[논문 리뷰] The Prophet Inequality Can Be Solved Optimally with a Single Set of Samples

Jack Wang|arXiv (Cornell University)|2018. 12. 26.

Auction Theory and Applications참고 문헌 10인용 수 6

한 줄 요약

이 논문은 단일 표본 알고리즘을 제시하며, 값의 순서를 제어하는 초월적 적대자에게도 최적의 프로비스트 부등식에 대해 2-근사치를 달성한다. 가장 높은 관측 표본을 고정된 기준값으로 설정하고, 그 기준값을 초과하는 첫 번째 값을 수락함으로써, 갬블러는 기대 최대 보상의 절반을 보장한다. 이는 전분포 지식이 있는 고전적 결과와 동일한 성능을 단 한 개의 표본만으로도 달성함을 의미한다.

ABSTRACT

The setting of the classic prophet inequality is as follows: a gambler is shown the probability distributions of $n$ independent, non-negative random variables with finite expectations. In their indexed order, a value is drawn from each distribution, and after every draw the gambler may choose to accept the value and end the game, or discard the value permanently and continue the game. What is the best performance that the gambler can achieve in comparison to a prophet who can always choose the highest value? Krengel, Sucheston, and Garling solved this problem in 1978, showing that there exists a strategy for which the gambler can achieve half as much reward as the prophet in expectation. Furthermore, this result is tight. In this work, we consider a setting in which the gambler is allowed much less information. Suppose that the gambler can only take one sample from each of the distributions before playing the game, instead of knowing the full distributions. We provide a simple and intuitive algorithm that recovers the original approximation of $\frac{1}{2}$. Our algorithm works against even an almighty adversary who always chooses a worst-case ordering, rather than the standard offline adversary. The result also has implications for mechanism design -- there is much interest in designing competitive auctions with a finite number of samples from value distributions rather than full distributional knowledge.

연구 동기 및 목표

• 각 분포에서 하나의 표본만 이용할 수 있을 때, 상수 경쟁 비율 근사치를 달성할 수 있는지 여부를 규명하는 것.
• 전분포 지식과 제한된 표본 간의 격차를 온라인 선택 문제에서 해소하는 것.
• 최소한의 정보로도 고전적 프로비스트 부등식 성능을 달성하는 간단한 순서 무관 알고리즘을 제공하는 것.
• 프로비스트 부등식 결과의 적용 범위를 유한 표본이 있는 메커니즘 설계로 확장하는 것.

제안 방법

• 알고리즘은 단일 관측 표본의 최댓값을 고정된 기준값으로 설정한다.
• 그 기준값을 초과하는 첫 번째 값을 어떤 시점에 나타나든 간에 수락한다.
• 2개의 독립적인 표본 집합을 사용한 시뮬레이션 게임을 통해 2-근사치 보장을 증명한다.
• 표본 단계에서는 각 분포에서 독립적으로 추출된 표본을 사용하고, 실제 단계에서는 랜덤한 동전 뒤집기로 어느 표본 집합을 사용할지 결정한다.
• 대칭성과 쌍방향 연결(_coupling_ shore) 논리를 활용하여 알고리즘의 성능을 프로비스트의 기대 최대값과 비교한다.
• 최악의 순서에 대해서도 강건하기 때문에 순서 무관이며, 사전 독립적 메커니즘 설계에 적합하다.

실험 결과

연구 질문

• RQ1 각 분포에서 하나의 표본만 이용할 때, 프로비스트 부등식 문제에서 상수 경쟁 비율 근사치를 달성할 수 있는가?
• RQ2 제한된 정보 하에서 고전적 프로비스트 부등식 성능을 달성하는 단순한 임계값 기반 알고리즘이 존재하는가?
• RQ3 값의 순서가 적대적으로 선택된 상황에서도 이러한 알고리즘이 효과를 유지할 수 있는가?
• RQ4 이 결과는 유한 표본이 있는 사전 독립적 메커니즘 설계에 어떤 함의를 지닌다?

주요 결과

• 제안된 단일 표본 알고리즘은 프로비스트의 기대 최대 보상에 대해 2-근사치를 달성한다.
• 값의 순서를 적대적으로 선택하는 초월적 적대자에게도 알고리즘은 1/2 근사치를 보장한다.
• 알고리즘은 순서 무관이며, 값의 크기 정보가 전혀 필요 없고, 오직 상대적 순서만 알면 된다.
• 이 방법은 사전 독립적이고 순서 무관한 게시 가격 메커니즘을 이끌어내며, i.i.d. 정규 설정에서 최적 수익의 1/4 근사치를 달성한다.
• MHR 분포의 경우, 레이지 샘플 리저브를 결합할 때 최적 수익의 1/(4e) 근사치를 보장한다.
• 결과적으로 각 분포에서 하나의 표본만으로도 고전적 1/2 근사치 요소를 회복할 수 있으며, 이는 최적임을 보여준다.