[论文解读] Truthful Matching with Online Items and Offline Agents

Michal Feldman, Federico Fusco+2 more|arXiv (Cornell University)|Nov 3, 2022

Auction Theory and Applications被引用 2

一句话总结

本文研究了在对抗性顺序下在线二分图匹配中福利最大化的可信机制，其中物品在线到达，离线代理具有私有价值和期望物品集合。研究发现，在短视代理和公开期望集合下，Karp、Vazirani 和 Vazirani 的经典 e/(e−1) 竞争比可扩展至可信机制；而在非短视代理和私有边的情况下，竞争比退化至 Ω(log ν / log log ν)，揭示了策略性与非策略性设置之间的显著差异。

ABSTRACT

We study truthful mechanisms for welfare maximization in online bipartite matching. In our (multi-parameter) setting, every buyer is associated with a (possibly private) desired set of items, and has a private value for being assigned an item in her desired set. Unlike most online matching settings, where agents arrive online, in our setting the items arrive online in an adversarial order while the buyers are present for the entire duration of the process. This poses a significant challenge to the design of truthful mechanisms, due to the ability of buyers to strategize over future rounds. We provide an almost full picture of the competitive ratios in different scenarios, including myopic vs. non-myopic agents, tardy vs. prompt payments, and private vs. public desired sets. Among other results, we identify the frontier for which the celebrated $e/(e-1)$ competitive ratio for the vertex-weighted online matching of Karp, Vazirani and Vazirani extends to truthful agents and online items.

研究动机与目标

• 设计在线二分图匹配中福利最大化的可信机制，其中物品在线到达，代理为离线且具有私有价值和期望集合。
• 分析代理短视性、支付时机（及时 vs. 延迟）以及私有与公开期望集合对竞争比的影响。
• 确定在此反转的在线匹配设置下，可信机制的极限，特别是针对能够预见未来机会的战略代理。
• 识别经典在线匹配保证可扩展至离线战略代理的可信机制的边界。

提出的方法

• 提出一种探索-利用机制，通过平衡探索（学习代理类型）与利用（分配物品）来维持可信性。
• 使用分桶技术将代理按价值分组，并通过代理类型（利用/探索）的条件期望分析预期性能。
• 应用期望的线性性质和跨分桶的摊销分析，以有界预期福利相对于 OPT 的关系。
• 引入一种随机机制，具有事前可信性，并证明在私有边情况下 α < 2 的不可能性结果。
• 通过对分桶索引使用全概率定律，聚合所有价值范围的边界。
• 分析及时与延迟机制，表明在非短视代理与公开边的情况下，两者性能等价。

实验结果

研究问题

• RQ1 当代理为离线且物品在线到达时，经典 Ranking 算法的 e/(e−1) 竞争比是否可在可信机制中保持？
• RQ2 与短视或公开集合设置相比，当代理为非短视且具有私有期望集合时，竞争比如何退化？
• RQ3 在存在私有边的情况下，事前可信机制可实现的最佳竞争比是多少？
• RQ4 可信机制设计的困难性主要源于事后可信性，还是即使在较弱的事前可信性下也固有存在？
• RQ5 支付时机（及时 vs. 延迟）与代理短视性如何影响可信机制的设计与性能？

主要发现

• 对于具有公开期望集合的短视代理，本文通过随机机制实现了 e/(e−1) 的竞争比，与经典结果一致。
• 对于具有私有期望集合的短视代理，竞争比仍为 e/(e−1)，表明在短视性下私有集合不会降低性能。
• 对于具有公开边的非短视代理，竞争比为 O(log ν)，其中 ν = min(m,n)，这是由于对未来的物品存在策略性操纵。
• 对于具有私有边的非短视代理，竞争比退化至 Ω(log ν / log log ν)，表明由于私有信息导致性能显著下降。
• 本文证明，不存在任何随机事前可信机制可在私有边情况下实现 α < 2 的近似比，即使采用延迟支付亦不可行。
• 结果表明存在显著分界：在非短视代理下，可信机制表现出对数级竞争比，而短视代理则保留最优的 e/(e−1) 比。