[论文解读] O(log log rank) Competitive-Ratio for the Matroid Secretary Problem

Oded Lachish|BIROn (Birkbeck, University of London)|Mar 26, 2014

Optimization and Search Problems参考文献 18被引用 10

一句话总结

本文提出了一种已知基数、顺序无关的拟阵秘书问题算法，其竞争比为 $O(\log \log \rho)$，其中 $\rho$ 为拟阵的秩。该算法采用基于价值的分桶方法，包含三个阶段（收集、预处理、选择），并根据揭示元素的结构特性，动态调用特定子程序——简单算法与间隙算法，显著优于以往的 $O(\sqrt{\log \rho})$ 和 $O\left(\log \rho\right)$ 竞争比边界。

ABSTRACT

In the extit{Matroid Secretary Problem} (MSP), the elements of the ground set of a Matroid are revealed on-line one by one, each together with its value. An algorithm for the MSP is extit{Matroid-Unknown} if, at every stage of its execution: (i) it only knows the elements that have been revealed so far and their values, and (ii) it has access to an oracle for testing whether or not any subset of the elements that have been revealed so far is an independent set. An algorithm is extit{Known-Cardinality} if, in addition to (i) and (ii), it also initially knows the cardinality of the ground set of the Matroid. We present here a Known-Cardinality and extit{Order-Oblivious} algorithm that, with constant probability, selects an independent set of elements, whose value is at least the optimal value divided by $O(\log{\logρ})$, where $ρ$ is the rank of the Matroid; that is, the algorithm has a extit{competitive-ratio} of $O(\log{\logρ})$. The best previous results for a Known-Cardinality algorithm are a competitive-ratio of $O(\logρ)$, by Babaioff extit{et al.} (2007), and a competitive-ratio of $O(\sqrt{\logρ})$, by Chakraborty and Lachish (2012). In many non-trivial cases the algorithm we present has a competitive-ratio that is better than the $O(\log{\logρ})$. The cases in which it fails to do so are easily characterized. Understanding these cases may lead to improved algorithms for the problem or, conversely, to non-trivial lower bounds.

研究动机与目标

• 设计一种已知基数的拟阵秘书问题算法，其竞争比优于以往的 $O(\log \rho)$ 和 $O(\sqrt{\log \rho})$ 边界。
• 在顺序无关模型下实现 $O(\log \log \rho)$ 的竞争比，确保对随机元素顺序的鲁棒性。
• 刻画算法性能优于 $O(\log \log \rho)$ 的情形，为潜在的下界或算法改进提供洞见。
• 通过顺序无关性质，建立与拟阵单样本预言者不等式的联系。

提出的方法

• 通过将数值向下舍入至最近的 2 的幂次，将元素划分为基于价值的分桶。
• 该算法分为三个阶段：收集阶段（收集初始信息）、预处理阶段（分析揭示元素的结构特性）和选择阶段（应用定制化子程序）。
• 在预处理阶段，根据子集的秩与独立性约束，判断定理 44 中的第 1 类、第 2 类或第 3 类情形是否成立。
• 若第 1 类成立，则使用简单算法选择单一桶；若第 2 类成立，则使用可管理的子集；否则对关键元组应用间隙算法。
• 间隙算法利用涉及未覆盖度与秩项的复杂表达式，以界定所选独立集的期望值。
• 该算法依赖于独立性查询的预言机访问，并假设已知基集大小 $n$ 与秩 $\rho$，从而确保其为已知基数且顺序无关。

实验结果

研究问题

• RQ1 已知基数的拟阵秘书问题算法能否实现优于 $O(\sqrt{\log \rho})$ 的竞争比？
• RQ2 拟阵元素的何种结构条件可导致性能优于 $O(\log \log \rho)$ 的竞争比？
• RQ3 当最大元素值超过 $\frac{\mathrm{OPT}(U)}{\log \log \mathrm{rank}(U)}$ 时，算法性能如何变化？
• RQ4 在何种条件下，间隙算法的表现优于理论上的 $O(\log \log \rho)$ 竞争比？
• RQ5 失败情形的刻画是否可为拟阵秘书问题的改进算法或非平凡下界提供依据？

主要发现

• 所提出的算法在已知基数与顺序无关模型下，对拟阵秘书问题实现了 $O(\log \log \rho)$ 的竞争比。
• 该算法显著优于 Chakraborty 与 Lachish（2012）所获得的 $O(\sqrt{\log \rho})$ 最佳已知竞争比，以及 Babaioff 等人（2007）的 $O(\log \rho)$ 边界。
• 在许多非平凡情形下，算法性能优于 $O(\log \log \rho)$ 边界，尤其当最大元素值远大于 $\frac{\mathrm{OPT}(U)}{\log \log \mathrm{rank}(U)}$ 时表现更优。
• 该算法确保所选独立集的期望值为 $\Omega\left(\frac{\mathrm{OPT}(U)}{\log \log \mathrm{rank}(U)}\right)$，与所声明的竞争比一致。
• 该算法的顺序无关性质意味着存在一个竞争比为 $O(\log \log \rho)$ 的拟阵单样本预言者不等式。
• 失败情形（即竞争比未提升的情形）已被完全刻画，可能为未来下界构造或算法优化提供指导。