[论文解读] Query Efficient Weighted Stochastic Matching

Mahsa Derakhshan, Mohammad Saneian|arXiv (Cornell University)|Nov 14, 2023

Stochastic Gradient Optimization Techniques被引用 1

一句话总结

本文提出了一种针对加权随机匹配问题的查询高效算法，在每个顶点的最大度数为 O(1/p) 的条件下，实现了 0.681 的近似比，其中 p 是边实现概率的最小值。通过将问题转化为在随机实现图上设计方差有界的随机匹配算法，该方法在 poly(1/p) 范围内打破了长期存在的 2/3 近似比障碍，利用了边的独立实现以及一种新颖的概率分析框架。

ABSTRACT

In this paper, we study the weighted stochastic matching problem. Let $G=(V, E)$ be a given edge-weighted graph and let its realization $\mathcal{G}$ be a random subgraph of $G$ that includes each edge $e\in E$ independently with a known probability $p_e$. The goal in this problem is to pick a sparse subgraph $Q$ of $G$ without prior knowledge of $G$'s realization, such that the maximum weight matching among the realized edges of $Q$ (i.e. the subgraph $Q\cap \mathcal{G}$) in expectation approximates the maximum weight matching of the entire realization $\mathcal{G}$. Attaining any constant approximation ratio for this problem requires selecting a subgraph of max-degree $Ω(1/p)$ where $p=\min_{e\in E} p_e$. On the positive side, there exists a $(1-ε)$-approximation algorithm by Behnezhad and Derakhshan, albeit at the cost of max-degree having exponential dependence on $1/p$. Within the $ ext{poly}(1/p)$ regime, however, the best-known algorithm achieves a $0.536$ approximation ratio due to Dughmi, Kalayci, and Patel improving over the $0.501$ approximation algorithm by Behnezhad, Farhadi, Hajiaghayi, and Reyhani. In this work, we present a 0.68 approximation algorithm with $O(1/p)$ queries per vertex, which is asymptotically tight. This is even an improvement over the best-known approximation ratio of $2/3$ for unweighted graphs within the $ ext{poly}(1/p)$ regime due to Assadi and Bernstein. The $2/3$ approximation ratio is proven tight in the presence of a few correlated edges in $\mathcal{G}$, indicating that surpassing the $2/3$ barrier should rely on the independent realization of edges. Our analysis involves reducing the problem to designing a randomized matching algorithm on a given stochastic graph with some variance-bounding properties.

研究动机与目标

• 在边实现不确定性条件下，开发一种针对加权随机匹配问题的查询高效算法。
• 在最大度数为 1/p 的多项式范围（poly(1/p) regime）内，将近似比提升至超过 2/3 的障碍。
• 通过实现每个顶点的最大度数为 O(1/p)，建立查询复杂度的紧致渐近界。
• 证明打破 2/3 障碍需要利用边的独立实现，而不仅仅是图的结构特性。
• 将随机匹配问题约化为设计方差有界的随机匹配算法。

提出的方法

• 将加权随机匹配问题约化为在随机实现图上构造具有特定方差有界特性的随机匹配算法。
• 采用一种随机采样过程，对来自最优分数匹配的多个独立匹配进行采样，以提升边被包含的概率。
• 使用两阶段算法：第一阶段基于分数匹配值进行关键边选择；第二阶段利用花形不等式约束对非关键边进行舍入。
• 应用容斥原理和指数尾部界，推导出任意边被包含在最终子图 Q 中的概率的下界。
• 引入一种概率分析框架，利用对称性和凸性论证，以界定边的两个端点在中间匹配中均未匹配的概率。
• 采用交换论证法，证明当边权重在邻居间平衡时，两个端点均未匹配的最小概率被达到，从而实现对匹配覆盖率的紧致下界。

实验结果

研究问题

• RQ1 在 poly(1/p) 范围内，是否可以在加权随机匹配问题中实现大于 2/3 的常数近似比？
• RQ2 为实现任何常数近似比，所需的最大度数的最紧可能界是什么？
• RQ3 是否可以在不依赖二分图结构或指数级度数查询的前提下打破 2/3 的障碍？
• RQ4 在边独立实现的前提下，实现更高近似比所需的随机匹配的结构特性是什么？
• RQ5 如何形式化并利用匹配算法中的方差有界特性以提升期望匹配权重？

主要发现

• 本文在 poly(1/p) 范围内，为加权随机匹配问题实现了 0.681 的近似比，显著优于此前在该范围内的最佳结果 0.536。
• 该算法在最大度数为 O(1/p) 的条件下实现该结果，对于任何常数近似比而言，该度数为渐近紧致的。
• 该方法在 poly(1/p) 范围内打破了 2/3 的近似比障碍，表明当边实现独立时，该障碍并非根本性限制。
• 分析证明，2/3 障碍源于边之间的相关结构，而独立实现使得通过方差有界的匹配算法实现更优近似成为可能。
• 本文建立了从随机匹配问题到设计方差有界随机匹配算法的约化，为未来研究开辟了新方向。
• 非关键边的两个端点在匹配阶段均未匹配的概率下界为 0.25² = 0.0625，从而实现了对最终匹配权重的强集中性界。