[論文レビュー] The VCG Mechanism for Bayesian Scheduling

Yiannis Giannakopoulos, Maria Kyropoulou|Open Access at Essex (University of Essex)|Sep 24, 2015

Auction Theory and Applications参考文献 31被引用数 5

ひとこと要約

本稿は、無作為に同一分布に従うタスク処理時間をもつ非同一マシンにおけるベイジアンスケジューリングにおけるVCGメカニズムの性能を分析する。VCGはi.i.d.タスクに対して$O\left(\frac{\ln n}{\ln\ln n}\right)$の近似比を達成することが示され、従来の境界を著しく改善し、MHR分布下で定数近似比が達成可能な条件も特定している。

ABSTRACT

We study the problem of scheduling $m$ tasks to $n$ selfish, unrelated machines in order to minimize the makespan, where the execution times are independent random variables, identical across machines. We show that the VCG mechanism, which myopically allocates each task to its best machine, achieves an approximation ratio of $O\left(\frac{\ln n}{\ln \ln n} ight)$. This improves significantly on the previously best known bound of $O\left(\frac{m}{n} ight)$ for prior-independent mechanisms, given by Chawla et al. [STOC'13] under the additional assumption of Monotone Hazard Rate (MHR) distributions. Although we demonstrate that this is in general tight, if we do maintain the MHR assumption, then we get improved, (small) constant bounds for $m\geq n\ln n$ i.i.d. tasks, while we also identify a sufficient condition on the distribution that yields a constant approximation ratio regardless of the number of tasks.

研究の動機と目的

• i.i.d.タスク処理時間をもつベイジアンスケジューリングにおけるVCGメカニズムの近似比を分析すること。
• 事前知識のない真実報酬メカニズムとしてのVCGが、確率的処理時間モデル下で先行研究を上回る性能を達成できるかどうかを特定すること。
• VCGが事前知識が欠如している状況下でも定数近似比を達成できる条件を同定すること。
• MHRおよびi.i.d.分布下におけるVCGおよび関連メカニズムの性能に対するタイトな下界を確立すること。

提案手法

• 著者らは、各タスクを報告された処理時間が最も低いマシンに割り当てるVCGメカニズムを分析し、支配的戦略としての真実性を保証する。
• タスク処理時間を単調なハザードレート（MHR）を持つ分布から独立同分布に従って抽出するモデルを構築し、VCG下での期待マキシマムスケジューリングを分析する。
• タスクがマシンに確率的に割り当てられた際の最大負荷を制限するために、古典的なボールとバケツの結果を活用する。
• 戦略的インcentiveを無視する最適なオフラインアルゴリズムと比較することで、VCGの期待マキシマムスケジューリングの上界および下界を導出する。
• 確率的集中不等式および尾部確率を用いて、VCG下での極端な負荷不均衡の発生確率を定量化する。
• 境界のタイトさと分布仮定の必要性を示すために、点質量分布および一様分布を用いた具体的なインスタンスを構築する。

実験結果

リサーチクエスチョン

• RQ1 i.i.d.タスク処理時間をもつベイジアンスケジューリングにおけるVCGメカニズムの近似比は何か？
• RQ2 MHR分布下でVCGが定数近似比を達成できるか。その場合、どのような条件下か？
• RQ3 同じ設定下で、VCGの性能は、ボトムドオーバーロードやシーブメカニズムといった先行メカニズムと比べてどうか？
• RQ4 i.i.d.タスク分布下で、VCGの$O(\ln n / \ln\ln n)$近似比はタイトか？
• RQ5 事前知識の非依存性は、ベイジアンスケジューリングにおける真実報酬メカニズムの性能にどのような影響を与えるか？

主な発見

• VCGメカニズムは、i.i.d.タスク処理時間に対して$O\left(\frac{\ln n}{\ln\ln n}\right)$の近似比を達成し、従来の$O(m/n)$の境界を著しく改善する。
• MHR仮定下では、$m \geq n\ln n$のとき、分布の事前知識がなくてもVCGが定数近似比を達成できることを示している。
• 連続的MHR分布では、最悪ケースでVCGが$n$近似にまで悪化することが示され、一般には境界がタイトであることを示している。
• $m \geq n\ln n$のとき、マシン間の負荷バランスのおかげで、最適マキシマムスケジューリングは定数$O(1)$で抑えられる。
• ボトムドオーバーロードおよびシーブメカニズムの性能は、類似条件下で漸近的にタイトであり、$O(\ln n / \ln\ln n)$の比と下界が一致することが示された。
• MHR仮定下で、タスク数にかかわらずVCGが定数近似比を達成するための十分条件を同定した。