[논문 리뷰] Vertex-weighted Online Stochastic Matching with Patience Constraints

Brian Brubach, Nathaniel Grammel외 1명|arXiv (Cornell University)|2019. 07. 09.

Optimization and Search Problems인용 수 7

한 줄 요약

이 논문은 정점 가중치, 확률적 보상, 내구성 제약 조건을 고려하는 새로운 온라인 스토케스틱 매칭 모델을 제안하며, 이에 대해 0.5의 경쟁률을 달성하는 새로운 알고리즘을 제안한다. 이는 이 분야의 문제들에 대해 처음으로 일정한 경쟁률을 확보한 것이다. 또한, 결정적 선형계획법(LP) 근사치가 아닌 동일한 스토케스틱 환경에서의 오프라인 대비를 기준으로 한 공정한 경쟁률 정의를 주장한다.

ABSTRACT

Online Bipartite Matching is a classic problem introduced by Karp, Vazirani, and Vazirani (Proc. ACM STOC, 1990) and motivated by applications such as e-commerce, online advertising, and ride-sharing. We wish to match a set of online vertices (e.g., webpage views, users, customers, or riders) which arrive sequentially one-by-one to a set of offline vertices (e.g., ads, items, or drivers). Each vertex can be matched at most once and the goal is to maximize the matching size. Here, we consider the more general problem allowing vertex weights (on the offline vertices, representing differing item prices, for example), stochastic rewards (attempted matches may be unsuccessful, providing no reward), and patience constraints (each online vertex has a patience, representing the maximum number of unsuccessful match attempts allowed for it). In doing so, we discuss and clarify the definition of competitive ratio in the stochastic setting and compare competing notions. Specifically, we advocate for the use of a competitive ratio that compares the performance of an online algorithm to that of an offline algorithm in the same stochastic setting, whereas some prior work---see, e.g., Mehta and Panigrahi (FOCS, 2012)---uses a linear programming (LP) formulation to compare the performance of an online algorithm to the optimal solution of a closely related non-stochastic offline problem. We define the stochasticity gap for evaluating the usefulness of an LP formulation (which exchanges probabilities for fractional coefficients) of a given stochastic problem and bound this gap for a commonly used LP. We further present and analyze a new algorithm for our problem, achieving a competitive ratio of 0.5, the first constant competitive ratio for this and several related problems.

연구 동기 및 목표

• 스토케스틱 온라인 매칭에서 기존의 경쟁률 정의의 한계를 해결하기 위해, 동일한 스토케스틱 조건 하에서 오프라인 알고리즘과 비교하는 온라인 알고리즘의 경쟁률 기준을 제안한다.
• 일반적으로 사용되는 LP 근사치를 사용한 경우와 진정한 스토케스틱 문제 간의 차이인 스토케스틱 갭을 정의하고 이를 수식적으로 유 bounds 한다.
• 내구성 제약 조건이 있는 정점 가중 온라인 스토케스틱 매칭 문제를 위한 새로운 알고리즘을 설계하고 분석하여 일정한 경쟁률을 달성한다.
• 전자상거래, 광고, 라이드셰어링과 같은 실제 응용 분야로의 온라인 매칭 모델의 적용 범위를 넓힌다. 이들 분야에서는 항목의 가치가 다를 수 있고, 매칭 실패 가능성이 있으며, 사용자는 제한된 내구성을 가진다.

제안 방법

• 동일한 확률적 보상과 내구성 제약 조건 하에서 작동하는 오프라인 알고리즘과 비교하는 새로운 경쟁률 정의를 제안한다. 이는 기존의 결정적 LP 해와의 비교가 아니라, 동일한 스토케스틱 환경에서의 오프라인 대비를 기준으로 한다.
• 스토케스틱 갭을 정의하고 분석한다. 이는 확률을 분수 계수로 대체한 LP 근사치의 최적해와 진정한 스토케스틱 문제의 최적해 간의 비율로 정의된다.
• 도착하는 온라인 정점의 내구성, 오프라인 정점의 가중치, 성공 매칭 확률을 기반으로 매칭 여부를 동적으로 결정하는 새로운 알고리즘을 제안한다.
• 확률적 보상 하에서도 성능 보장을 확보하기 위해 랜덤화된 라운딩 기법과 내구성 고려 매칭 결정 기법을 결합한다.
• 동일한 스토케스틱 환경에서 알고리즘의 기대 매칭 크기와 최적 오프라인 알고리즘의 기대 매칭 크기 간의 관계를 통해 경쟁률의 이론적 한계를 설정한다.

실험 결과

연구 질문

• RQ1 스토케스틱 온라인 매칭 환경에서 가장 적절한 경쟁률 정의는 무엇이며, 이는 기존의 LP 기반 비교와 어떻게 다를까?
• RQ2 정점 가중 온라인 스토케스틱 매칭 문제에서 일반적으로 사용되는 표준 LP 근사치의 스토케스틱 갭은 얼마나 클 수 있을까?
• RQ3 이 일반화된 설정에서 일정한 경쟁률을 달성할 수 있을까? 만약 가능하다면, 이를 가능하게 하는 알고리즘 기법은 무엇인가?
• RQ4 내구성 제약 조건과 확률적 보상은 실생활 응용에서 온라인 매칭 알고리즘의 성능에 어떻게 영향을 미칠까?

주요 결과

• 논문은 동일한 스토케스틱 환경에서 작동하는 오프라인 알고리즘과 비교하는 새로운 경쟁률 정의를 수립하여, 이전의 LP 기반 비교보다 더 공정한 기준을 제공한다.
• 일반적으로 사용되는 LP 근사치의 스토케스틱 갭은 유계이므로, 이러한 근사치가 진정한 스토케스틱 문제를 유용하지만 보수적인 근사로 사용할 수 있음을 보여준다.
• 0.5의 경쟁률을 달성하는 새로운 알고리즘을 제안하였으며, 이는 정점 가중 온라인 스토케스틱 매칭 문제에 대해 처음으로 일정한 경쟁률을 확보한 것이다.
• 알고리즘은 내구성, 보상 가중치, 성공 확률을 효과적으로 균형 잡아 불확실성 하에서 기대 매칭 크기를 최대화한다.