[论文解读] Online Matching: Haste makes Waste!

Yuval Emek, Shay Kutten+1 more|arXiv (Cornell University)|Mar 9, 2016

Optimization and Search Problems参考文献 31被引用 14

一句话总结

本文引入了最小费用完美匹配延迟问题（MPMD），其中请求在度量空间中在线到达，必须通过结合空间距离与等待时间的成本进行匹配。该文提出了一种随机在线算法，实现了 $O(\log^2 n + \log \Delta)$ 的竞争比，利用一种基于交错泊松过程的新型随机过程来分析其性能。

ABSTRACT

This paper studies a new online problem, referred to as \emph{min-cost perfect matching with delays (MPMD)}, defined over a finite metric space (i.e., a complete graph with positive edge weights obeying the triangle inequality) $\mathcal{M}$ that is known to the algorithm in advance. Requests arrive in a continuous time online fashion at the points of $\mathcal{M}$ and should be served by matching them to each other. The algorithm is allowed to delay its request matching commitments, but this does not come for free: the total cost of the algorithm is the sum of metric distances between matched requests \emph{plus} the sum of times each request waited since it arrived until it was matched. A randomized online MPMD algorithm is presented whose competitive ratio is $O (\log^{2} n + \log Δ)$, where $n$ is the number of points in $\mathcal{M}$ and $Δ$ is its aspect ratio. The analysis is based on a machinery developed in the context of a new stochastic process that can be viewed as two interleaved Poisson processes; surprisingly, this new process captures precisely the behavior of our algorithm. A related problem in which the algorithm is allowed to clear any unmatched request at a fixed penalty is also addressed. It is suggested that the MPMD problem is merely the tip of the iceberg for a general framework of online problems with delayed service that captures many more natural problems.

研究动机与目标

• 为解决在线匹配系统中匹配接近性与等待时间之间的权衡问题，例如游戏平台中的玩家匹配系统。
• 在具有空间与时间成本的有限度量空间中，形式化最小费用完美匹配延迟（MPMD）问题。
• 设计一种随机在线算法，以有效平衡延迟与匹配成本。
• 利用一种新型随机过程模型，分析所提出算法的竞争比。
• 将框架扩展至允许基于惩罚的未匹配请求清除的变体，并建议其在具有延迟服务的在线问题中的广泛适用性。

提出的方法

• 该算法使用度量空间的分层分解，将其转化为带权顶点的树结构，其中每个内部节点维护一个基于 $1/w(v)$ 速率指数分布的随机计时器。
• 仅当相关计时器到期时，才在内部节点处匹配请求，从而确保延迟匹配以降低空间成本。
• 分析依赖于一种新型随机过程，该过程对两个交错泊松过程进行建模，精确捕捉了算法的时机与匹配行为。
• 通过概率与几何论证，将算法的成本与最优离线解相关联，推导出竞争比。
• 还研究了该算法的确定性变体，使用固定计时器而非随机计时器，以比较性能并揭示其局限性。
• 将框架扩展至允许基于惩罚清除未匹配请求的变体，以建模现实世界中延迟与服务质量之间的权衡。

实验结果

研究问题

• RQ1 在具有延迟的在线匹配中，空间成本（匹配请求之间的距离）与时间成本（等待时间）之间的最优权衡是什么？
• RQ2 随机在线算法能否实现与度量空间的尺度比无关的竞争比，还是 $\log \Delta$ 是不可避免的？
• RQ3 基于指数分布的随机计时器机制的行为如何影响延迟匹配的整体性能？
• RQ4 在此设置下，随机方法与确定性方法之间的性能差距是多少？
• RQ5 MPMD框架能否推广以建模其他具有延迟服务与基于惩罚决策的在线问题？

主要发现

• 所提出的随机在线算法实现了 $O(\log^2 n + \log \Delta)$ 的竞争比，其中 $n$ 为点数，$\Delta$ 为度量空间的尺度比。
• 分析基于一种涉及两个交错泊松过程的新型随机过程，精确建模了算法的匹配动态。
• 该算法的确定性变体具有 $\Omega(n)$ 的竞争比，表明随机与确定性方法之间存在显著差异。
• 该框架能够捕捉现实场景，如在线游戏匹配系统，其中延迟匹配可显著降低匹配错误成本。
• MPMD 问题被证明是具有延迟服务的更广泛类在线问题的代表性案例，表明所提框架具有广泛适用性。
• 引入了一种允许基于惩罚清除未匹配请求的变体，表明核心方法可适应处理延迟与服务失败之间的权衡。