[论文解读] Optimal Solutions for Multi-Unit Combinatorial Auctions: Branch and Bound Heuristics

Rica Gonen, Daniel Lehmann|ArXiv.org|Feb 20, 2002

Auction Theory and Applications参考文献 10被引用 8

一句话总结

本文提出了一种具有理论最优出价排序启发式策略的分支限界算法，用于以最优方式求解多单位组合拍卖（MUCAs）。通过使用平均价格上界并基于最大化剪枝效果的标准优先处理出价，该方法在大型拍卖中仅用不到0.02%的总执行时间即可找到最优解，显著优于以往工作在解发现速度方面的表现。

ABSTRACT

Finding optimal solutions for multi-unit combinatorial auctions is a hard problem and finding approximations to the optimal solution is also hard. We investigate the use of Branch-and-Bound techniques: they require both a way to bound from above the value of the best allocation and a good criterion to decide which bids are to be tried first. Different methods for efficiently bounding from above the value of the best allocation are considered. Theoretical original results characterize the best approximation ratio and the ordering criterion that provides it. We suggest to use this criterion.

研究动机与目标

• 解决在多单位组合拍卖（MUCAs）中寻找最优分配的计算困难问题，其中竞标者对相同和不同的物品组合进行出价。
• 开发一种分支限界框架，通过使用紧致的上界和智能的出价排序策略，高效剪枝搜索空间。
• 表征理论上最优的出价排序准则，以最大化剪枝效果并加速最优解的发现。
• 证明所提出的启发式策略相较于现有方法，能显著减少找到最优解所需的时间。

提出的方法

• 使用深度优先的分支限界搜索并结合回溯机制，探索解空间，同时仅在内存中保留部分解。
• 采用平均价格上界来估计未分配物品可获得的最大价值，从而实现对子树的早期剪枝。
• 应用理论上最优的排序启发式策略（公式6），根据出价在改善解和实现最大剪枝方面的潜力来优先处理出价。
• 结合上界与排序启发式策略，在当前部分解与上界之和小于等于迄今找到的最佳解时，剪枝子树。
• 采用递归结构，每个子问题均为规模更小的MUCAs，各级保持相同问题类型。
• 实际中排除更复杂的上界方法（如投影或基于线性规划的上界），因其计算较慢，转而专注于快速的平均价格上界。

实验结果

研究问题

• RQ1 在分支限界法求解MUCAs时，理论上最优的出价排序准则是什么，能够最大化剪枝效果？
• RQ2 所提出的排序启发式策略在减少最优解发现时间方面有多高效？
• RQ3 简单的平均价格上界是否具备足够的剪枝能力，同时保持快速计算？
• RQ4 与CAMUS等现有算法相比，所提方法在最优解发现时间与总执行时间方面的性能如何？
• RQ5 该算法的运行时间随出价数和物品数增长的行为特征是什么？

主要发现

• 对于包含150个出价的拍卖，最优解在总执行时间的0.02%以内被找到，表明绝大部分时间用于证明最优性。
• 所提出的排序启发式策略（公式6）导致最优解发现时间呈类似指数的减少，且随着问题规模增大，解发现时间占比至少呈指数下降。
• 实验结果表明，执行时间随出价数增长呈次指数增长，表现为对数坐标下为次线性增长。
• 与CAMUS相比，该算法在物品数量增加时表现出次指数增长的运行时间，而CAMUS则表现出指数敏感性。
• 尽管仅使用640KB内存，该算法在最优解发现速度上仍优于CAMUS（使用25MB内存且运行更慢）。
• 平均价格上界在速度和效果上均表现优异，在测试分布中优于更复杂的投影上界，因此在实验中被唯一采用。