[論文レビュー] Improved Bounds for Online Preemptive Matching

Leah Epstein, Asaf Levin+2 more|arXiv (Cornell University)|Jul 7, 2012

Optimization and Search Problems参考文献 12被引用数 12

ひとこと要約

本稿では、最大重みマッチングに対するランダム化可能でプリエンプティブなオンラインアルゴリズムを提示し、競合比約5.356を達成する。これは、決定的アルゴリズムの上界3 + 2√2 ≈ 5.828を上回る。本手法は、エッジ重みの幾何学的丸めとプリエンプションツリーを用いて、拒否またはプリエンプトされたエッジによる損失を制限し、オンラインマッチング設定において決定的限界を超えるためにランダム化を活用する。

ABSTRACT

When designing a preemptive online algorithm for the maximum matching problem, we wish to maintain a valid matching M while edges of the underlying graph are presented one after the other. When presented with an edge e, the algorithm should decide whether to augment the matching M by adding e (in which case e may be removed later on) or to keep M in its current form without adding e (in which case e is lost for good). The objective is to eventually hold a matching M with maximum weight. The main contribution of this paper is to establish new lower and upper bounds on the competitive ratio achievable by preemptive online algorithms: 1. We provide a lower bound of 1+ln 2~1.693 on the competitive ratio of any randomized algorithm for the maximum cardinality matching problem, thus improving on the currently best known bound of e/(e-1)~1.581 due to Karp, Vazirani, and Vazirani [STOC'90]. 2. We devise a randomized algorithm that achieves an expected competitive ratio of 5.356 for maximum weight matching. This finding demonstrates the power of randomization in this context, showing how to beat the tight bound of 3 +2\sqrt{2}~5.828 for deterministic algorithms, obtained by combining the 5.828 upper bound of McGregor [APPROX'05] and the recent 5.828 lower bound of Varadaraja [ICALP'11].

研究の動機と目的

• ランダム化オンラインプリエンプティブマッチングアルゴリズムの既知の上界と下界の差を埋めること。
• 重みなし最大基数マッチング問題におけるランダム化アルゴリズムのより強い下界を確立すること。
• 重み付きケースにおいて、ランダム化が決定的競合比3 + 2√2 ≈ 5.828を超えて性能を向上させられることを示すこと。
• 幾何的丸めとプリエンプションツリーを用いた、ランダム化オンラインマッチングアルゴリズムの競合比を分析するための新規なアルゴリズムフレームワークを開発すること。

提案手法

• エッジ重みをθ > 2の要因で幾何学的丸めし、重みを離散的レベルにグループ化することで、プリエンプトされたエッジの構造的解析を可能にする。
• 最終マッチング内の各エッジに対してプリエンプションツリーを構築し、各ノードがエッジを表し、その子が挿入中にプリエンプトされたエッジを表す。
• マッチング内の各エッジは、マッチングベースの割り当てにより最適解からのエッジと関連付けられ、各ツリーのルートごとの総重み寄与が有界になるように保証される。
• ツリーの各レベルにおける深さに基づく幾何級数を用いて、各ツリールートごとの関連エッジの総丸め重みが、ルート重みの(2θ−2)/(θ−2)倍以内であることを解析で制限する。
• θに関する重要な不等式が導出される：2(ln θ + 1) = θ。この方程式の唯一の解θ* ≈ 5.356が、競合比2θ ln θ / (θ−2) を最小化する。
• 最終的な競合比は、丸め重みからの期待利益の上限と、元の重みと丸め重みの関係を組み合わせることで導出される。

実験結果

リサーチクエスチョン

• RQ1 オンライン重み付きマッチングにおいて、ランダム化が決定的上界3 + 2√2 ≈ 5.828を超えて競合比を向上させられるか？
• RQ2 プリエンプティブオンラインモデルにおける最大重みマッチングのための、任意のランダム化アルゴリズムが達成可能な最良の競合比は何か？
• RQ3 幾何的丸めとプリエンプションツリーは、ランダム化オンラインマッチングアルゴリズムの性能をどのように分析できるか？
• RQ4 重みなしケースにおけるランダム化アルゴリズムの下界e/(e−1) ≈ 1.581はタイトなままか、それ以上に改善可能か？

主な発見

• 重みなし最大基数マッチング問題における任意のランダム化アルゴリズムの競合比に対して、1 + ln 2 ≈ 1.693の新たな下界が確立され、以前の下界e/(e−1) ≈ 1.581を上回る。
• 重み付きケースでは、提案されたランダム化アルゴリズムが期待競合比約5.356を達成し、決定的上界3 + 2√2 ≈ 5.828を厳密に上回る。
• 最適競合比はθ* ≈ 5.356で達成され、これは区間(2, ∞)における方程式2(ln θ + 1) = θの唯一の解である。
• 解析により、マッチングエッジに関連するエッジの総丸め重みは、ルートエッジ重みの(2θ−2)/(θ−2)倍以内であることが示され、これが競合比の制限に不可欠である。
• 競合比2θ ln θ / (θ−2) はθ* ≈ 5.356で最小化され、最終的な競合比はθ* に達する。
• 本手法により、決定的アルゴリズムに適用されるタイトな限界5.828を、ランダム化が克服できることを証明した。