[论文解读] Linear Programming helps solving large multi-unit combinatorial auctions

Rica Gonen, Daniel Lehmann|ArXiv.org|Feb 15, 2002

Auction Theory and Applications参考文献 11被引用 32

一句话总结

本文证明，线性规划（LP）通过提供紧致的上界，显著提升了大规模多单位组合拍卖的求解效率，从而在分支定界搜索中实现激进的剪枝。尽管先前普遍认为LP过于缓慢而不适合频繁使用，但实验表明，大量投入LP调用可大幅减少搜索空间，使标准硬件上处理包含数百件商品和数千个出价的拍卖问题也能获得最优解。

ABSTRACT

Previous works suggested the use of Branch and Bound techniques for finding the optimal allocation in (multi-unit) combinatorial auctions. They remarked that Linear Programming could provide a good upper-bound to the optimal allocation, but they went on using lighter and less tight upper-bound heuristics, on the ground that LP was too time-consuming to be used repetitively to solve large combinatorial auctions. We present the results of extensive experiments solving large (multi-unit) combinatorial auctions generated according to distributions proposed by different researchers. Our surprising conclusion is that Linear Programming is worth using. Investing almost all of one's computing time in using LP to bound from above the value of the optimal solution in order to prune aggressively pays off. We present a way to save on the number of calls to the LP routine and experimental results comparing different heuristics for choosing the bid to be considered next. Those results show that the ordering based on the square root of the size of the bids that was shown to be theoretically optimal in a previous paper by the authors performs surprisingly better than others in practice. Choosing to deal first with the bid with largest coefficient (typically 1) in the optimal solution of the relaxed LP problem, is also a good choice. The gap between the lower bound provided by greedy heuristics and the upper bound provided by LP is typically small and pruning is therefore extensive. For most distributions, auctions of a few hundred goods among a few thousand bids can be solved in practice. All experiments were run on a PC under Matlab.

研究动机与目标

• 探究线性规划（LP）是否能有效约束大规模多单位组合拍卖中的最优解，以挑战普遍认为LP因速度过慢而无法频繁使用的观点。
• 评估不同出价选择启发式方法对分支定界算法在赢家确定问题中性能的影响。
• 确定基于LP的上界是否相比更轻量级的启发式上界，能实现更快的收敛速度和更小的搜索空间。
• 评估分支定界算法结合LP上界在不同拍卖分布和规模下的可扩展性。

提出的方法

• 作者实现了一种用于多单位组合拍卖赢家确定的分支定界算法，利用LP计算部分分配的上界。
• 通过快速贪心初始化阶段生成高质量的下界，从而实现早期搜索空间剪枝。
• 算法利用LP松弛问题的最优解来指导下一步待探索出价的选择，尤其优先考虑LP解中系数较大的出价。
• 评估了出价大小的平方根和基于LP的自适应准则作为选择下一次分支出价的启发式方法。
• 该方法包含多种优化措施，以减少LP调用次数，从而提升整体效率。
• 实验基于先前研究中的标准分布进行，包括Leyton-Brown等人和de Vries与Vohra的研究分布，实验在Matlab环境下于普通PC上运行。

实验结果

研究问题

• RQ1 在分支定界中使用线性规划作为上界，是否能显著减少求解大规模多单位组合拍卖时所探索的节点数？
• RQ2 不同出价选择启发式方法（尤其是平方根准则与基于LP的准则）如何影响分支定界算法的性能？
• RQ3 基于LP的剪枝能否在标准硬件上实现对包含数千个出价和数百件商品的大规模拍卖的最优解求解？
• RQ4 尽管计算成本较高，为何基于LP的方法仍优于更简单的启发式方法？
• RQ5 拍卖中物品数量而非出价数量，在多大程度上决定了组合拍卖求解的难度？

主要发现

• 使用线性规划进行上界约束可实现广泛剪枝，与启发式上界相比，显著减少了所探索的节点数。
• 出价大小的平方根准则在实践中表现最佳，优于其他启发式方法，且与先前研究中理论最优准则一致。
• 基于LP的出价选择方法（即选择LP解中系数最大的出价）也极为有效，尤其在大规模拍卖中常优于平方根方法。
• 对于许多分布，特别是CATS多路径分布，首次LP调用往往能直接返回整数解，意味着贪心初始化已找到最优分配，从而立即剪枝整个搜索树。
• 该算法表现出亚指数级可扩展性，能高效求解最多达20,000个出价的拍卖，表明物品数量比出价数量对求解难度的影响更强。
• 运行时间在对数尺度下呈次线性关系，表明随着拍卖规模增大，算法效率持续提升，尤其当LP提供紧致上界时更为显著。