[论文解读] Matroid secretary problem in the random assignment model

José A. Soto|arXiv (Cornell University)|Jan 23, 2011

Optimization and Search Problems参考文献 21被引用 27

一句话总结

本文提出了在随机分配模型下，马蒂罗德秘书问题的第一个常数竞争力算法，其竞争力比率为 $\frac{2e^2}{e-1}$。该工作利用了马蒂罗德的主划分，将其分解为均匀稠密的陪集，并设计了一种针对此类陪集的新颖 2e-竞争力算法，从而解决了 Babaioff 等人提出的一个开放问题。

ABSTRACT

In the Matroid Secretary Problem, introduced by Babaioff et al. [5], the elements of a given matroid are presented to an online algorithm in random order. When an element is revealed, the algorithm learns its weight and decides whether or not to select it. The objective is to return a maximum weight independent set of the matroid. There are different variants for this problem depending on the information known about the weights beforehand.In the random assignment model, a hidden list of weights is randomly assigned to the matroid ground set, independently from the random order they are revealed to the algorithm. Our main result is the first constant competitive algorithm for this version of the problem, solving an open question of Babaioff et al. Our algorithm achieves a competitive ratio of 2e2/(e − 1). It exploits the notion of principal partition of a matroid, its decomposition into uniformly dense minors, and a 2e-competitive algorithm for uniformly dense matroids we also develop.We also present constant competitive algorithms in the standard model where the weights are assigned adversarially, for various classes of matroids including cographic, low density, k-column sparse linear matroids and the case when every element is in a small cocircuit. In the same model, we give a new O(log r)-competitive algorithm for matroids of rank r which only uses the relative order of the weights seen and not their actual values, as previously needed.

研究动机与目标

• 在随机分配模型下，解决实现常数竞争力比率的马蒂罗德秘书问题这一开放问题。
• 开发一种将一般马蒂罗德分解为均匀稠密陪集的框架，以支持算法应用。
• 将竞争力算法扩展至特定马蒂罗德类别的对抗性权重模型，包括余图、低密度以及 k 列稀疏线性马蒂罗德。
• 为秩为 r 的马蒂罗德设计一种仅依赖相对顺序的算法，其竞争力比率为 $O(\log r)$，避免依赖实际权重值。

提出的方法

• 利用马蒂罗德的主划分，将其分解为均匀稠密的陪集，从而实现模块化的算法处理。
• 应用一种专为均匀稠密马蒂罗德设计的新颖 2e-竞争力算法。
• 通过独立于揭示顺序的地面集权重随机分配，对随机权重分配进行建模。
• 基于主划分的结构与陪集的稠密性属性，提出竞争力比率分析。
• 设计一种仅依赖已观察权重相对顺序的相对顺序仅算法，不依赖其绝对值。
• 将结构马蒂罗德理论与在线算法设计相结合，在随机分配模型下实现常数竞争力。

实验结果

研究问题

• RQ1 当权重被随机分配到地面集且独立于揭示顺序时，能否为马蒂罗德秘书问题设计出常数竞争力的算法？
• RQ2 如何利用马蒂罗德的主划分，将其问题分解为可处理的子问题？
• RQ3 对均匀稠密马蒂罗德可达到的竞争力比率是多少？该结果如何推广至一般马蒂罗德？
• RQ4 该算法能否在不依赖实际权重值的情况下运行，仅依赖相对顺序？
• RQ5 在对抗性权重模型下，对于余图或低密度等结构化马蒂罗德类，可实现的竞争力比率是多少？

主要发现

• 本文在随机分配模型下，为马蒂罗德秘书问题实现了 $\frac{2e^2}{e-1}$ 的竞争力比率，这是该设置下的首个常数竞争力算法。
• 该算法依赖于通过主划分将马蒂罗德分解为均匀稠密陪集，从而实现模块化的分析与设计。
• 针对均匀稠密马蒂罗德，开发了一种新的 2e-竞争力算法，作为核心构建模块。
• 在对抗性权重分配下，为余图、低密度以及 k 列稀疏线性马蒂罗德建立了常数竞争力算法。
• 针对秩为 $r$ 的马蒂罗德，提出了一种 $O(\log r)$-竞争力算法，其仅依赖权重的相对顺序，无需实际权重值。
• 研究结果表明，通过主划分实现的马蒂罗德结构分解，是实现在线选择问题中竞争力的强大工具。