[论文解读] Greedy algorithm for stochastic matching is a 2-approximation

Marek Adamczyk|arXiv (Cornell University)|Jul 18, 2010

Optimization and Search Problems参考文献 8被引用 3

一句话总结

本文证明了在耐心约束下，随机匹配问题的贪心算法——每一步选择成功概率最高的边——是一种2-近似算法，用于最大化期望匹配大小。证明采用了一种新颖的概率分析与交换论证，表明贪心策略的期望性能至少为最优解的一半，从而证实了该领域自适应随机优化中长期存在的一个猜想。

ABSTRACT

Motivated by applications in online dating and kidney exchange, the stochastic matching problem was introduced by Chen, Immorlica, Karlin, Mahdian and Rudra (2009). They have proven a 4-approximation of a simple greedy strategy, but conjectured that it is in fact a 2-approximation. In this paper we confirm this hypothesis.

研究动机与目标

• 为解决陈等人提出的猜想，即随机匹配的贪心算法达到2-近似比。
• 在顶点耐心约束存在的情况下，对贪心策略性能进行紧致分析。
• 为在线交友和肾脏交换项目等实际应用建立理论基础。
• 通过概率和结构论证，将先前的4-近似界提升至紧致的2-近似。
• 形式化并证明一个涉及不同探测策略下顶点匹配条件概率的关键不等式。

提出的方法

• 使用决策树表示法来建模确定性算法，并分析其期望结果。
• 应用一种交换论证，比较当高概率边未被探测时，贪心算法与最优算法行为的差异。
• 引入一个关键不等式，涉及比值 $\frac{1-p_{\alpha\beta}}{p_{\alpha\beta}}$，以界定当跳过边 $\alpha\beta$ 时顶点 $\alpha$ 的期望收益。
• 利用顶点最后一次探测与其探测特定边的独立性，解耦条件概率。
• 在未探测特定边的条件下，对贪心算法与最优算法的成功率进行概率比较。
• 利用 $\frac{1-x}{x}$ 是递减函数的性质，以界定不同边间失败概率与成功概率的比值。

实验结果

研究问题

• RQ1 随机匹配的贪心算法是否如陈等人所猜想的那样，是一种2-近似算法？
• RQ2 在无权随机匹配问题中，能否对贪心策略实现比现有4-近似更紧致的分析？
• RQ3 在耐心约束下，贪心算法与最优算法的期望匹配大小之间有何关系？
• RQ4 当跳过一条高概率边时，顶点匹配的条件概率如何变化？
• RQ5 能否构建一种交换论证，以比较随机匹配设定下贪心与最优策略的性能？

主要发现

• 在耐心约束下，贪心算法对随机匹配问题实现了2-近似比。
• 本文证实了陈等人提出的猜想，即贪心策略是2-近似，优于此前已知的4-近似。
• 分析表明 $\mathbb{E}[GRD(G)] \geq \frac{1}{2} \cdot \mathbb{E}[OPT(G)]$，从而证明了2-近似界。
• 证明了一个关键不等式：$\frac{1-p_{\alpha\beta}}{p_{\alpha\beta}} \cdot \mathbb{P}[\text{take } \alpha \text{ in } t_\alpha \mid \neg\text{probe } \alpha\beta] \leq \mathbb{P}[\text{OPT does not take } \alpha \mid \text{not probe } \alpha\beta]$，该不等式为近似证明提供了支持。
• 证明依赖于顶点最后一次探测与其探测特定边的独立性，从而允许条件概率的分解。
• 该结果适用于一般图，无需二分图或结构假设，因此具有广泛适用性。