Core Concepts
需要の相関を捉えるための新しい確率モデルを提案し、それに適応したオンラインアルゴリズムを開発する。従来のアプローチでは性能保証が得られないが、提案手法では最適な定数倍性能保証を達成できる。
Abstract
本論文では、オンラインマッチングの問題設定において、需要の相関を捉えるための2つの新しい確率モデルを提案している。
従来のモデルでは需要が独立であると仮定されていたが、実際の需要データではこの仮定が成り立たない場合が多い。そこで本論文では、需要の相関を表現できる2つのモデル、IndepモデルとCorrelモデルを導入した。
Indepモデルでは、各需要タイプの需要が独立に分布するが、その分布は任意のものを許容する。一方Correlモデルでは、需要の総量が任意の分布に従うが、各需要タイプの割合は固定されている。
これらの新しいモデルに対して、従来のアプローチでは性能保証が得られないことを示した。そこで、各モデルに対して新しいアルゴリズムを提案し、最適な定数倍性能保証を達成できることを示した。
Indepモデルに対しては、切断LPを用いた1/2競争的アルゴリズムを開発した。また、その実装のために、需要の不確実性を考慮した新しい確率的ラウンディング手法を提案した。
Correlモデルに対しては、条件付きLPを用いた1/2近似アルゴリズムを開発した。この手法は需要の総量の変動に適応的に振る舞う。
これらの理論的結果は、需要の相関や高分散を許容しつつ、従来の最良の性能保証を一般化したものとなっている。また、数値実験の結果から、提案手法が需要の不確実性が高い場合に有効であることが示された。
Stats
需要の分散が平均を上回る場合が多数存在する。
需要の総量と各需要タイプの需要には相関がある。
Quotes
需要の相関を捉えるためには、従来の独立需要モデルでは不十分である。
需要の分散が大きい場合、流体緩和問題では性能保証が得られない。