렌트·리스·구매 다중경사 스키 대여 문제의 최적 랜덤 알고리즘

본 논문은 온라인 의사결정 문제 중 하나인 **다중경사 스키 대여(Multislope Ski Rental)** 를 다루며, 특히 **랜덤화된 알고리즘**에 초점을 맞춘다. 전통적인 스키 대여 문제는 “렌트”와 “구매” 두 가지 옵션만을 제공한다. 여기서 “구매”는 초기 일시 비용 \(b\) 을 내고 이후 비용이 0인 반면, “렌트”는 초기 비용이 없고 시간당 비용 \(r\) 을 지속적으로 지불한다. 사용자는 언제든 구매 시점으로 전환할 수 있으며, 최적의 온라인 전략은 적대적 적합자가 정한 사용 시간 \(t\) 에 대해 오프라인 최적 비용 \(\min\{b, rt\}\) 과의 비율을 최소화한다. 이 경우, 결정적 알고리즘은 경쟁비율 2, 랜덤화된 알고리즘은 \(e/(e-1)\approx1.58\) 을 달성한다는 것이 알려져 있다. 다중경사 스키 대여는 이러한 모델을 **\(k+1\)개의 단계**(또는 “슬로프”)로 확장한다. 각 단계 \(i\) 는 일시 비용 \(b_i\)와 시간당 비용 \(r_i\) ( \(b_0=0,\; r_0>r_1>\dots>r_k\) ) 로 정의된다. 사용자는 현재 단계에서 다음 단계로만 전환할 수 있으며, 전환 비용은 두 가지 경우로 나뉜다. 1. **Additive(가산) 모델** – 전이 비용이 \(b_{j}-b_i\) 와 같이 누적된다. 즉, 단계 \(i\) 에서 \(j\) 로 이동하려면 차액만큼만 추가로 지불한다. 2. **Non‑additive(비가산) 모델** – 전이 비용이 임의의 \(b_{ij}\) 로 정의되어, 단계 간 차이가 반드시 누적되지 않는다. 논문은 먼저 **additive 모델**에 대해 깊이 있게 분석한다. 저자들은 다음과 같은 두 단계 전략을 제시한다. ### 1. 두 단계 인스턴스로 분해 각 단계 \(i\) ( \(1\le i\le k\) )에 대해 두 단계 스키 대여 인스턴스를 만든다. - 첫 번째 슬로프: 일시 비용 \(b_i^0=0\), 렌트 비용 \(r_i^0=r_{i-1}-r_i\). - 두 번째 슬로프: 일시 비용 \(b_i^1=b_i-b_{i-1}\), 렌트 비용 \(r_i^1=0\). 이 두 슬로프는 원래 인스턴스의 전이점 \(s_i\) ( \(b_{i-1}+r_{i-1}s_i=b_i+r_i s_i\) )에서 정확히 교차한다. 따라서 각 두 단계 인스턴스의 최적 오프라인 비용 \(\text{opt}_i(t)=\min\{b_i^1, r_i^0 t\}\) 는 원래 인스턴스의 비용을 구간별로 분해한 것과 동일하다. ### 2. 두 단계 최적 랜덤 전략 결합 두 단계 스키 대여에 대해 이미 알려진 최적 랜덤 프로파일 \(p_i(t)=(p_i^0(t),p_i^1(t))\) 는 경쟁비율 \(e/(e-1)\) 을 달성한다. 저자들은 이들을 선형 결합해 새로운 프로파일 \(\hat p\) 을 만든다. 구체적으로 \