[论文解读] Online Vertex-Weighted Bipartite Matching: Beating 1-1/e with Random Arrivals

Zhiyi Huang, Zhihao Gavin Tang+2 more|arXiv (Cornell University)|Jan 1, 2018

Optimization and Search Problems参考文献 26被引用 23

一句话总结

本文在随机到达顺序下，于随机化对偶原问题框架中提出一种新颖的二维增益共享函数，实现了在线顶点加权二分图匹配问题的 0.6534 竞争比。通过将离线顶点排名与在线顶点到达时间同时纳入增益分配，该算法突破了 1−1/e ≈ 0.632 的屏障，是该框架在加权顶点设置下的首次此类改进。

ABSTRACT

We introduce a weighted version of the ranking algorithm by Karp et al. (STOC 1990), and prove a competitive ratio of 0.6534 for the vertex-weighted online bipartite matching problem when online vertices arrive in random order. Our result shows that random arrivals help beating the 1-1/e barrier even in the vertex-weighted case. We build on the randomized primal-dual framework by Devanur et al. (SODA 2013) and design a two dimensional gain sharing function, which depends not only on the rank of the offline vertex, but also on the arrival time of the online vertex. To our knowledge, this is the first competitive ratio strictly larger than 1-1/e for an online bipartite matching problem achieved under the randomized primal-dual framework. Our algorithm has a natural interpretation that offline vertices offer a larger portion of their weights to the online vertices as time goes by, and each online vertex matches the neighbor with the highest offer at its arrival.

研究动机与目标

• 在随机到达顺序下，克服在线顶点加权二分图匹配问题中 1−1/e 竞争比的障碍。
• 将随机化对偶原问题框架扩展至处理加权匹配中的时间依赖性增益共享。
• 设计一种广义排名算法，根据到达时间和离线顶点排名动态调整报价。
• 在随机到达条件下，证明其竞争比严格优于 1−1/e 的顶点加权情形。

提出的方法

• 提出一种依赖于离线顶点排名 yv 和在线顶点到达时间 yu 的二维增益共享函数。
• 使用扰动函数 h(x) = min{1, 1/(2e^x)} 定义离线顶点的报价值 wv · (1−д(yv,yu))。
• 应用随机化对偶原问题技术，将匹配边的增益分配给两个端点，确保每个匹配的离线顶点的期望增益至少为 0.6534·wv。
• 为每条边 (u,v) 推导期望联合增益 E[αu + αv] 的下界，通过对阈值函数 θ 和 β 进行最小化。
• 利用偏导数和对 τ 与 γ 的情形分析，证明该下界在所有参数范围内均成立。
• 假设阈值函数为阶跃函数，以简化并界定最小期望增益。

实验结果

研究问题

• RQ1 在随机到达顺序下，能否在顶点加权在线二分图匹配问题中突破 1−1/e 竞争比的障碍？
• RQ2 将在线顶点到达时间纳入增益共享机制，是否能提升竞争力，使其超越无权情形？
• RQ3 在顶点加权设置下，是否可能使用随机化对偶原问题框架实现严格大于 1−1/e 的竞争比？
• RQ4 何种形式的二维增益共享函数可使期望联合增益的下界最大化？

主要发现

• 所提出的算法实现了 0.6534 的竞争比，严格超过 1−1/e ≈ 0.632 的屏障。
• 竞争比通过每条匹配边 (u,v) 的期望联合增益 E[αu + αv] ≥ (1−ln 2)/2 ≈ 0.6534 的下界得到证明。
• 分析表明，当阈值函数 θ 和 β 选择为阶跃函数时，期望增益最小，从而可推导出紧致的下界。
• 增益共享函数定义为 д(x,y) = 1/2(h(x+1)−h(y))，其中 h(x) = min{1, 1/(2e^x)}，该形式使边界得以改进。
• 该结果是首个在随机化对偶原问题框架下，实现顶点加权在线二分图匹配竞争比严格高于 1−1/e 的成果。
• 该框架成功将到达时间和排名整合为统一的增益共享机制，从而提升了竞争力。