[论文解读] PERMUTATION Strikes Back: The Power of Recourse in Online Metric Matching

Varun Gupta, Ravishankar Krishnaswamy+1 more|arXiv (Cornell University)|Nov 28, 2019

Optimization and Search Problems参考文献 24被引用 1

一句话总结

本文提出了一种在线度量匹配中的新型补救机制，表明允许少量重新匹配（补救）可使确定性算法实现远优于以往可能的竞争比。通过在基于树结构客户端到达的多尺度重新匹配基础上增强经典 PERMUTATION 算法，作者在一般度量下实现了 O(log k) 的竞争比与 O(log k) 的摊销补救次数，在直线度量下实现了 3-竞争比与 O(log k) 的补救次数——这显著优于不可逆匹配的 2k−1 下界。

ABSTRACT

In the classical Online Metric Matching problem, we are given a metric space with $k$ servers. A collection of clients arrive in an online fashion, and upon arrival, a client should irrevocably be matched to an as-yet-unmatched server. The goal is to find an online matching which minimizes the total cost, i.e., the sum of distances between each client and the server it is matched to. We know deterministic algorithms~\cite{KP93,khuller1994line} that achieve a competitive ratio of $2k-1$, and this bound is tight for deterministic algorithms. The problem has also long been considered in specialized metrics such as the line metric or metrics of bounded doubling dimension, with the current best result on a line metric being a deterministic $O(\log k)$ competitive algorithm~\cite{raghvendra2018optimal}. Obtaining (or refuting) $O(\log k)$-competitive algorithms in general metrics and constant-competitive algorithms on the line metric have been long-standing open questions in this area. In this paper, we investigate the robustness of these lower bounds by considering the Online Metric Matching with Recourse problem where we are allowed to change a small number of previous assignments upon arrival of a new client. Indeed, we show that a small logarithmic amount of recourse can significantly improve the quality of matchings we can maintain. For general metrics, we show a simple \emph{deterministic} $O(\log k)$-competitive algorithm with $O(\log k)$-amortized recourse, an exponential improvement over the $2k-1$ lower bound when no recourse is allowed. We next consider the line metric, and present a deterministic algorithm which is $3$-competitive and has $O(\log k)$-recourse, again a substantial improvement over the best known $O(\log k)$-competitive algorithm when no recourse is allowed.

研究动机与目标

• 通过允许有限补救（重新匹配先前分配）来突破在线度量匹配中确定性算法的 2k−1 竞争比障碍。
• 探究少量补救是否能使确定性算法在一般度量和特定度量下实现接近最优的竞争比。
• 将在线度量匹配模型扩展以支持客户端和服务器的到达与离开，同时保持低补救次数下的竞争力。
• 证明经典 PERMUTATION 算法在引入补救机制后，可实现最先进性能。

提出的方法

• 作者提出 MULTISCALEPERMUTATION，一种递归重新匹配策略，通过在客户端到达构建的完全 d-叉树的子树层级上解决匹配问题。
• 仅当客户端到达完成一个完整子树时才触发重新匹配，确保重新匹配仅在结构化时间点发生。
• 在直线度量下，通过精心平衡服务器位置与重新匹配决策，该算法的专用变体实现了 3-竞争力。
• 分析采用多级成本分解方法，通过客户端索引的基-d 表示，将在线算法的成本与最优离线匹配进行比较。
• 关键技术洞见是：当子树的客户端数量为奇数时，重新匹配子树中除一个客户端外的所有客户端，可确保负载均衡并控制成本增长。
• 论文还引入了一个完全在线模型，支持客户端和服务器的到达与离开，采用随机化 O(log n)-竞争算法，补救次数为 O(log ∆)。

实验结果

研究问题

• RQ1 在一般度量下，有限补救是否能打破确定性算法在在线度量匹配中的 2k−1 竞争比障碍？
• RQ2 在允许重新匹配的情况下，确定性算法是否能在直线度量下实现常数竞争力，即使补救次数为对数级别？
• RQ3 经典 PERMUTATION 算法能否通过引入补救机制实现更优的竞争比，而无需增加复杂度？
• RQ4 在同时存在客户端和服务器到达与离开的全动态环境中，补救如何影响性能？
• RQ5 能否以理论紧致且实际可行的方式优化竞争比与补救之间的权衡？

主要发现

• MULTISCALEPERMUTATION 算法在一般度量下实现了 O(log k) 的竞争比与 O(log k) 的摊销补救次数，相较于无补救时的 2k−1 下界实现了指数级改进。
• 在直线度量下，所提算法实现了 3-竞争比与 O(log k) 的摊销补救次数，显著优于无补救时的最佳已知 O(log k)-竞争结果。
• 分析表明，在线算法的成本增长为 Ω(i log_d i)（i 个客户端），而最优成本为 O(i)，从而得出 O(log k) 的竞争比。
• 递归重新匹配策略确保：当子树完成且核心客户端数量为奇数时，子树中除一个客户端外的所有客户端均被重新匹配，从而最小化成本膨胀。
• 论文表明，RECURSIVECANCEL 在最坏情况下可能产生 Ω(k²) 的补救次数，而更简单的替代方案（算法 4）仅产生 O(k) 的补救次数，凸显了重新匹配设计的重要性。
• 在支持到达与离开的全在线模型中，随机化算法实现了 O(log n)-竞争力与 O(log ∆)-补救次数，扩展了该框架的适用性。