[논문 리뷰] Optimal Solutions for Multi-Unit Combinatorial Auctions: Branch and Bound Heuristics

Rica Gonen, Daniel Lehmann|ArXiv.org|2002. 02. 20.

Auction Theory and Applications참고 문헌 10인용 수 8

한 줄 요약

이 논문은 최적의 이중 조합 Auction(MUCAs)를 해결하기 위한 분기한정 알고리즘을 제안하며, 이는 이론적으로 최적의 입찰 순서 정책을 갖춘다. 평균 가격 상한을 사용하고, 자르기 효과를 극대화하는 기준에 따라 입찰 순서를 정함으로써, 대규모 경매에서 최적의 해를 찾는 데 총 실행 시간의 0.02% 미만을 소비하며, 기존의 방법들보다 해를 발견하는 데 훨씬 빠르게 성능을 냈다.

ABSTRACT

Finding optimal solutions for multi-unit combinatorial auctions is a hard problem and finding approximations to the optimal solution is also hard. We investigate the use of Branch-and-Bound techniques: they require both a way to bound from above the value of the best allocation and a good criterion to decide which bids are to be tried first. Different methods for efficiently bounding from above the value of the best allocation are considered. Theoretical original results characterize the best approximation ratio and the ordering criterion that provides it. We suggest to use this criterion.

연구 동기 및 목표

• 동일한 항목과 서로 다른 항목의 묶음에 입찰하는 다중 단위 조합 경매(MUCAs)에서 최적의 배분을 찾는 데 있어 계산의 어려움을 해결한다.
• 엄밀한 상한과 지능적인 입찰 순서 정책을 사용하여 탐색 공간을 효율적으로 자르는 분기한정 프레임워크를 개발한다.
• 분기한정에서 자르기 효과를 극대화하는 이론적으로 최적의 입찰 순서 기준을 규명한다.
• 제안된 히우리스틱이 기존 방법들에 비해 최적의 해를 찾는 데 걸리는 시간을 크게 줄임을 입증한다.

제안 방법

• 메모리에 부분 해만 유지하면서 백트래킹을 사용하는 깊이 우선의 분기한정 탐색을 통해 해 공간을 탐색한다.
• 미할당된 항목들에서 얻을 수 있는 최대 가치를 추정하기 위해 평균 가격 상한을 사용하여 서브트리의 조기 자르기를 가능하게 한다.
• 해를 향상시키고 최대 자르기 효과를 이끌어내는 데 기여할 잠재력이 높은 입찰을 우선순위에 두는 이론적으로 최적의 순서 정책(식 6)을 적용한다.
• 현재 부분 해의 합과 상한의 합이 지금까지 발견한 최良 해보다 작거나 같을 경우, 상한과 순서 정책을 조합하여 서브트리를 자른다.
• 각 하위문제가 더 작은 MUCAs를 형성하며, 각 수준에서 동일한 문제 유형을 유지하는 재귀적 구조를 사용한다.
• 계산 속도가 느린 투영 또는 선형계획형 기반 상한과 같은 더 복잡한 상한은 실질적으로 사용을 배제하고, 빠른 평균 가격 상한에 집중한다.

실험 결과

연구 질문

• RQ1 MUCAs의 분기한정에서 자르기 효과를 극대화하는 이론적으로 최적의 입찰 순서 기준은 무엇인가?
• RQ2 제안된 순서 정책의 효과는 최적의 해를 발견하는 데 걸리는 시간을 얼마나 줄이는가?
• RQ3 간단한 평균 가격 상한은 계산 속도를 유지하면서도 충분한 자르기 능력을 제공할 수 있는가?
• RQ4 CAMUS와 같은 기존 알고리즘과 비교할 때, 제안된 방법의 해를 발견하는 데 걸리는 시간과 총 실행 시간은 어떻게 다른가?
• RQ5 문제 크기의 증가에 따라 알고리즘의 실행 시간은 어떻게 변화하는가?

주요 결과

• 150개의 입찰을 포함한 경매에서 최적의 해는 총 실행 시간의 0.02% 미만에서 발견되며, 이는 대부분의 시간이 최적성 증명에 소요됨을 시사한다.
• 제안된 순서 정책(식 6)은 최적의 해를 찾는 데 걸리는 시간을 지수함수처럼 감소시키며, 문제 크기가 커질수록 해를 찾는 데 소요되는 시간 비율이 최소한 지수적으로 감소한다.
• 실험 결과에서 로그 스케일에서의 선형 성장 이하의 성장을 보이며, 입찰 수에 따라 실행 시간이 지수보다 느리게 증가한다.
• 물품 수에 따라 알고리즘의 실행 시간은 지수적 성장보다 느린 하위지수적 성장을 보이며, CAMUS는 지수적 민감도를 보이는 데 비해 이는 반대이다.
• 25MB를 사용하고 매우 느리게 작동하는 CAMUS에 비해, 640KB의 메모리만 사용함에도 불구하고, 더 빠른 해를 찾는 속도를 달성한다.
• 평균 가격 상한은 빠르고 효과적이며, 테스트된 분포에서 투영 상한과 같은 더 복잡한 상한들보다도 뛰어나게 성능을 냈으며, 따라서 실험에서는 유일하게 사용되었다.