[论文解读] Online Matching in a Ride-Sharing Platform

Chinmoy Dutta, Chris Sholley|arXiv (Cornell University)|Jun 27, 2018

Optimization and Search Problems参考文献 8被引用 3

一句话总结

本文提出了在线窗口非二分图匹配（OWNBM），这是一种用于拼车平台在线拼车匹配的新型图论模型。针对带边权的版本，该文基于组合拍卖理论提出了一种随机化 1/4-竞争比算法；针对点权版本，通过随机化对偶分析方法，提出了 1/2(1−1/e)-竞争比算法，两者均在时间与空间约束下成立。

ABSTRACT

We propose a formal graph-theoretic model for studying the problem of matching rides online in a ride-sharing platform. Unlike most of the literature on online matching, our model, that we call {\em Online Windowed Non-Bipartite Matching} ($\mbox{OWNBM}$), pertains to online matching in {\em non-bipartite} graphs. We show that the edge-weighted and vertex-weighted versions of our model arise naturally in ride-sharing platforms. We provide a randomized $\frac{1}{4}$-competitive algorithm for the edge-weighted case using a beautiful result of Lehmann, Lehmann and Nisan (EC 2001) for combinatorial auctions. We also provide an $\frac{1}{2} (1 - \frac{1}{e})$-competitive algorithm for the vertex-weighted case (with some constraint relaxation) using insights from an elegant randomized primal-dual analysis technique of Devanur, Jain and Kleinberg (SODA 2013).

研究动机与目标

• 通过图论框架，正式化拼车平台中的在线拼车匹配问题。
• 在实时、时空受限的环境中，对匹配效率与匹配率之间的权衡进行建模。
• 为对抗性到达序列下的非二分图匹配，设计竞争性在线算法。
• 解决现有文献中拼车匹配缺乏正式数学建模的问题。
• 为非二分图中的在线匹配建立理论保证，填补先前研究的空白。

提出的方法

• 提出在线窗口非二分图匹配（OWNBM）模型，以捕捉拼车匹配中的空间、时间与在线约束。
• 针对带边权的 OWNBM 情况，采用随机化算法，利用 Lehmann、Lehmann 与 Nisan（EC 2001）在组合拍卖理论中的结果。
• 针对带点权情况，在约束放宽的前提下，应用 Devanur、Jain 与 Kleinberg（SODA 2013）提出的随机化对偶分析技术。
• 引入半匹配与半权重的概念，用于分析带点权设定下的期望性能。
• 采用三阶段流程：构建半匹配，将其转化为 3-匹配，并确保边的选择在匹配窗口内完成。
• 定义源类型与目的地类型半匹配，以计算半权重，从而实现对期望性能的下界估计。

实验结果

研究问题

• RQ1 如何将拼车平台中的在线拼车匹配问题，正式建模为在线非二分图匹配问题？
• RQ2 在时间与空间约束下，非二分图中带边权的在线匹配可达到的最优竞争比是多少？
• RQ3 随机化对偶分析方法是否能为带窗口约束的带点权在线非二分图匹配带来更优的竞争比？
• RQ4 当必须在实时环境中基于不完整未来信息做出决策时，非二分图中在线匹配的理论性能极限是什么？
• RQ5 空间重叠与时间窗口约束如何影响拼车系统中在线匹配算法的设计与竞争性能？

主要发现

• 本文提出一种针对带边权 OWNBM 问题的随机化 1/4-竞争比算法，其基于组合拍卖理论的结果。
• 针对带点权 OWNBM 变体，通过结合约束松弛的随机化对偶分析技术，实现了 1/2(1−1/e)-竞争比。
• 证明了算法 3 构建的半匹配的期望半权重至少为最优匹配权重的 1/2(1−1/e) 倍。
• 从半匹配到 3-匹配的转换，确保了最终匹配的权重至少等于半匹配的半权重。
• 该算法保证任意匹配边的选取不会晚于终点顶点到达后的 d 个时间步，满足匹配窗口约束。
• 所提出的 OWNBM 模型是首个在对抗性环境下，结合时间与空间约束的在线非二分图匹配的正式框架。