[논문 리뷰] Think Eternally: Improved Algorithms for the Temp Secretary Problem and Extensions

Thomas Keßelheim, Andreas Tönnis|arXiv (Cornell University)|2016. 06. 22.

Optimization and Search Problems참고 문헌 11인용 수 3

한 줄 요약

이 논문은 일시적인 계약을 고려한 일시적 사무관 문제에 대해 새로운 릴랙세이션 기반 알고리즘을 제안한다. 시간적 제약 조건을 전역적 제약 조건으로 변환함으로써 효율적인 온라인 결정을 가능하게 한다. 일반적인 경우에서 경쟁 비율은 $\frac{1}{2} - O(\sqrt{\gamma})$이며, $B$가 큰 경우 $1 - O\left(\frac{1}{\sqrt{B}}\right) - O(\sqrt{\gamma})$를 달성한다. 이는 이전의 경쟁 비율을 크게 향상시키며, 일반적인 패킹 제약 조건과 변동하는 기간의 계약으로 확장된다.

ABSTRACT

The \emph{Temp Secretary Problem} was recently introduced by Fiat et al. It is a generalization of the Secretary Problem, in which commitments are temporary for a fixed duration. We present a simple online algorithm with improved performance guarantees for cases already considered by Fiat et al.\ and give competitive ratios for new generalizations of the problem. In the classical setting, where candidates have identical contract durations $γ\ll 1$ and we are allowed to hire up to $B$ candidates simultaneously, our algorithm is $(\frac{1}{2} - O(\sqrtγ))$-competitive. For large $B$, the bound improves to $1 - O\left(\frac{1}{\sqrt{B}} ight) - O(\sqrtγ)$. Furthermore we generalize the problem from cardinality constraints towards general packing constraints. We achieve a competitive ratio of $1 - O\left(\sqrt{\frac{(1+\log d + \log B)}{B}} ight) -O(\sqrtγ)$, where $d$ is the sparsity of the constraint matrix and $B$ is generalized to the capacity ratio of linear constraints. Additionally we extend the problem towards arbitrary hiring durations. Our algorithmic approach is a relaxation that aggregates all temporal constraints into a non-temporal constraint. Then we apply a linear scaling algorithm that, on every arrival, computes a tentative solution on the input that is known up to this point. This tentative solution uses the non-temporal, relaxed constraints scaled down linearly by the amount of time that has already passed.

연구 동기 및 목표

• 고정된 기간 $\gamma \ll 1$ 동안 계약이 유지되는 일시적 사무관 문제를 다루기 위해.
• 균일한 무작위 도착 시간을 가진 확률적 도착 모델에서, 특히 큰 $B$와 작은 $\gamma$일 경우 이전 작업을 초월한 경쟁 비율을 향상시키기 위해.
• 기본적인 수량 제약 조건을 일반적인 선형 패킹 제약 조건으로 일반화하여, 다중 knapsack 또는 머신 스케줄링과 같은 응용 가능성을 제공하기 위해.
• 고정된 $\gamma$가 아닌 임의의 기간을 가진 항목으로 모델을 확장하고, 이러한 일반화 하에서의 성능을 분석하기 위해.
• 시간적 제약 조건을 전역적 제약 조건으로 릴랙세이션함으로써 단순하고 더 견고한 온라인 결정을 가능하게 하는 통합 알고리즘 프레임워크를 제공하기 위해.

제안 방법

• 원래 문제의 시간적 겹침 제약 조건을 전체 기간 동안 최대 $B\lceil 1/\gamma \rceil$개 항목으로 전역적 제한으로 대체하여 문제를 릴랙세이션한다.
• 선형 스케일링 규칙을 적용: 시간 $t$에 도달할 때, 경과한 시간 비율인 $t$로 릴랙세이션된 제약 조건을 스케일링하여 타당성을 유지한다.
• 릴랙세이션된 시간 스케일링된 제약 조건에 대해 선형 패킹 문제의 온라인 알고리즘을 적용하여 각 도착 시 일시적인 해를 계산한다.
• 최종 선택은 일시적인 해에서 타당하고 원래 시간적 제약 조건을 위반하지 않는 항목들만 수락함으로써 이루어진다.
• 확률적 타당성과 선택의 경계를 사용하여 경쟁 비율을 분석하며, 농도 불등식과 조건부 기대값을 활용한다.
• 변동 기간 계약에 맞게 릴랙세이션 및 스케일링 메커니즘을 조정하여 임의의 항목 기간으로의 일반화를 수행한다.

실험 결과

연구 질문

• RQ1 임의의 일시적 계약을 고려한 일시적 사무관 문제에 대해, 기존 최고 성능을 초월하는 더 단순하고 효과적인 온라인 알고리즘을 설계할 수 있는가?
• RQ2 큰 $B$일 경우 어떤 경쟁 비율을 달성할 수 있으며, 이는 $\gamma$와 $B$에 따라 어떻게 변화하는가?
• RQ3 일시적 사무관 문제의 수량 제약 조건을 경쟁성 손실 없이 일반적인 선형 패킹 제약 조건으로 일반화할 수 있는가?
• RQ4 고정된 $\gamma$가 아닌 변동 기간을 가진 항목일 경우 경쟁 비율은 어떻게 행동하는가?
• RQ5 릴랙세이션 기반 접근법을 매트로이드나 서브모듈라 목표 함수와 같은 다른 타당성 구조로 확장할 수 있는가?

주요 결과

• 제안된 알고리즘은 모든 $B$에 대해 경쟁 비율 $\frac{1}{2} - O(\sqrt{\gamma})$를 달성하며, $B=1$일 경우 이전의 경쟁 비율 $\frac{1}{2} - O\left(\sqrt{\gamma \ln(1/\gamma)}\right)$를 초월한다.
• 큰 $B$일 경우 경쟁 비율은 $1 - O\left(\frac{1}{\sqrt{B}}\right) - O(\sqrt{\gamma})$로 향상되며, 이는 이전 결과인 $1 - O\left(\sqrt{\frac{\ln B}{B}}\right) - O\left(\sqrt{\gamma \ln(1/\gamma)}\right)$를 초월한다.
• 일반적인 선형 패킹 제약 조건으로 일반화된 알고리즘은 경쟁 비율 $1 - O\left(\sqrt{\frac{1 + \log d + \log B}{B}}\right) - O(\sqrt{\gamma})$를 달성하며, 여기서 $d$는 제약 행렬의 희박성이다.
• 항목의 기간이 고정된 $\gamma$가 아닌 임의의 기간일 경우에도 방법이 자연스럽게 확장되며, 일반적인 경우 경쟁 비율은 $\frac{1}{4} - \Theta(\sqrt{\gamma})$를 달성한다.
• 릴랙세이션 기법은 시간적 제약 조건과 온라인 결정 과정을 효과적으로 분리하여, 더 엄밀한 분석과 더 나은 성능 보장을 가능하게 한다.
• 분석은 조건부 기대값과 농도 불등식을 사용하여 각 라운드에서의 타당성 위반 확률을 경계함으로써 이루어지며, 깔끔하고 확장 가능한 경쟁 비율 유도를 가능하게 한다.