[論文レビュー] Optimal Control of General Dynamic Matching Systems

Mohammadreza Nazari, Alexander Stolyar|arXiv (Cornell University)|Aug 4, 2016

Optimization and Search Problems参考文献 5被引用数 4

ひとこと要約

本稿では、複数のアイテムタイプと有限のマッチングを伴う動的システムに対して、負のキューを持つ仮想システム上で拡張されたグリーディー・プライマル・デュアル（GPD）アルゴリズムを用いて、最適なリアルタイムマッチングポリシーを提案する。このポリシーは、到着レートの知識を必要とせずに、漸近的に長期平均報酬を最大化するとともにキューの安定性を保証する。

ABSTRACT

We consider a matching system with random arrivals of items of multiple types. The items wait in queues, one queue per each type, until they are matched with other items; after a matching is complete, the associated items leave the system. There exists a finite number of possible matchings, each producing a certain amount of reward. In this paper, we propose an optimal matching policy in the sense that it asymptotically maximizes the long-term average matching reward, while keeping the queues stable. This algorithm is constructed by applying an extended version of the greedy primal-dual (GPD) algorithm to a virtual system (with possibly negative queues). The proposed algorithm is real-time, it does not require any knowledge of the arrival rates; at any time it uses a simple rule, based on the current state of virtual queues.

研究の動機と目的

• 確率的到着と有限マッチングを伴う動的マッチングシステムにおける長期平均報酬の最大化に取り組む。
• 任意の到着プロセス下でもキューの爆発を防ぐことで、システムの安定性を確保する。
• 到着レートの事前知識が不要なリアルタイム制御ポリシーを設計する。
• 確率的マッチング環境における実用的導入を想定したスケーラブルで実装可能なアルゴリズムを開発する。

提案手法

• おそらく負のキュー状態をもつ仮想システムに、拡張されたグリーディー・プライマル・デュアル（GPD）アルゴリズムを適用する。
• 仮想キュー状態を用いて、現在のシステム状態に基づいたリアルタイムマッチング意思決定ルールを導出する。
• 長期平均報酬とキュー動態を追跡するための双対変数更新メカニズムを構築する。
• 仮想システムの意思決定を元に、実システムにおける実際のマッチングを決定する。
• 現在の状態情報のみを用いて、リアルタイムで実装可能であることを保証する。
• 報酬最大化とキュー安定性の双対性を活用して、マッチング意思決定を誘導する。

実験結果

リサーチクエスチョン

• RQ1 複数のアイテムタイプを伴う動的マッチングシステムにおいて、長期平均報酬を最大化する最適なマッチングポリシーを設計できるか？
• RQ2 到着レートの知識なしに、任意の確率的到着プロセス下でもキューの安定性をどのように保証できるか？
• RQ3 仮想キューが、事前の統計的知識なしにリアルタイムで最適制御を可能にする役割は何か？
• RQ4 プライマル・デュアルアプローチを一般の動的マッチングシステムに拡張して、有限マッチングと報酬を扱えるか？
• RQ5 提案ポリシーは、報酬と安定性の両面でどのように漸近的最適性を達成するか？

主な発見

• 提案ポリシーは、すべての可能なマッチングポリシーの中で長期平均報酬を漸近的に最大化する。
• このポリシー下でもシステムは安定しており、すべてのキューが時間とともに確率的に有界のままである。
• アルゴリズムはリアルタイムで動作し、到着レート分布の知識を一切必要としない。
• 負の値をとる仮想キューの使用により、現在の状態のみに依存した最適マッチング意思決定が可能になる。
• 拡張されたGPDフレームワークは、一般の動的マッチングシステムにおいて報酬最大化とキュー安定性の両方をうまくバランスさせる。
• 到着プロセスに関する統計的仮定なしに、報酬と安定性の両面で最適性を達成する。