[論文レビュー] Degeneracy is OK: Logarithmic Regret for Network Revenue Management with Indiscrete Distributions

Jiashuo Jiang, Will Ma+1 more|arXiv (Cornell University)|Oct 14, 2022

Auction Theory and Applications被引用数 5

ひとこと要約

本稿では、連続的で離散的でない報酬分布を伴うネットワーク収益管理（NRM）に対して、オンラインアルゴリズムを提示する。密度が有界であるという仮定の下では $O(\log^2 T)$ のレグレットを達成し、追加の2次成長条件が成り立つと $O(\log T)$ のレグレットを達成する。本手法は、従来の研究で一般的に仮定される非退化性の仮定を必要とせず、退化問題を克服するための新規技術——局所的レグレットのバインディング、半フラッド緩和、および改善された双対収束解析——を導入する。

ABSTRACT

We study the classical Network Revenue Management (NRM) problem with accept/reject decisions and $T$ IID arrivals. We consider a distributional form where each arrival must fall under a finite number of possible categories, each with a deterministic resource consumption vector, but a random value distributed continuously over an interval. We develop an online algorithm that achieves $O(\log^2 T)$ regret under this model, with the only (necessary) assumption being that the probability densities are bounded away from 0. We derive a second result that achieves $O(\log T)$ regret under an additional assumption of second-order growth. To our knowledge, these are the first results achieving logarithmic-level regret in an NRM model with continuous values that do not require any kind of "non-degeneracy" assumptions. Our results are achieved via new techniques including a new method of bounding myopic regret, a "semi-fluid" relaxation of the offline allocation, and an improved bound on the "dual convergence".

研究の動機と目的

• 連続的報酬分布の下で非退化性の仮定を必要としないネットワーク収益管理におけるレグレット境界のギャップを埋める。
• 報酬が区間上で連続的に分布する自然なモデルにおいて、対数的レグレットを達成するフレームワークを開発する。
• 離散的分布を仮定するか、制限的な非退化性条件を要する従来の手法の限界を克服する。
• 有界密度および2次成長仮定を用いて、一般の連続分布におけるオンライン割り当ての理論的保証を確立する。

提案手法

• 連続的価値分布下でのオンラインとオフライン意思決定の差を分析することで、局所的レグレットをバインドする新手法を提案する。
• 資源制約と分離することでアルゴリズムの取り扱いやすさを向上させるため、オフライン割り当て問題の半フラッド緩和を導入する。
• パーティショニングされた立方体上での区分的定数近似と集中不等式を活用することで、双対収束の改善されたバインディングを構築する。
• 時間的に集約された報酬にホーフィングの不等式を適用し、双対変数推定の乖離を制御することで安定性を確保する。
• 連続的価値空間の非可算性を扱うために、有限なパーティション上でユニオンバインディングを適用する。
• すべての価値空間領域に均一に誤差を制御するため、階層的立方体パーティショニング方式（$C_{k_0}$ および $Ω_{kl}$ を含む）を構築する。

実験結果

リサーチクエスチョン

• RQ1 報酬が連続的に分布する状況で、離散的サポートや非退化性の仮定をしないまま、対数的レグレットを達成できるか？
• RQ2 連続的NRMモデルで $O(\log T)$ のレグレットを達成するために、報酬密度に必要な構造的仮定は何か？
• RQ3 連続的で、場合によっては退化する分布が存在する状況でも、局所的レグレットをどのようにバインドできるか？
• RQ4 有界密度および2次成長条件のみを仮定して、連続的分布下での双対収束を制御できるか？
• RQ5 連続的価値を伴うNRMのレグレット解析において、非退化性の仮定を置き換えるために必要な新たな分析的手法は何か？

主な発見

• 提案されたアルゴリズムは、確率密度が0から離れていると仮定すると $O(\log^2 T)$ のレグレットを達成する。
• 追加の2次成長条件が成り立つと、レグレットは $O(\log T)$ に低下し、文献で知られている最もタイトな境界と一致する。
• 本研究の結果は、非退化性の仮定を必要としない連続的NRMモデルで初めて対数的レグレットを達成した。
• 本手法は、退化を扱うための摂動に基づくアプローチが引き起こす $\Omega(\sqrt{T})$ のレグレットを効果的に回避する。
• 半フラッド緩和と改善された双対収束バインディングにより、オンラインとオフライン割り当ての差をより厳密に制御できる。
• 階層的立方体パーティショニングとホーフィングに基づく集中不等式の適用により、連続的価値空間全体にわたる一様な誤差制御が保証される。