 안정적이고 파레토 효율적인 매칭을 달성하기 위해 최대 용량 증가를 최소화하는 문제인 Min Max SE는 다항식 시간 내에 해결 가능한가?
• RQ2 안정적이고 완전한 매칭을 달성하기 위한 총 용량 증가를 최소화하는 문제인 Min Sum SP와 Min Sum SE는 NP-난해인가?
• RQ3 Min Max SP 및 Min Sum SP 문제는 상수 요인 또는 다항식 이하 요인 내에서 근사 가능한가?
• RQ4 매칭되지 않은 학생 수나 최대 선호 목록 길이와 같은 매개변수에 대해 용량 수정 문제의 매개변수 복잡도는 어떠한가?
• RQ5 Min Sum SE 및 Min Max SE에 대해 비트리비얼한 근사 알고리즘이 존재하는가, 아니면 표준 복잡도 가정 하에 근사 불가능한가?

주요 결과

• Min Max SE(안정적이고 효율적인 매칭을 위한 최대 용량 증가를 최소화하는 문제)는 다항식 시간 내에 해결 가능하다.
• Min Sum SP(안정적이고 완전한 매칭을 위한 총 용량 증가를 최소화하는 문제)는 NP-난해하다.
• Min Sum SE(안정적이고 효율적인 매칭을 위한 총 용량 증가를 최소화하는 문제)는 NP-난해하다.
• Min Max SP(안정적이고 완전한 매칭을 위한 최대 용량 증가를 최소화하는 문제)는 NP-난해하다.
• P = NP가 아닐 경우, 선호 목록 길이가 5로 제한된 상황에서도 Min Sum SE 또는 Min Max SE에 대해 O((n+m)^{1−ε})-근사 알고리즘이 존재하지 않는다.
• 매칭되지 않은 학생 수 |U_un| 또는 학생과 학교의 선호 목록 길이 합계로 매개변수화했을 때 문제의 복잡도는 여전히 paraNP-난해하다.