[论文解读] Optimal Control of General Dynamic Matching Systems

Mohammadreza Nazari, Alexander Stolyar|arXiv (Cornell University)|Aug 4, 2016

Optimization and Search Problems参考文献 5被引用 4

一句话总结

本文提出了一种针对具有多种项目类型和有限匹配关系的动态系统的最优实时匹配策略，通过在具有负队列的虚拟系统上应用扩展的贪心对偶（GPD）算法实现。该策略在无需知晓到达率的情况下，渐近地最大化长期平均收益，并确保队列稳定。

ABSTRACT

We consider a matching system with random arrivals of items of multiple types. The items wait in queues, one queue per each type, until they are matched with other items; after a matching is complete, the associated items leave the system. There exists a finite number of possible matchings, each producing a certain amount of reward. In this paper, we propose an optimal matching policy in the sense that it asymptotically maximizes the long-term average matching reward, while keeping the queues stable. This algorithm is constructed by applying an extended version of the greedy primal-dual (GPD) algorithm to a virtual system (with possibly negative queues). The proposed algorithm is real-time, it does not require any knowledge of the arrival rates; at any time it uses a simple rule, based on the current state of virtual queues.

研究动机与目标

• 解决在随机到达和有限匹配关系下，动态匹配系统中长期平均收益最大化的挑战。
• 通过防止在任意到达过程下队列爆炸，确保系统稳定性。
• 设计一种无需事先知晓到达率知识的实时控制策略。
• 开发一种可扩展且可实施的算法，以在随机匹配环境中实际部署。

提出的方法

• 将扩展的贪心对偶（GPD）算法应用于可能具有负队列状态的虚拟系统。
• 基于当前系统状态，利用虚拟队列状态推导出实时匹配决策规则。
• 构建一种对偶变量更新机制，以跟踪长期平均收益和队列动态。
• 将虚拟系统的决策映射回真实系统，以确定实际匹配结果。
• 确保该策略仅使用当前状态信息，即可在实时环境中实现。
• 利用收益最大化与队列稳定性之间的对偶性，指导匹配决策。

实验结果

研究问题

• RQ1 能否设计一种最优匹配策略，在具有多种项目类型的动态匹配系统中，实现长期平均收益的最大化？
• RQ2 在不知道到达率的情况下，如何在任意随机到达过程中保证队列稳定性？
• RQ3 虚拟队列在实现无需先验统计知识的实时最优控制中起到什么作用？
• RQ4 贪心对偶方法能否扩展以处理具有有限匹配关系和收益的一般动态匹配系统？
• RQ5 所提出的策略如何在收益和稳定性两方面实现渐近最优？

主要发现

• 所提出的策略在所有可能的匹配策略中，渐近地最大化长期平均收益。
• 在该策略下，系统保持稳定，即所有队列在时间上保持随机有界。
• 该算法可在实时环境中运行，且无需知晓到达率分布。
• 通过使用可取负值的虚拟队列，仅基于当前状态即可推导出最优匹配决策。
• 扩展的GPD框架在一般动态匹配系统中成功平衡了收益最大化与队列稳定性。
• 该策略在无需对到达过程施加统计假设的前提下，实现了收益与稳定性的双重最优。