[论文解读] A Stochastic Probing Problem with Applications

Anupam Gupta, Viswanath Nagarajan|arXiv (Cornell University)|Jan 1, 2013

Game Theory and Voting Systems被引用 17

一句话总结

本文提出了一种统一的随机探测框架，适用于一般打包约束（例如，k-系统、拟阵交集），针对无权情况提出了一种贪心算法，针对加权情况采用基于线性规划的舍入方法与竞争化解耦方案。在 k_in- 和 k_out-拟阵约束下，该方法对加权探测问题实现了 Ω(1/(k_in + k_out)) 的近似比，从而首次实现了在 k-拟阵交集可行性约束下具有常数因子近似比的多项式时间序列报价机制。

ABSTRACT

We study a general stochastic probing problem defined on a universe V, where each element e in V is "active" independently with probability p_e. Elements have weights {w_e} and the goal is to maximize the weight of a chosen subset S of active elements. However, we are given only the p_e values-- to determine whether or not an element e is active, our algorithm must probe e. If element e is probed and happens to be active, then e must irrevocably be added to the chosen set S; if e is not active then it is not included in S. Moreover, the following conditions must hold in every random instantiation: (1) the set Q of probed elements satisfy an "outer" packing constraint, and (2) the set S of chosen elements satisfy an "inner" packing constraint. The kinds of packing constraints we consider are intersections of matroids and knapsacks. Our results provide a simple and unified view of results in stochastic matching and Bayesian mechanism design, and can also handle more general constraints. As an application, we obtain the first polynomial-time $Ω(1/k)$-approximate "Sequential Posted Price Mechanism" under k-matroid intersection feasibility constraints.

研究动机与目标

• 开发一种适用于复杂打包约束（包括拟阵与背包交集）的随机探测通用框架。
• 将先前在随机匹配和贝叶斯机制设计中的结果统一并推广到单一模型下。
• 为在 k-拟阵交集可行性约束下实现序列报价机制，提供一种多项式时间近似算法。
• 将框架扩展以包含全局时间截止条件，建模现实世界中的约束（如肾交换中的患者超时）。
• 通过线性规划松弛与竞争化解耦方案，为加权与无权情况建立紧致的近似保证。

提出的方法

• 提出一种随机探测模型，其中元素被探测以揭示其激活状态，激活的元素被不可撤销地加入解集。
• 施加两个向下封闭的打包约束：对所选集合的内约束（I_in）和对探测集合的外约束（I_out）。
• 对于无权探测，应用一种贪心算法，按激活概率 pe 降序探测元素，同时满足 I_in 和 I_out 约束。
• 对于加权探测，使用线性规划松弛，其中变量表示探测和选择每个元素的边际概率。
• 应用竞争化解耦（CR）方案对分数线性规划解进行舍入，确保在 I_in 和 I_out 约束下的可行性。
• 对于截止时间扩展，将时间约束建模为一个层状拟阵 L，并将截止时间问题与外约束为 I_out ∩ L 的松弛探测实例相关联。

实验结果

研究问题

• RQ1 能否开发一个单一的统一框架，用于建模和求解在一般打包约束（包括拟阵与背包交集）下的随机探测问题？
• RQ2 当内约束和外约束均为 k-系统时，无权随机探测的贪心算法能达到何种近似比？
• RQ3 如何利用基于线性规划的舍入与竞争化解耦方案，实现 k-拟阵约束下加权随机探测的常数因子近似？
• RQ4 该框架能否扩展以处理全局时间截止，例如在具有患者时间限制的肾交换中？
• RQ5 在 k-拟阵交集可行性约束下，序列报价机制的近似保证是什么？

主要发现

• 当内约束和外约束分别为 k_in- 和 k_out-系统时，无权随机探测的贪心算法实现了紧致的 1/(k_in + k_out) 近似比。
• 对于 k_in 与 k_out 拟阵交集下的加权随机探测，本文通过线性规划松弛与竞争化解耦方案实现了 Ω(1/(k_in + k_out)) 的近似比。
• 在任意 k_in- 与 k_out-系统约束下，近似比退化为 Ω(1/(k_in + k_out)^2)，但对固定的 k 仍为常数。
• 该框架首次实现了在 k-拟阵交集可行性约束下，具有 Ω(1/k) 近似比的多项式时间近似序列报价机制，优于先前工作。
• 对于带截止时间的无权探测，贪心算法实现了 1/(2(k_in + k_out + 1)) 的近似比，采用了一种新颖的利用层状拟阵约束的耦合论证。
• 该方法推广并统一了随机匹配与贝叶斯机制设计中的结果，为无权随机匹配中的 4-近似提供了一种更简洁的基于线性规划的证明。