[论文解读] Optimality Gap of Asymptotically-derived Prescriptions with Applications to Queueing Systems

Ramandeep S. Randhawa|arXiv (Cornell University)|Oct 9, 2012

Advanced Queuing Theory Analysis参考文献 15被引用 4

一句话总结

本文证明了在排队系统中，通过渐近分析导出的容量配置——如 M/M/s 和 M/M/s+M 队列中的平方根 staffing 规则——是 o(1)-最优的，这意味着其最优性差距随着系统规模的增大而消失。通过证明在满足正则性条件时，目标函数中 O(1) 的近似误差可导致 o(1) 的最优性差距，该研究为大规模排队系统中广泛使用的扩散近似方法提供了理论依据。

ABSTRACT

In complex systems, it is quite common to resort to approximations when optimizing system performance. These approximations typically involve selecting a particular system parameter and then studying the performance of the system as this parameter grows without bound. In such an asymptotic regime, we prove that if the approximation to the objective function is accurate up to $\mathcal{O}(1)$, then under some regularity conditions, the prescriptions that are derived from this approximation are $o(1)$-optimal, i.e., their optimality gap is asymptotically zero. A consequence of this result is that the well-known square-root staffing rules for capacity sizing in $M/M/s$ and $M/M/s+M$ queues to minimize the sum of linear expected steady-state customer waiting costs and linear capacity costs are $o(1)$-optimal. We also discuss extensions of this result for the case of non-linear customer waiting costs in these systems.

研究动机与目标

• 分析从排队系统渐近近似中导出的容量配置的最优性差距。
• 建立渐近近似产生 o(1)-最优配置的条件，即随着系统规模增大，最优性差距趋于零。
• 在线性成本结构下，验证 M/M/s 和 M/M/s+M 队列中广泛使用的平方根 staffing 规则为 o(1)-最优。
• 将分析扩展至非线性客户等待成本以及存在客户放弃的系统。
• 考察在约束条件和非扩散情形（如具有凸成本的单服务器系统）下，渐近配置的鲁棒性。

提出的方法

• 采用渐近框架，其中到达率 λ → ∞，并研究最优配置规模 sλ* 随 λ 变化的行为。
• 将最优服务器数量表示为 sλ* = λ/μ + O(√λ)，并通过扩散近似进一步细化为 sλ* = λ/μ + σ*√(λ/μ)。
• 应用 Halfin-Whitt 扩散极限，近似稳态队列长度，得到 E[Q(s)] ≈ q(σ)√(λ/μ) + O(1)，其中 q(σ) 是标准正态累积分布函数与概率密度函数的函数。
• 通过最小化 h·q(σ) + c·σ 求解最优安全 staffing σ*，该函数严格凸，因此存在唯一最小值点。
• 证明所得配置 s̄λ = λ/μ + σ*√(λ/μ) 满足 sλ* = s̄λ + o(√λ)，从而得出成本差距 Πλ(s̄λ) − Πλ*(sλ*) = o(√λ)。
• 在满足正则性条件（如三阶导数有界）下，证明 o(1)-最优性，即当 λ → ∞ 时，最优性差距趋于零。

实验结果

研究问题

• RQ1 在何种条件下，目标函数中 O(1) 的近似误差可导致渐近容量配置中 o(1) 的最优性差距？
• RQ2 在最小化线性等待成本与容量成本之和时，M/M/s 和 M/M/s+M 队列中的平方根 staffing 规则是否为 o(1)-最优？
• RQ3 在存在客户放弃的排队系统中，非线性等待成本函数下最优性差距如何变化？
• RQ4 在一般耐心时间分布下，流体近似能否产生 o(1)-最优的配置？
• RQ5 在扩散近似失效的场景（如具有凸成本的近似单服务器系统）中，渐近近似的局限性是什么？

主要发现

• 渐近导出的配置的最优性差距为 o(1)，即当系统规模 λ → ∞ 时，即使目标函数近似误差为 O(1)，该差距仍趋于零。
• 在具有线性等待与容量成本的 M/M/s 和 M/M/s+M 队列中，平方根 staffing 规则为 o(1)-最优，且随着 λ 增大，差距趋于零。
• 对于非线性等待成本（如凸延迟成本），最优性差距为 O(λ^(3−r)/(2(1+r)))，其中 r ∈ (1,3)，该值大于 o(1)，表明在此类情形下配置可能并非 o(1)-最优。
• 在存在客户放弃且具有凸延迟成本的系统中，流体近似保持 O(1) 精度，从而产生 o(1)-最优配置。
• 该结果可推广至约束优化问题，但约束可能限制改进程度，使其无法超越 O(1)-最优性，如延迟概率阈值问题所示。
• 近期关于 M/Ph/n+M 系统的研究表明近似误差为 O(n^(-1/4))，在附加正则性条件下，可能实现 o(n^(-1/4))-最优性。