[논문 리뷰] Prophet Inequality with Correlated Arrival Probabilities, with Application to Two Sided Matchings

Van‐Anh Truong, Xinshang Wang|arXiv (Cornell University)|2019. 01. 08.

Optimization and Search Problems참고 문헌 40인용 수 9

한 줄 요약

이 논문은 임의로 상관관계가 있는 음이 아닌 랜덤 변수에 대해 최초로 프로피에트 불등식을 수립하며, 구축형 및 환원형 접근법을 사용하여 1/4-근사 보장을 입증한다. 이 결과를 활용해 커뮤니티 기반의 쇼핑 및 커뮤니티 센싱 플랫폼에서 양방향 이분할 매칭을 위한 온라인 알고리즘을 설계하였으며, 최악의 경우 최적의 오프라인 정책에 비해 기대 보상의 최소 25%를 확보한다.

ABSTRACT

The classical Prophet Inequality arises from a fundamental problem in optimal-stopping theory. In this problem, a gambler sees a finite sequence of independent, non-negative random variables. If he stops the sequence at any time, he collects a reward equal to the most recent observation. The Prophet Inequality states that, knowing the distribution of each random variable, the gambler can achieve at least half as much reward in expectation, as a prophet who knows the entire sample path of random variables (Krengel and Sucheston 1978). In this paper, we prove a corresponding bound for correlated non-negative random variables. We analyze two methods for proving the bound, a constructive approach, which produces a worst-case instance, and a reductive approach, which characterizes a certain submartingale arising from the reward process of our online algorithm. We apply this new prophet inequality to the design of algorithms for a class of two-sided bipartite matching problems that underlie online task assignment problems. In these problems, demand units of various types arrive randomly and sequentially over time according to some stochastic process. Tasks, or supply units, arrive according to another stochastic process. Each demand unit must be irrevocably matched to a supply unit or rejected. The match earns a reward that depends on the pair. The objective is to maximize the total expected reward over the planning horizon. The problem arises in mobile crowd-sensing and crowd sourcing contexts, where workers and tasks must be matched by a platform according to various criteria. We derive the first online algorithms with worst-case performance guarantees for our class of two-sided bipartite matching problems.

연구 동기 및 목표

• 최적의 정지 이론에서의 주요 격차인 임의로 상관관계가 있는 랜덤 변수에 대한 고전적 프로피에트 불등식을 확장하기 위해.
• 온라인 작업 할당에서의 두 측면 이분할 매칭 문제에 대해 최악의 성능 보장을 갖는 온라인 알고리즘을 개발하기 위해.
• 요청과 공급이 확률적으로 도착하고 실시간으로 매칭되어야 하는 실제 커뮤니티 기반의 쇼핑 및 커뮤니티 센싱 플랫폼을 모델링하기 위해.
• 시간 민감한 에이전트가 참여하는 동적이고 양방향 시장에서의 불확실성 하에서의 의사결정에 대한 이론적 기반을 제공하기 위해.
• 비.i.i.d. 및 상관관계가 있는 도착 환경에서의 온라인 매칭 알고리즘의 성능 보장 격차를 메우기 위해.

제안 방법

• 구축형 방법을 사용하여 상관관계가 있는 음이 아닌 랜덤 변수에 대한 새로운 프로피에트 불등식을 제안하며, 최악의 경우 인스턴스를 특정한다.
• 온라인 알고리즘의 보상 과정에서 유도된 초마팅게일을 특성화하는 환원형 접근법을 사용한다.
• 요청 및 공급 단위에 대해 비균일한 포아송 도착을 갖는 두 측면 이분할 매칭 모델을 수립한다.
• 공급 단위는 고정된 대기 시간을 갖는 것으로 모델링하며, 요청 단위는 도착 즉시 매칭되어야 한다.
• 현재 정보와 향후 기대치에 기반하여 한 요청 단위씩 영구적인 결정을 내리는 온라인 알고리즘을 설계한다.
• 온라인 알고리즘의 기대 보상과 전체 정보를 갖춘 최적의 오프라인 정책의 기대 보상 간 비교를 통해 성능 보장을 도출한다.

실험 결과

연구 질문

• RQ1 고전적인 독립 사례를 초월하여 임의로 상관관계가 있는 음이 아닌 랜덤 변수에 대해 프로피에트 불등식을 수립할 수 있는가?
• RQ2 도착이 상관관계가 있을 경우 온라인 양방향 매칭의 최악의 경우 근사 비율은 무엇이 가능한가?
• RQ3 온라인 작업 할당에서의 상관관계 도착의 구조를 어떻게 모델링하여 이론적 성능 보장을 가능하게 할 수 있는가?
• RQ4 상관관계가 존재하는 상황에서 초마팅게일 기반의 환원형 접근법을 사용하여 프로피에트 불등식의 경계를 증명할 수 있는가?
• RQ5 시간에 따라 달라지는, 유형에 따라 달라지는 등의 다양한 도착 상관관계 구조(예: 시간 의존, 유형 의존)가 온라인 매칭 알고리즘의 성능에 어떻게 영향을 미치는가?

주요 결과

• 논문은 임의로 상관관계가 있는 음이 아닌 랜덤 변수에 대해 프로피에트 불등식을 증명하며, 최적의 오프라인 정책에 비해 온라인 알고리즘의 1/4-근사 보장을 확립한다.
• 구축형 접근법은 상관관계 모델 하에서 가장 날카로운 경계를 달성하는 최악의 경우 인스턴스를 특정한다.
• 환원형 접근법은 성능 보장을 뒷받침하는 초마팅게일을 특성화하며, 이 경계에 대한 이론적 기반을 제공한다.
• 수치 실험 결과, 제안된 온라인 알고리즘(ON+)은 다양한 시나리오에서 최적의 오프라인 해의 평균 67–70%의 성능을 달성한다.
• 알고리즘의 성능은 도착 강도, 대기 시간, 상관관계 파라미터의 변동에 대해 강건하며, 중간 정도의 상관관계와 대기 시간에서 가장 우수한 성능를 기록한다.
• 최악의 상황에서도 알고리즘은 최적의 오프라인 해의 최소 50% 성능을 유지하며, 이는 이론적 25% 하한선을 크게 초월한다.