[论文解读] Locally Stable Matching with General Preferences

Martin Hoefer, Lisa Wagner|arXiv (Cornell University)|Jul 5, 2012

Game Theory and Voting Systems参考文献 9被引用 4

一句话总结

本文研究了在信息有限且采用基于邻域的动态伙伴发现机制的网络中，局部稳定匹配的性质。研究发现，在双边匹配中，即使仅存在单边网络，达到稳定匹配的可达性问题也是NP难的；但在基于记忆的动力学机制下，收敛性可被保证——具体而言，当参与者记住过往匹配时，随机记忆或最近记忆机制下收敛概率为1，而最佳伙伴缓存机制下则无法保证收敛。本文还提出了用于计算最大局部稳定匹配的集中式算法，并对一般室友问题中局部稳定匹配的存在性进行了刻画。

ABSTRACT

We study stable matching problems with locality of information and control. In our model, each player is a node in a fixed network and strives to be matched to another player. A player has a complete preference list over all other players it can be matched with. Players can match arbitrarily, and they learn about possible partners dynamically based on their current neighborhood. We consider convergence of dynamics to locally stable matchings -- states that are stable with respect to their imposed information structure in the network. In the two-sided case of stable marriage in which existence is guaranteed, we show that reachability becomes NP-hard to decide. This holds even when the network exists only among one partition of players. In contrast, if one partition has no network and players remember a previous match every round, reachability is guaranteed and random dynamics converge with probability 1. We characterize this positive result in various ways. For instance, it holds for random memory and for cache memory with the most recent partner, but not for cache memory with the best partner. Also, it is crucial which partition of the players has memory. Finally, we present a variety of results for centralized computation of locally stable matchings, e.g., computing maximum locally stable matchings in the two-sided case and deciding and characterizing existence in the general roommates case.

研究动机与目标

• 理解局部信息与网络结构如何影响匹配市场中向稳定匹配收敛的过程。
• 分析当参与者视野有限且采用动态伙伴发现机制时，达到稳定匹配的计算复杂性。
• 刻画在基于记忆的动力学机制下，向局部稳定匹配收敛的保证条件。
• 开发用于在双边及一般室友问题设定下计算最大局部稳定匹配的集中式算法。
• 确定一般室友问题中局部稳定匹配的存在性及其结构特性。

提出的方法

• 将参与者建模为固定网络中的节点，每个参与者对潜在伙伴拥有完整的偏好列表。
• 将局部稳定匹配定义为在每个参与者当前邻域及其信息结构下均稳定的匹配状态。
• 采用动态匹配过程，参与者根据局部信息和对过往伙伴的记忆来更新匹配。
• 利用随机动力学分析收敛性，特别关注如随机记忆和最近伙伴缓存等记忆机制。
• 应用集中式算法，在双边和一般设定下计算最大局部稳定匹配。
• 采用复杂性理论分析，证明在仅存在单边网络的双边匹配中，可达性问题是NP难的。

实验结果

研究问题

• RQ1 在信息有限的网络化环境中，动态匹配过程在何种条件下会收敛至局部稳定匹配？
• RQ2 达到局部稳定匹配的可达性在计算上是否可行，还是即使在受限的网络结构下也属于NP难问题？
• RQ3 不同的记忆机制（如随机记忆、最近伙伴缓存或最佳伙伴缓存）如何影响向稳定匹配的收敛？
• RQ4 保留记忆的参与者分区在确保收敛中起到何种作用？
• RQ5 在双边及一般室友问题设定下，能否高效计算最大局部稳定匹配？

主要发现

• 即使在双边稳定婚姻问题中仅存在单边网络，判断能否达到局部稳定匹配仍是NP难问题。
• 当参与者记住过往匹配时，若采用随机记忆或最近伙伴缓存机制，向局部稳定匹配收敛的概率为1。
• 当采用存储最佳伙伴的缓存记忆机制时，收敛性会失败，凸显动力学对记忆设计的敏感性。
• 保留记忆的参与者分区至关重要——收敛性取决于哪一侧维持记忆，而不仅仅是记忆的存在。
• 在双边情况下，可使用集中式算法在多项式时间内计算最大局部稳定匹配。
• 一般室友问题中局部稳定匹配的存在性可通过集中式计算进行刻画与判定。