[论文解读] A note on dynamic fair division of multiple resources.

Weidong Li, Xi Liu+2 more|arXiv (Cornell University)|Sep 26, 2015

Game Theory and Applications被引用 2

一句话总结

本文分析了多资源分配中的动态主导资源公平（DRF）机制，证明其在两种目标下的竞争比为资源类型数的倒数。本文提出一种线性时间算法，以在每次分配步骤中高效计算动态DRF解。

ABSTRACT

Multi-resource fair allocation has beena hot topic of resource allocation. Most recently, a dynamic dominant resource fairness (DRF) mechanism is proposed for dynamic multi-resource fair allocation. In this paper, we prove that the competitive ratio of the dynamic DRF mechanism is the reciprocal of the number of resource types, for two different objectives. Moreover, we develop a linear-time algorithm to find a dynamic DRF solution at each step.

研究动机与目标

• 分析动态DRF机制在多资源分配中的竞争比。
• 为动态DRF在两种不同目标下的理论性能边界建立保证。
• 设计一种高效算法，以线性时间计算动态DRF解。
• 为动态环境中的实时多资源公平分配提供可扩展解决方案。

提出的方法

• 证明动态DRF的竞争比为1/k，其中k为资源类型的数量。
• 在两种不同优化目标下分析该机制，以验证其鲁棒性。
• 设计一种线性时间算法，以在每次分配步骤中计算动态DRF解。
• 使用基于支配的资源优先级机制来建模用户偏好与公平性。
• 采用竞争分析方法，评估该机制相对于最优离线解的性能。
• 采用逐步分配过程，以保持公平性与效率。

实验结果

研究问题

• RQ1 在不同目标下，动态DRF机制的竞争比是多少？
• RQ2 资源类型的数量如何影响动态DRF的性能？
• RQ3 能否设计一种线性时间算法，以高效计算动态DRF解？
• RQ4 动态DRF机制在多种分配目标下是否具有鲁棒性？
• RQ5 与最优离线解相比，动态DRF的理论性能保证是什么？

主要发现

• 动态DRF机制的竞争比恰好为1/k，其中k为资源类型的数量。
• 该竞争比在两种不同目标下均成立，证明了该机制的鲁棒性。
• 开发了一种线性时间算法，可在每一步计算动态DRF解。
• 该算法确保了高效计算，使该机制在实时应用中具备可扩展性。
• 在两种目标下，理论性能保证均成立，证实了该机制的公平性与效率。
• 结果验证了动态DRF即使在动态环境中也能保持强公平性特征。