[論文レビュー] Online Resource Allocation with Customer Choice

Guillermo Gallego, Anran Li+2 more|arXiv (Cornell University)|Nov 5, 2015

Optimization and Search Problems参考文献 53被引用数 20

ひとこと要約

本稿は、複数の顧客タイプが時間とともに到着し、一般の選好モデルに基づいて動的に提示されるアソートメントから選択する、非再充填可能で腐敗しやすいリソースのオンライン割り当てモデルを導入する。本稿は、最適方策に対する保証された0.5近似比を達成する漸近的に最適なオンラインアルゴリズムを提案し、一般の条件下でこのクラスの問題に対して最高の定数相対的性能を実現する。

ABSTRACT

We introduce a general model of resource allocation with customer choice. In this model, there are multiple resources that are available over a finite horizon. The resources are non-replenishable and perishable. Each unit of a resource can be instantly made into one of several products. There are multiple customer types arriving randomly over time. An assortment of products must be offered to each arriving customer, depending on the type of the customer, the time of arrival, and the remaining inventory. From this assortment, the customer selects a product according to a general choice model. The selection generates a product-dependent and customer-type-dependent reward. The objective of the system is to maximize the total expected reward earned over the horizon. The above problem has a number of applications, including personalized assortment optimization, revenue management of parallel flights, and web- and mobile-based appointment scheduling. We derive online algorithms that are asymptotically optimal and achieve the best constant relative performance guarantees for this class of problems.

研究の動機と目的

• 非再充填可能で腐敗しやすいリソースが、顧客タイプに基づいて製品に割り当てられる、オンラインリソース割り当てと顧客選好の問題をモデル化し、解法を提供すること。
• 将来の到着状況を完全に把握しない状況下でも、最適方策の定数倍以内に性能を保証する理論的保証を持つオンラインアルゴリズムを開発すること。
• パーソナライズドリソースマネジメント、並列フライトスケジューリング、Web/モバイルアポイントメントシステムなど、動的顧客嗜好を伴う分野に適用可能な統一的フレームワークを提供すること。
• 先行研究がタイトながゆえに計算コストの高い近似手法に欠ける、漸近的状態におけるオンライン方策の理論的性能保証を確立すること。

提案手法

• 各リソース単位を独立した時間制限付き資産として扱い、提示されたアソートメントからの顧客選択に基づいて在庫が減少することをモデル化する。
• 時間軸を区間ごとに分割し、各リソース単位の寿命期間中に受入制御問題を個別に解くことで、問題を分解する。
• 到着レート、選好確率、報酬構造を捉える微分方程式系を用いて、各リソース単位の将来報酬の期待値をモデル化する。
• 重要な技術的アプローチとして、固定アソートメントを単位在庫リソースに提示する部分的に最適でない方策が、最適期待報酬の少なくとも半分を達成できることを証明する。
• 動的プログラミングを用い、最適方策（OPR）とプライマル緩和（PR）の価値関数を比較することで、すべての状態でOPRがPRを上回ることを示す。
• OPRからPRへの段階的切り替えを伴うハイブリッド方策の系列に対する極限的議論を用いて理論的バウンディングを導出し、期待報酬の単調増加を確立する。

実験結果

リサーチクエスチョン

• RQ1 顧客選好を伴うリソース割り当てに対して、漸近的状態で理論的性能保証を持つオンラインアルゴリズムを設計できるか？
• RQ2 このクラスの動的アソートメント最適化問題におけるオンライン方策の最良定数近似比は何か？
• RQ3 単位在庫リソースに固定アソートメントを提示する部分的に最適でない方策の性能は、最適方策と比べてどの程度か？
• RQ4 確率的動的問題の最適値は、理論的保証が得られる計算的に容易な方策によって下から抑えられるか？

主な発見

• 提案されたオンラインアルゴリズムは、最適方策に対する0.5近似比を達成し、最適期待報酬の少なくとも半分を保証する。
• 単位在庫リソースに固定アソートメントを提示する部分的に最適でない方策は、選好ベース線形計画問題（CDLP）の最適値の期待報酬として、少なくとも0.5倍を達成する。
• すべての状態で最適方策（OPR）がプライマル緩和（PR）を期待報酬の観点で上回ることを示し、OPRがPRに基づくいかなる方策よりも優れていることを証明する。
• 性能保証は漸近的にタイトであり、与えられたモデル仮定下で0.5の比が達成可能な最良の定数要因である。
• よりタイトながゆえに計算コストの高い近似手法に代わる、計算的に効率的な代替手法を提供し、実用的導入に理論的裏付けを提供する。