[논문 리뷰] Greedy Algorithm for Multiway Matching with Bounded Regret

Varun Gupta|arXiv (Cornell University)|2021. 12. 08.

Optimization and Search Problems인용 수 7

한 줄 요약

이 논문은 일반 위치 갭(GPG) 조건 하에서 다중 매칭에 대한 근사 알고리즘을 제안하며, 구성에 온라인 대기 가능 자원과 비대기 가능 자원이 혼합되어 있지 않은 경우 $Ó(1/\epsilon_0)$의 오차를 달성하고, 그렇지 않은 경우는 $Ó(\log t)$의 기대 오차를 달성한다. 이 방법은 정적 계획 선형계획법(SPP)의 최적 해를 주기적인 재해결 없이 추적하며, 잠재함수와 분할 분석을 활용한다.

ABSTRACT

In this paper we prove the efficacy of a simple greedy algorithm for a finite horizon online resource allocation/matching problem, when the corresponding static planning linear program (SPP) exhibits a non-degeneracy condition called the general position gap (GPG). The key intuition that we formalize is that the solution of the reward maximizing SPP is the same as a feasibility Linear Program restricted to the optimal basic activities, and under GPG this solution can be tracked with bounded regret by a greedy algorithm, i.e., without the commonly used technique of periodically resolving the SPP. The goal of the decision maker is to combine resources (from a finite set of resource types) into configurations (from a finite set of feasible configurations) where each configuration is specified by the number of resources consumed of each type and a reward. The resources are further subdivided into three types - offline (whose quantity is known and available at time 0), online-queueable (which arrive online and can be stored in a buffer), and online-nonqueueable (which arrive online and must be matched on arrival or lost). Under GRG we prove that, (i) our greedy algorithm gets bounded any-time regret of $\mathcal{O}(1/ε_0)$ for matching reward ($ε_0$ is a measure of the GPG) when no configuration contains both an online-queueable and an online-nonqueueable resource, and (ii) $\mathcal{O}(\log t)$ expected any-time regret otherwise (we also prove a matching lower bound). By considering the three types of resources, our matching framework encompasses several well-studied problems such as dynamic multi-sided matching, network revenue management, online stochastic packing, and multiclass queueing systems.

연구 동기 및 목표

• 비퇴락성 조건 하에서 정적 계획 선형계획법(SPP)을 반복적으로 재해결하지 않고도 파라미터가 없는 그리디 알고리즘을 개발하는 것.
• 일반 위치 갭(GPG) 조건이 성립할 경우 최적의 SPP 해가 그리디 할당을 통해 추적될 수 있다는 직관을 수학적으로 정식화하는 것.
• 동적 다자간 매칭, 네트워크 수익 관리, 온라인 스토케스틱 패킹, 다중 클래스 대기열 문제를 하나의 세 자원 프레임워크(오프라인, 온라인-대기 가능, 온라인-비대기 가능)로 통합하는 것.
• 주기적인 SPP 재최적화 없이 일반적인 동적 다자간 매칭에 대해 처음으로 유한 오차 결과를 확립하는 것.
• 자원 소비 행렬의 정확한 요소 정보 없이도 기본 가용 활동의 지식만으로도 유한 오차를 달성할 수 있음을 보여주는 것.

제안 방법

• 알고리즘은 정적 계획 선형계획법(SPP)에서 유도된 이중 변수를 기반으로 구성의 우선순위를 정하는 그리디 매칭 규칙을 사용한다.
• 현재 상태와 최적의 SPP 해 사이의 거리를 추적하기 위해 리아푸노프 잠재함수를 활용하며, 이는 분할 분석을 가능하게 한다.
• 분석은 최적의 SPP 기저가 유일하고 미세한 변동에도 안정적임을 보장하는 일반 위치 갭(GPG) 조건에 의존한다.
• 온라인 자원 유형이 혼합되어 있지 않은 구성에 대해서는 $\mathcal{O}(1/\epsilon_0)$ 오차를 달성하며, $\epsilon_0$는 GPG의 크기를 측정한다.
• 혼합된 구성에 대해서는 기대 오차가 $\mathcal{O}(\log t)$이며, 이는 사전에 정의된 잠재함수를 통해 사전에 정지 상태를 피하는 새로운 방법으로 증명된다.
• 최적 기저에 기반한 안정적인 이중 기반 우선순위 정책을 유지함으로써 정적 계획 선형계획법(SPP)의 주기적 재해결을 피한다.

실험 결과

연구 질문

• RQ1 정적 계획 선형계획법(SPP)을 반복적으로 재해결하지 않고도, 온라인 다중 매칭에서 단순한 그리디 알고리즘이 유한 오차를 달성할 수 있는가?
• RQ2 SPP의 어떤 구조적 조건 하에서 그리디 알고리즘이 최적 해를 유한 오차로 추적할 수 있는가?
• RQ3 구성에 대기 가능 및 비대기 가능 온라인 자원이 모두 포함되어 있을 경우 오차와의 근본적 트레이드오프는 무엇인가?
• RQ4 SPP의 최적 기저를 활용하여 자원 소비 행렬의 정확한 요소 정보 없이도 우선순위 정책을 설계할 수 있는가?
• RQ5 일반 위치 갭(GPG) 조건이 혼합된 온라인 자원이 없는 경우 $\mathcal{O}(1/\epsilon_0)$ 오차를 보장하는 데에 충분한가?

주요 결과

• 구성에 온라인 대기 가능 및 비대기 가능 자원이 모두 포함되어 있지 않은 경우, $\mathcal{O}(1/\epsilon_0)$ 오차를 달성하며, $\epsilon_0$는 일반 위치 갭을 측정한다.
• 온라인 자원 유형이 혼합된 구성에 대해서는 $\mathcal{O}(\log t)$의 기대 오차를 발생시키며, 이는 하한값과 일치한다.
• 최적의 SPP 해를 이중 기반 그리디 정책을 통해 추적함으로써 정적 계획 선형계획법(SPP)의 주기적 재최적화를 피한다.
• 일반 위치 갭(GPG)은 최적의 SPP 기저의 유일성과 안정성을 보장하며, 이는 확률적 도착 상황에서도 유한 오차를 가능하게 한다.
• 이 방법은 세 자원 유형(오프라인, 온라인-대기 가능, 온라인-비대기 가능)을 기반으로 한 하나의 프레임워크 내에서 동적 다자간 매칭, 네트워크 수익 관리, 스토케스틱 백정렬 문제를 통합한다.
• 시뮬레이션 결과, 제안된 제곱합(SS) 알고리즘이 유한한 낭비를 유지하며, 기준 알고리즘(Csirik 등, 2006)보다 뛰어나며, 이는 $\Theta(\log t)$의 낭비 증가를 보인다.