[论文解读] A New Approximation Technique for Resource-Allocation Problems

Barna Saha, Aravind Srinivasan|arXiv (Cornell University)|Jan 10, 2010

Advanced Graph Theory Research参考文献 48被引用 21

一句话总结

本文提出了一种基于多面体中随机游走的新型舍入技术，以改进资源分配与调度问题的近似算法，特别是将先前工作推广至允许作业丢弃的情形。该方法实现了更紧的整数规划间隙，并通过具有负相关性质的依赖舍入，获得了随机二分匹配的新集中度界。

ABSTRACT

We develop a rounding method based on random walks in polytopes, which leads to improved approximation algorithms and integrality gaps for several assignment problems that arise in resource allocation and scheduling. In particular, it generalizes the work of Shmoys and Tardos on the generalized assignment problem to the setting where some jobs can be dropped. New concentration bounds for random bipartite matching are developed as well.

研究动机与目标

• 开发一种广义的舍入框架，扩展依赖舍入与迭代舍入，以在资源分配问题中获得更好的近似性能。
• 解决某些作业可被丢弃的调度问题，将广义分配问题的范围扩展至先前工作的局限之外。
• 在依赖舍入下，为随机二分匹配建立新的集中度量界。
• 通过多面体随机游走方法，改进关键组合优化问题的整数规划间隙。

提出的方法

• 提出在线性规划松弛所定义的多面体中进行随机游走，朝向顶点移动，同时保持可行性与期望值不变。
• 使用一个保持当前点紧约束的子空间方向，以在可行区域内实现受控移动。
• 应用一种随机更新规则：沿方向向量移动，其概率与步长成正比，确保每个变量的期望值保持不变。
• 通过二分匹配中的路径与环基更新，广义化了先前的依赖舍入，允许多个分量同时舍入。
• 采用递归舍入过程，仅当变量达到 0 或 1 时才固定，通过约简约束系统的零空间向量维持依赖关系。
• 通过分析迭代更新中的条件期望，推导出二分匹配中匹配项的负相关性质。

实验结果

研究问题

• RQ1 基于随机游走的舍入方法能否改进允许作业丢弃的资源分配问题的近似保证？
• RQ2 如何广义化依赖舍入，以在单步中同时舍入多个变量的同时保持负相关性？
• RQ3 在此广义舍入方案下，随机二分匹配的新集中度界是什么？
• RQ4 与先前方法相比，该方法能否在调度与分配问题中获得改进的整数规划间隙？
• RQ5 在依赖且非独立同分布的舍入过程中，如何保持期望值的理论基础？

主要发现

• 所提出的舍入方法将 Shmoys 与 Tardos 在广义分配问题上的工作推广至允许作业丢弃的情形，改进了近似比。
• 该方法为带有丢弃惩罚的广义分配问题建立了新的整数规划间隙界，优于先前结果。
• 为随机二分匹配建立了新的集中度界，表明其偏离期望值的极端偏差概率受到严格控制。
• 证明了二分匹配中匹配项的指示变量为负相关，从而加强了依赖舍入中的概率分析。
• 随机游走过程确保了每个变量在每一步的期望值保持不变，从而支持了强大的近似保证。
• 该框架通过结合多面体几何与随机舍入动力学，实现了对整数规划间隙的更紧分析。