[논문 리뷰] A Tight Competitive Ratio for Online Submodular Welfare Maximization

Amit Ganz, Pranav Nuti외 1명|arXiv (Cornell University)|2023. 01. 01.

Complexity and Algorithms in Graphs인용 수 1

한 줄 요약

이 논문은 적대적 도착 순서에서 1/4의 날카로운 경쟁 비율을 보이며, 무작위 도착 순서에서는 약 0.27493의 향상된 비율을 달성하는 비결정적 온라인 알고리즘을 제안한다. 이 접근법은 잔여 무작위 근사 알고리즘(RRG)의 정교한 분석을 활용하여, 반복 과정에서의 경계 수익을 더 잘 다루는 스무딩된 변형을 도입함으로써 무작위 순서 설정에서의 성능을 향상시킨다.

ABSTRACT

In this paper we consider the online Submodular Welfare (SW) problem. In this problem we are given $n$ bidders each equipped with a general (not necessarily monotone) submodular utility and $m$ items that arrive online. The goal is to assign each item, once it arrives, to a bidder or discard it, while maximizing the sum of utilities. When an adversary determines the items' arrival order we present a simple randomized algorithm that achieves a tight competitive ratio of $ icefrac{1}{4}$. The algorithm is a specialization of an algorithm due to [Harshaw-Kazemi-Feldman-Karbasi MOR`22], who presented the previously best known competitive ratio of $3-2\sqrt{2}\approx 0.171573 $ to the problem. When the items' arrival order is uniformly random, we present a competitive ratio of $\approx 0.27493$, improving the previously known $ icefrac{1}{4}$ guarantee. Our approach for the latter result is based on a better analysis of the (offline) Residual Random Greedy (RRG) algorithm of [Buchbinder-Feldman-Naor-Schwartz SODA`14], which we believe might be of independent interest.

연구 동기 및 목표

• 비단조화 부분모듈러 유틸리티와 분할 수 없는 항목을 가진 온라인 부분모듈러 웰페어 문제를 다루기.
• 이전의 1/4 보장보다 더 높은 경쟁 비율을 달성하기 위해 무작위 도착 순서 모델에서 온라인 부분모듈러 웰페어 최적화의 경쟁 비율을 향상시키기.
• 적대적 도착 순서에서 1/4의 날카로운 경쟁 비율을 확보하여 알려진 하한값과 일치시키기.
• 무작위 순서 설정에서 더 나은 성능을 달성하기 위해 잔여 무작위 근사(RRG) 알고리즘을 스무딩된 변형으로 재분석하기.
• 적대적 및 무작위 항목 도착 순서 모두에서 온라인 알고리즘의 이론적 보장을 수립하기.

제안 방법

• 분할 매트로이드의 남은 파art 수에 기반한 기하 분포를 사용해 반복 횟수를 무작위화하는 잔여 무작위 근사(RRG) 알고리즘의 스무딩된 변형을 제안한다.
• 확률적 분석을 통해 각 반복에서 요소가 정확히 1/k 확률로 선택됨을 보여, 공정성과 경계 수익 기대치의 유한성을 확보한다.
• 매트로이드 구조에서 기본 교환 원리를 적용하여 각 단계에서 함수 값의 기대 개선도를 제한한다.
• 기대 함수 값 증가에 대한 재귀 부등식 유도: E[f(Si)] - E[f(Si−1)] ≥ (1/k)(f(OSi−1 ∪ Si−1) - f(Si−1)).
• 핵심 부등식 수립: E[f(OSi ∪ Si)] ≥ (1 - 2/k)E[f(OSi−1 ∪ Si−1)] + (1/k)E[f(Si−1)]로, 전체 근사 비율을 제한하는 데 기여한다.
• 기대 수익과 손실 항을 반복 과정에서 정교하게 분석함으로써 스무딩된 RRG 알고리즘이 무작위 순서 설정에서 최소 0.27493의 경쟁 비율을 달성함을 증명한다.

실험 결과

연구 질문

• RQ1 적대적 항목 도착 조건 하에서 온라인 부분모듈러 웰페어 최적화의 최선의 가능한 경쟁 비율은 무엇인가요?
• RQ2 비단조화 부분모듈러 목표 함수에 대해 무작위 도착 순서 모델에서 경쟁 비율을 1/4를 초월해 향상시킬 수 있을까요?
• RQ3 무작위 순서 설정에서 반복 횟수를 무작위화한(스무딩된 버전) 잔여 무작위 근사(RRG) 알고리즘의 성능은 어떻게 변화합니까?
• RQ4 기존 RRG 대비 스무딩된 RRG 접근법에서 향상된 경쟁 비율을 이론적으로 어떻게 설명할 수 있나요?
• RQ5 비단조화 유틸리티를 가진 온라인 부분모듈러 웰페어 문제에서 1/4의 경쟁 비율은 날카로운가요?

주요 결과

• 논문은 적대적 항목 도착 조건 하에서 온라인 부분모듈러 웰페어 문제에 대해 1/4의 날카로운 경쟁 비율을 확립하였으며, 이는 알려진 하한값과 일치한다.
• 무작위 도착 순서 모델에서는 제안된 스무딩된 RRG 알고리즘이 약 0.27493의 경쟁 비율을 달성하여 이전까지 알려진 최고 보장인 1/4를 초월한다.
• 향상된 비율은 분할 매트로이드의 남은 파art 수에 대해 기하 분포를 사용해 반복 횟수를 무작위화하는 방식으로 정교하게 분석한 잔여 무작위 근사(RRG) 알고리즘의 개선을 통해 달성된다.
• 분석 결과 각 요소가 각 반복에서 정확히 1/k 확률로 선택됨을 보여, 기대 경계 수익을 정밀하게 제어할 수 있다.
• 핵심 부등식 E[f(OSi ∪ Si)] ≥ (1 - 2/k)E[f(OSi−1 ∪ Si−1)] + (1/k)E[f(Si−1)]가 도출되었으며, 이는 반복 과정에서 기대 함수 값 증가를 제한하는 데 사용된다.
• 스무딩된 RRG 알고리즘이 원래 RRG 알고리즘과 동일한 분포를 가지며, 이는 무작위 순서 설정에서의 성능에 대해 새로운 시각을 제공한다.