[论文解读] Improved Bounds for Online Preemptive Matching

Leah Epstein, Asaf Levin+2 more|arXiv (Cornell University)|Jul 7, 2012

Optimization and Search Problems参考文献 12被引用 12

一句话总结

本文提出了一种用于最大权匹配的随机抢先在线算法，其竞争比约为 5.356，优于确定性上界 3 + 2√2 ≈ 5.828。该方法通过边权的几何舍入和抢先树分析，限制被拒绝或抢占边的损失，利用随机化在在线匹配设置中超越确定性限制。

ABSTRACT

When designing a preemptive online algorithm for the maximum matching problem, we wish to maintain a valid matching M while edges of the underlying graph are presented one after the other. When presented with an edge e, the algorithm should decide whether to augment the matching M by adding e (in which case e may be removed later on) or to keep M in its current form without adding e (in which case e is lost for good). The objective is to eventually hold a matching M with maximum weight. The main contribution of this paper is to establish new lower and upper bounds on the competitive ratio achievable by preemptive online algorithms: 1. We provide a lower bound of 1+ln 2~1.693 on the competitive ratio of any randomized algorithm for the maximum cardinality matching problem, thus improving on the currently best known bound of e/(e-1)~1.581 due to Karp, Vazirani, and Vazirani [STOC'90]. 2. We devise a randomized algorithm that achieves an expected competitive ratio of 5.356 for maximum weight matching. This finding demonstrates the power of randomization in this context, showing how to beat the tight bound of 3 +2\sqrt{2}~5.828 for deterministic algorithms, obtained by combining the 5.828 upper bound of McGregor [APPROX'05] and the recent 5.828 lower bound of Varadaraja [ICALP'11].

研究动机与目标

• 为随机在线抢先匹配算法的已知上下界之间的差距提供填补。
• 在无权最大基数匹配问题中，建立更强的随机算法下界。
• 证明在加权情况下，随机化可严格提升性能，超越确定性竞争比 3 + 2√2 ≈ 5.828。
• 提出一种基于几何舍入与抢先树的新型算法框架，用于分析随机化下的竞争比。

提出的方法

• 算法通过因子 θ > 2 对边权进行几何舍入，将权重分组到离散层级，从而实现对被抢占边的结构化分析。
• 为最终匹配中的每条边构建抢先树，其中每个节点代表一条边，其子节点为插入过程中被抢占的边。
• 通过基于匹配的分配方式，将每条匹配边与最优解中的边关联，确保每棵树根节点的总权重贡献有界。
• 通过基于树层级的几何级数，将每棵树根节点关联边的总舍入权重上界控制在根权重的 (2θ−2)/(θ−2) 倍以内。
• 推导出一个关键不等式：2(ln θ + 1) = θ，其在区间 (2, ∞) 内的唯一解 θ* ≈ 5.356 最小化竞争比 2θ ln θ / (θ−2)。
• 最终的竞争比通过结合舍入权重的期望收益上界与原始权重和舍入权重之间的关系推导得出。

实验结果

研究问题

• RQ1 在在线加权匹配问题中，随机化能否使竞争比超越确定性上界 3 + 2√2 ≈ 5.828？
• RQ2 在抢先在线模型中，任何随机算法在最大权匹配问题中可实现的最佳竞争比是多少？
• RQ3 如何利用几何舍入与抢先树分析随机在线匹配算法的性能？
• RQ4 在无权情况下，随机算法的下界 e/(e−1) ≈ 1.581 是否仍为紧致下界，或可进一步改进？

主要发现

• 在无权最大基数匹配问题中，为任意随机算法的竞争比建立了新的下界 1 + ln 2 ≈ 1.693，优于先前的下界 e/(e−1) ≈ 1.581。
• 在加权情况下，所提出的随机算法实现了约 5.356 的期望竞争比，严格优于确定性上界 3 + 2√2 ≈ 5.828。
• 当 θ* ≈ 5.356 时达到最优竞争比，即方程 2(ln θ + 1) = θ 在区间 (2, ∞) 内的唯一解。
• 分析表明，与任意匹配边关联的边的总舍入权重至多为根边权重的 (2θ−2)/(θ−2) 倍，这是限制竞争比的关键。
• 竞争比 2θ ln θ / (θ−2) 在 θ* ≈ 5.356 处取得最小值，最终竞争比为 θ*。
• 该方法证明了随机化可突破确定性算法在抢先模型中所受的 5.828 紧致边界。