[论文解读] A Primal-Dual Continuous LP Method on the Multi-choice Multi-best Secretary Problem

T-H. Hubert Chan, Fei Chen|arXiv (Cornell University)|Jul 2, 2013

Optimization and Search Problems参考文献 8被引用 4

一句话总结

本文提出一种原始-对偶连续线性规划框架，用于分析无限模型下的多选多最佳秘书问题（J,K）-秘书问题，其中项目在区间[0,1]上连续到达。证明了最优策略可通过具有有理阈值的（J,K）-阈值算法实现，并通过对偶性与互补松弛性，正式建立了有限模型与无限模型之间的渐近联系。

ABSTRACT

The J-choice K-best secretary problem, also known as the (J,K)-secretary problem, is a generalization of the classical secretary problem. An algorithm for the (J,K)-secretary problem is allowed to make J choices and the payoff to be maximized is the expected number of items chosen among the K best items. Previous works analyzed the case when the total number n of items is finite, and considered what happens when n grows. However, for general J and K, the optimal solution for finite n is difficult to analyze. Instead, we prove a formal connection between the finite model and the infinite model, where there are countably infinite number of items, each attached with a random arrival time drawn independently and uniformly from [0,1]. We use primal-dual continuous linear programming techniques to analyze a class of infinite algorithms, which are general enough to capture the asymptotic behavior of the finite model with large number of items. Our techniques allow us to prove that the optimal solution can be achieved by the (J,K)-Threshold Algorithm, which has a nice "rational description" for the case K = 1.

研究动机与目标

• 正式连接有限（J,K）-秘书问题的渐近行为与无限模型之间的关系，其中项目在[0,1]上均匀随机到达。
• 为一类分段连续的无限算法（包括（J,K）-阈值算法）构建连续线性规划公式。
• 证明在无限模型中，最优收益与大n时有限模型的渐近极限一致。
• 推导一种原始-对偶方法，利用对偶性与互补松弛性，识别（J,K）-阈值算法的最优阈值。
• 证明在（J,1）情形下，最优阈值具有有理结构，从而形成清晰、可解释的策略。

提出的方法

• 形式化无限模型，包含可数无穷多个项目及[0,1]区间内独立的均匀到达时间，从而在不依赖n的情况下实现分析。
• 定义一类算法𝒜，包含分段连续策略，包括具有J个阈值和K个选择配额的（J,K）-阈值算法。
• 为无限模型中的（J,K）-秘书问题构建连续线性规划公式，扩展有限LP公式。
• 将对偶理论与互补松弛性应用于连续LP，推导最优性的必要与充分条件。
• 利用递归函数定义与积分方程建模期望收益与对偶变量，特别涉及r_j|k(x)、γ_k(x)与α_ℓ(x)。
• 证明最优策略满足阈值规则：若项目为潜在选择且有可用配额，则予以选择，且配额在特定阈值时间释放。

实验结果

研究问题

• RQ1 能否从无限模型中形式化推导出有限（J,K）-秘书问题的渐近最优收益？
• RQ2 （J,K）-阈值算法是否在无限模型中实现最优收益，且其阈值能否被解析表征？
• RQ3 是否存在一种原始-对偶连续LP框架，能够捕捉（J,K）-秘书问题的渐近行为，并推导出最优策略？
• RQ4 在（J,1）情形下，最优阈值结构是否具有有理表示形式，且能否通过对偶性证明？
• RQ5 能否严格建立有限模型与无限模型之间的联系，使得最优无限算法在有限设置中产生相同的收益？

主要发现

• 将（J,K）-秘书问题限制在无限算法𝒜的类中时，可建立一种连续线性规划公式，该公式推广了有限LP公式。
• 当n较大时，有限LP的最优收益收敛于连续LP的最优收益，从而建立了正式的渐近等价性。
• （J,K）-阈值算法在无限模型中是最优的，其阈值可通过利用互补松弛性的原始-对偶分析推导得出。
• 在（J,1）情形下，最优阈值为有理数，从而提供一种结构清晰、可解释的策略，具有闭式表达。
• 本文验证了（1,2）情形下的渐近最优收益约为0.573567，修正了先前估计值0.572284。
• 该方法证明，任何满足单调性条件的最优无限算法，均可应用于有限实例，并保持相同的渐近收益。