[논문 리뷰] The Stochastic Matching Problem: Beating Half with a Non-Adaptive Algorithm

Sepehr Assadi, Sanjeev Khanna외 1명|arXiv (Cornell University)|2017. 05. 05.

Optimization and Search Problems참고 문헌 26인용 수 8

한 줄 요약

이 논문은 1/2보다 엄격히 높은 근사 비율을 달성하는 최초의 비적응형 알고리즘을 제시한다. 이는 최대 차수 $ O\left(\frac{로그(1/p)}{p}\right) $ 를 가진 부분그래프를 구성함으로써 이루어지며, 이 부분그래프의 실현에서 기대 매칭 크기가 $ \frac{1}{2} + \delta_0 $ 이상이 되도록 보장한다. 여기서 $ \delta_0 > 0 $ 은 절대적인 상수이다. 핵심 기여는 기대 최대 매칭 크기가 $ \text{opt} $ 인 임의의 그래프가 $ b = \frac{1}{p} $ 인 $ b $-매칭을 크기 $ b \cdot \text{opt} $ 만큼 포함함을 보여주는 구조적 결과이다. 이는 1/2 장벽을 넘는 향상된 근사 가능성을 가능하게 한다.

ABSTRACT

In the stochastic matching problem, we are given a general (not necessarily bipartite) graph $G(V,E)$, where each edge in $E$ is realized with some constant probability $p > 0$ and the goal is to compute a bounded-degree (bounded by a function depending only on $p$) subgraph $H$ of $G$ such that the expected maximum matching size in $H$ is close to the expected maximum matching size in $G$. The algorithms in this setting are considered non-adaptive as they have to choose the subgraph $H$ without knowing any information about the set of realized edges in $G$. Originally motivated by an application to kidney exchange, the stochastic matching problem and its variants have received significant attention in recent years. The state-of-the-art non-adaptive algorithms for stochastic matching achieve an approximation ratio of $\frac{1}{2}-ε$ for any $ε> 0$, naturally raising the question that if $1/2$ is the limit of what can be achieved with a non-adaptive algorithm. In this work, we resolve this question by presenting the first algorithm for stochastic matching with an approximation guarantee that is strictly better than $1/2$: the algorithm computes a subgraph $H$ of $G$ with the maximum degree $O(\frac{\log{(1/ p)}}{p})$ such that the ratio of expected size of a maximum matching in realizations of $H$ and $G$ is at least $1/2+δ_0$ for some absolute constant $δ_0 > 0$. The degree bound on $H$ achieved by our algorithm is essentially the best possible (up to an $O(\log{(1/p)})$ factor) for any constant factor approximation algorithm, since an $Ω(\frac{1}{p})$ degree in $H$ is necessary for a vertex to acquire at least one incident edge in a realization.

연구 동기 및 목표

• 비적응형 알고리즘이 스토하스틱 매칭 문제에서 1/2가 기본적인 한계인지 여부를 해결하기 위해.
• 1/2보다 엄격히 높은 근사 비율을 달성하는 비적응형 알고리즘을 설계하기 위해.
• 기대 매칭 크기가 높은 그래프에서 $ b $-매칭의 구조적 성질을 규명하기 위해, 여기서 $ b = \frac{1}{p} $ 이다.
• 그래프 $ G $ 에서 기대 매칭 크기의 상수 요인을 유지하면서 부분그래프 $ H $ 의 최대 차수를 최소화하기 위해.
• Blum 등 (EC 2015) 이 제기한 열린 문제에 따라, 비적응형 알고리즘으로 $ (1 - \varepsilon) $-근사에 도달하는 데 진전을 이루기 위해.

제안 방법

• 기대 최대 매칭 크기가 $ \text{opt} $ 인 원본 그래프 $ G $ 에서 $ \frac{1}{p} $-매칭 $ B $ 를 크기 $ \approx \frac{\text{opt}}{p} $ 만큼 구성함으로써, 이러한 $ b $-매칭이 간선 실현 시 높은 기대 매칭 크기를 유지함을 보여주는 구조 레미마를 활용한다.
• 확률적 방법을 적용하여 $ \frac{1}{p} $-매칭이 크기 $ \frac{\text{opt}}{p} $ 를 가지면 실현에서 기대 매칭 크기가 최소 $ \frac{\text{opt}}{3} $ 이상이 됨을 보이며, 이후 분석을 정교화하여 $ \approx 0.4 \cdot \text{opt} $ 로 향상시킨다.
• 스파라피케이션 기법을 적용하여 결과 부분그래프 $ H $ 의 최대 차수를 $ O\left(\frac{로그(1/p)}{p}\right) $ 로 감소시켜, 그래프 크기와 무관하게 차수를 유한하게 유지한다.
• 선형 프로그래밍 타월화와 제약 조건 완화를 사용하여 실현에서의 기대 매칭 크기를 유계화하고, 하한 $ \left(\frac{1}{2} + \frac{p^2}{4} - \frac{p_0^2}{10^4}\right) \cdot \text{opt} $ 을 도출한다.
• 작은 $ p $ 에 대해 근사 비율이 약 0.52 에 수렴하고, 임의의 $ p \in (0,1) $ 에 대해 비율이 $ \frac{1}{2} + \delta_0 $ 이상임을 보장하며, 여기서 $ \delta_0 > 0 $ 은 절대적인 상수이다.
• 차수 한계가 거의 최적임을 증명하며, 간선 실현 확률 제약 조건으로 인해 어떤 상수 요인 근사에도 $ \Omega(1/p) $ 가 필수적임을 보인다.

실험 결과

연구 질문

• RQ1 비적응형 알고리즘이 스토하스틱 매칭 문제에서 1/2보다 엄격히 높은 근사 비율을 달성할 수 있는가?
• RQ2 유한 차수 부분그래프를 사용할 때, 비적응형 알고리즘의 1/2 장벽이 극복 가능한가?
• RQ3 기대 매칭 크기가 높은 그래프의 어떤 구조적 성질이 1/2를 넘는 향상된 근사 가능성을 가능하게 하는가?
• RQ4 $ b = \frac{1}{p} $ 인 $ b $-매칭 레미마를 사용하여 1/2를 초월하는 비적응형 알고리즘을 유도할 수 있는가?
• RQ5 부분그래프의 차수가 $ f(\varepsilon, p) $ 인 경우, 비적응형 알고리즘으로 $ (1 - \varepsilon) $-근사에 도달하는 것이 가능한가?

주요 결과

• 논문은 절대 상수 $ \delta_0 > 0 $ 에 대해 $ \frac{1}{2} + \delta_0 $ 의 근사 비율을 달성하는 비적응형 알고리즘을 제시하며, 1/2 이론을 엄격히 뛰어넘는다.
• 충분히 작은 $ p $ 에 대해 알고리즘은 최소 0.52 의 근사 비율을 달성하며, 이는 이전의 $ \frac{1}{2} - \varepsilon $ 한계를 초월한다.
• 부분그래프 $ H $ 의 최대 차수는 $ O\left( \frac{로그(1/p)}{p} \right) $ 이며, 로그 인자 외에는 거의 최적이다.
• 구조 레미마는 기대 최대 매칭 크기가 $ \text{opt} $ 인 임의의 그래프가 크기 $ \approx \frac{\text{opt}}{p} $ 의 $ \frac{1}{p} $-매칭을 포함함을 보여주며, 이 매칭의 실현은 최소 $ \frac{\text{opt}}{3} $ 의 매칭 크기를 유도한다. 이후 분석을 통해 이는 $ \approx 0.4 \cdot \text{opt} $ 로 정밀화된다.
• 알고리즘의 성능은 모든 $ p \in (0,1) $ 에 대해 안정적이며, 1/2 이상의 상수 덩어리 $ \delta_0 > 0 $ 를 보장한다.
• 차수 한계는 본질적으로 날카롭다. 간선 실현 확률 제약 조건으로 인해 어떤 상수 요인 근사에도 $ \Omega(1/p) $ 가 필수적이다.