Translated from English to Vietnamese - www.onlinedoctranslator.

com

Vấn đề tuyển dụng và hoán vị

Margaret Archibald, Conrado Martínez

Để trích dẫn phiên bản này:

Margaret Archibald, Conrado Martínez. Vấn đề tuyển dụng và hoán vị. Hội nghị quốc tế lần thứ 21
về chuỗi lũy thừa chính quy và tổ hợp đại số (FPSAC 2009), 2009, Hagenberg, Austria. tr.63-76,
�10.46298/dmtcs.2731�. �hal-01185423�

Id HAL: hal-01185423
https://inria.hal.science/hal-01185423
Đăng ngày 20 tháng 8 năm 2015

HALlà một kho lưu trữ truy cập mở đa ngành
để ký gửi và phổ biến các tài liệu nghiên cứu khoa
học, cho dù chúng đã được xuất bản hay chưa. Các
tài liệu có thể đến từ các tổ chức giảng dạy và
nghiên cứu ở Pháp hoặc nước ngoài, hoặc từ các
trung tâm nghiên cứu công cộng hoặc tư nhân.
L'archive ouverte pluridisciplinaireHALest
destinée au dépôt et à la khuếch tán tài liệu khoa
học khoa học niveau recherche, publiés ou non,
émanant des établissements d'enseignement et
de recherche français ou étrangers,
deslaboratoires publics ou privés.
FPSAC 2009, Hagenberg, Áo quy trình DMTCS.AK,2009, 63–76

Vấn đề tuyển dụng và hoán vị

Margaret Archibald1và Conrado Martı́nez2†
Khoa Toán & Toán ứng dụng, Đại học Cape Town, Rondebosch 7701, Nam Phi. E-mail:
1
margaret.archibald-at-uct.ac.za
Khoa Tin học Llenguatges i Sistemes, Đại học Politècnica de Catalunya, E-08034 Barcelona, Tây Ban Nha. E-
mail: conrado-at-lsi.upc.es

Cácvấn đề tuyển dụngđã được giới thiệu gần đây bởi Broder et al. trong ACM-SIAM Symp năm ngoái. về các thuật toán rời rạc
(SODA 2008), như một mô hình đơn giản để ra quyết định trong điều kiện không chắc chắn. Các ứng viên được phỏng vấn theo
trình tự, mỗi người được cho điểm chất lượng và quyết định tuyển dụng hoặc loại bỏ họ phải được đưa ra ngay lập tức. Mục
tiêu là duy trì tỷ lệ tuyển dụng tốt đồng thời cải thiện chất lượng “trung bình” của nhân viên được tuyển dụng.

Chúng tôi cung cấp ở đây một công thức khác của bài toán tuyển dụng theo thuật ngữ tổ hợp. Mô hình tổ hợp này cho
phép chúng ta sử dụng có hệ thống các kỹ thuật từ phân tích tổ hợp, ví dụ, các hàm sinh, để nghiên cứu vấn đề.

Xem xét một hoán vịσ: [1, . . . , N]→[1, . . . , N]. Chúng tôi xử lý hoán vị này theo kiểu tuần tự, sao cho ở bướcTôi, ta xem điểm hay phẩm
chất của thí sinhTôi, đó thực sự là mệnh giá của cô ấyσ(Tôi). Như vậyσ(Tôi)là thứ hạng của ứng cử viênTôi; ứng cử viên tốt nhất trong sốN
được xếp hạngN, trong khi cái tệ nhất được xếp hạng 1. Chúng tôi xác địnhdựa trên thứ hạng chiến lược, những chiến lược đưa ra quyết
định của họ chỉ sử dụng thứ hạng tương đối của ứng viên hiện tại so với điểm của các ứng viên trước đó. Đối với những chiến lược này,
chúng ta có thể chứng minh các định lý chung về số lượng ứng viên được tuyển dụng trong một hoán vị độ dàiN, thời điểm tuyển dụng
cuối cùng và chất lượng trung bình của ứng viên được tuyển dụng cuối cùng, sử dụng các kỹ thuật từ lĩnh vực tổ hợp phân tích. Chúng tôi
áp dụng những kết quả chung này cho các chiến lược cụ thể như tuyển dụng trên mức tốt nhất, tuyển dụng trên mức trung bình hoặc
tuyển dụng trên mức trung bình.tôitốt nhất; một số kết quả của chúng tôi cung cấp quan điểm bổ sung cho kết quả của Broder và cộng
sự, nhưng mặt khác, kết quả chung của chúng tôi áp dụng cho một nhóm lớn các chiến lược tuyển dụng, không chỉ cho các trường hợp
cụ thể.

từ khóa:Ra quyết định trực tuyến, bài toán thư ký, bài toán tuyển dụng, hoán vị, hàm sinh, tổ hợp giải
tích.

1. Giới thiệu
Cácvấn đề tuyển dụngđã được giới thiệu gần đây bởi Broder et al. (1) như một mô hình đơn giản để ra quyết
định trong điều kiện không chắc chắn, liên quan chặt chẽ đếnvấn đề thư ký(xem, ví dụ (3) và các tài liệu tham
khảo trong đó). Trong vấn đề tuyển dụng, một công ty đang phát triển sẽ phỏng vấn và quyết định có thuê ứng
viên theo cách tuần tự hay không. Theo công thức đơn giản nhất, ứng viên mà công ty phỏng vấn

†Nghiên cứu này đã được thực hiện một phần trong khi tác giả thứ hai là khách đến thăm Univ. của Cape Town. Nghiên cứu
của tác giả thứ hai được hỗ trợ bởi Spanish Min. của đề tài KHCN TIN2006-11345 (ALINEX).

1365–8050©
c 2009 Toán rời rạc và Khoa học máy tính lý thuyết (DMTCS), Nancy, Pháp
64 Margaret Archibald và Conrado Martı́nez

ở bướcTôicó điểm chất lượngHỏiTôi, ở đâuHỏiTôi's là các biến ngẫu nhiên iid, có phân phối chung Unif(0,1).Sau
đó, theo chiến lược tuyển dụng của công ty, ứng viênTôiđược thuê hoặc bị loại bỏ. Bài báo của Broder et al. đã
nghiên cứu hai chiến lược tự nhiên, trên cơ sở khá trực quan, sẽ dẫn đến chất lượng đội ngũ nhân viên của
công ty ngày càng được cải thiện, đồng thời duy trì sự cân bằng nhất định với tốc độ mà công ty tuyển dụng
ứng viên: chiến lược đầu tiên làtuyển dụng trên mức trung bìnhvà chiến lược thứ hai làtuyển dụng trên mức
trung bình. Như tên của họ chỉ ra, trongtuyển dụng trên mức trung bìnhmột ứng viên được tuyển dụng khi và
chỉ khi điểm của cô ấy ít nhất bằng điểm trung bình của những ứng viên hiện đang được tuyển dụng, trong khi
ở tuyển dụng trên mức trung bình, một ứng viên được tuyển dụng khi và chỉ khi điểm của cô ấy ít nhất bằng
điểm trung bình của các nhân viên hiện tại. Bài báo cũng xem xét các chiến lượctuyển dụng trên ngưỡngVà
tuyển dụng trên mức tối đa, nơi ứng cử viênTôiđược thuê khi và chỉ khiHỏiTôi≥ τcho một số quy định trướcτ,
hoặc HỏiTôi>tối đa{Q1, . . . ,Qtôi−1}, tương ứng.
Trong bài báo này, chúng tôi cung cấp một công thức thay thế cho vấn đề tuyển dụng theo thuật ngữ tổ hợp; ưu
điểm chính của nó là nó mở ra cánh cửa cho việc áp dụng một loạt các kỹ thuật mạnh mẽ và phong phú đến từ trại tổ
hợp. Chúng tôi không hề khẳng định rằng mô hình mà chúng tôi đề xuất ở đây vượt trội hơn so với mô hình ban đầu,
mà ngược lại, nó bổ sung một cách độc đáo cho mô hình ban đầu bằng cách cung cấp một quan điểm khác có thể hữu
ích trong việc điều tra vấn đề tuyển dụng và nhiều vấn đề của nó. phần mở rộng tự nhiên. Đặc biệt, quan điểm tổ hợp
được giới thiệu ở đây cho phép chúng ta thu được một số kết quả mạnh mẽ và tổng quát (Định lý 1 đến 3) về số lượng
ứng viên được tuyển dụng và các thông số liên quan khác đối với các nhóm chiến lược tuyển dụng lớn, đặc biệt là
những chiến lược chỉ dựa trên quyết định của họ. cácliên quan đếnthứ hạng của một ứng cử viên so với thứ hạng của
những ứng cử viên trước đó.
Xem xét một hoán vịσ: [1, . . . , N]→[1, . . . , N]. Chúng tôi xử lý hoán vị này theo kiểu tuần tự, sao cho ở bước
Tôi, ta xem điểm hay phẩm chất của thí sinhTôi, đó thực sự là mệnh giá của cô ấyσ(Tôi). bạn có thể nghĩ vềσ(Tôi)
như thứ hạng của ứng cử viênTôi; ứng cử viên tốt nhất trong sốNđược xếp hạngN, trong khi cái tệ nhất được
xếp hạng 1. Về mặt này, mô hình rất tự nhiên (xem thêm phần thảo luận trong (1)); nó không phải là quá tự
nhiên để lấy mệnh giáσ(Tôi)như một thước đo tuyệt đối về phẩm chất của ứng viên. Vì những lý do tương tự,
nếuHỏiTôicủa trong mô hình tuyển dụng ban đầu được coi là xếp hạng tương đối sự lựa chọn phân phối thống
nhất trong (0,1)là hoàn toàn hợp lý, nhưng chúng tôi nghĩ rằng việc coi chúng là thước đo chất lượng tuyệt đối
sẽ gây tranh cãi hơn; chẳng hạn, có thể tự nhiên hơn khi cho rằngHỏiTôi's là các biến ngẫu nhiên chuẩn iid có
phân phối Gauss chungN(µ, ν2).
Như trong mô hình ban đầu, ở bướcTôi, chúng ta phải quyết định xem liệu chúng ta có thuêTôiứng cử viên đó hay
không. Quyết định phải được đưa ra dựa trên các giá trịσ(1), . . . ,σ(Tôi)nhìn thấy cho đến nay, và một ứng cử viênTôichỉ
có thể được thuê ở bướcTôi, nếu có. Không có thông tin nào về tương lai được biết, thậm chí không có độ dài của hoán
vịσ. Nếu chúng ta biểu thị bằnghTôi(σ)tập hợp các ứng cử viên (chỉ số của họ) được thuê để bướcTôikhi xử lý hoán vị σ,
thì các quy tắc trên chính thức chuyển thành: 1)hTôi(σ)⊆ {1, . . . , Tôi}(không có ứng viên nào trong tương lai có thể được
tuyển dụng); 2)hTôi(σ)\ {Tôi}=htôi−1(σ) (không thể thuê ứng viên trước đây)(Tôi); và 3)hTôi(σ) =hTôi(σ′)cho hai hoán vị bất kỳσ
Vàσ′miễn làσ(j) =σ′(j)cho tất cảj,1≤j≤Tôi(quyết định phải được thực hiện mà không cần biết về tương lai). Chúng tôi gọihN
(σ)cácbộ tuyển dụnghoán vịσvà đơn giản hóa các ký hiệu để h(σ).

Trên thực tế, vì tương lai không được biết trước, chúng ta nên cân nhắc rằng chúng ta được xếp hạng
so với các ứng cử viên trong quá khứ, hơn là các giá trị thực tếσ(Tôi). Chẳng hạn, trong khi xử lý một số
chuỗi ứng viên, chúng tôi có thể nhận được thông tin rằng ứng viên #11 xếp hạng tốt thứ ba nếu

(Tôi)Điều kiện này có thể được thay thế bằnghTôi(σ)\ {Tôi}⊆ Htôi−1(σ)nếu chúng tôi muốn giới thiệu các chiến lược sa thải, sao cho ở mỗi bước có thể sa thải một
hoặc nhiều ứng viên đang được tuyển dụng.
Vấn đề tuyển dụng và hoán vị 65

so với 10 ứng cử viên đã thấy trước đó (điều này chỉ ngụ ýσ(11)≤n −2).Điều này được nắm bắt chính xác bởi khái
niệm vềchiến lược dựa trên thứ hạngmà chúng tôi trình bày trong Phần 3.

Khi khái niệm về tập hợp tuyển dụng của một hoán vị đã được giới thiệu, một số câu hỏi ngay lập tức xuất hiện
trong đầu: về kích thước của nó, mà chúng ta sẽ biểu thịh(σ) và về các tham số khác, chẳng hạn như “thời gian” của lần
tuyển dụng cuối cùngL(σ)hoặc điểm số của ứng viên được tuyển dụng cuối cùngr(σ).
Tất nhiên, mối quan tâm chính của chúng tôi là giá trị kỳ vọng của các tham số này trên các hoán vị ngẫu nhiên, ví dụ: nếuhN
là kích thước của tập hợp tuyển dụng của một hoán vị ngẫu nhiên về kích thướcN, chúng tôi muốn có đượce{hN}. Chúng ta sẽ
nhất quán sử dụng các chữ cái giống nhau cho các tham số trong hoán vị và cho các biến ngẫu nhiên, nhưMỘT(σ)Và MỘTN. Ở
đây, chúng tôi lưu ý rằng nếu bản thân chiến lược tuyển dụng là ngẫu nhiên, chẳng hạn như “Pessimizing Inc.” thuê ứng viênTôi
với xác suất∝1/σ(Tôi), thì tập tuyển dụng thực sự sẽ là thước đo xác suất trên tất cả các tập con của{1, . . . , N}, nhưng tất cả các
định nghĩa mà chúng ta sẽ thấy ở đây cũng có thể được khái quát hóa dễ dàng để đối phó với các chiến lược này.

Cuối cùng nhưng không kém phần quan trọng, chúng ta sẽ xem xét điều gì xảy ra trong chế độ tiệm cận,
nghĩa là khiN→ ∞và sau khi chia tỷ lệ phù hợp của biến ngẫu nhiên quan tâm. Như chúng ta sẽ sớm thấy, điều
này cung cấp cầu nối giữa mô hình liên tục ban đầu của Broder et al. và phiên bản tổ hợp rời rạc được giới thiệu
ở đây.
Mặt khác, mô hình của chúng tôi giữ nguyên tiềm năng cho các phần mở rộng và việc khái quát hóa nó cho nhiều bộ
là tự nhiên và ngay lập tức.

2 chiến lược đơn giản

Trước tiên chúng ta hãy xem xét tuyển dụng trên ngưỡngτ. Để đơn giản, chúng ta giả sửτ∈z.Sau đóhTôi(σ) ={j|1
≤ j≤TôiVàσ(j)≥ τ}, Vàh(σ) ={1≤j≤n|σ(j)≥ τ}. Do đó, kích thướchNcủa tập hợp tuyển dụng cho bất kỳ hoán vị nào làN
+1− τ. Đối với chế độ tiệm cận, sẽ rất hữu ích khi xem xétτ=α·N+o(N)cho một số 0< α≤1,vì nếu không thì hầu như
tất cả các ứng viên sẽ được tuyển dụng. Sau đó

e{hN} N+1− τ
= = 1−α+o(1).
N N
Cấp bậcrNcủa ứng viên được thuê cuối cùng trong một hoán vị ngẫu nhiên về kích thướcNlà bất kỳ số nào từτĐẾNNvới xác suất
giống hệt nhau, do đó

∑N ( )
j 1 N(N+1) τ(τ −1) 1 +α
e{rN}= = - ∼N + o ( N) .
j=τ
N+1− τ (N+1− τ) 2 2 2

Do đó, khoảng cách được chuẩn hóa đến thứ hạng tối đa (cáckhoảng cách) trung bìnhe{gN}=1-e{rN}/N∼ (1−α)/2 +o(1) (
xem (1)). Các thông số khác của chiến lược tuyển dụng này cũng có thể được phân tích dễ dàng.

Bây giờ chúng ta hãy xem xét một chiến lược đơn giản khác đã được Broder và cộng sự nghiên cứu, tuyển dụng trên
mức tối đa. Chiến lược này dẫn đến một tham số rất nổi tiếng và được nghiên cứu kỹ lưỡng trong các hoán vị ngẫu
nhiên: cực đại từ trái sang phải (xem (5) và các tài liệu tham khảo trong đó). Một yếu tốσ(Tôi)được gọi là cực đại từ trái
sang phải nếu nó lớn hơn tất cả các phần tử trước đó, nghĩa là,σ(j)< σ(Tôi)cho tất cảj < tôi. Rõ ràng,h(σ)chính xác là tập
hợp các vị trí của cực đại từ trái sang phải trongσ. Người ta biết rằnge{hN}=lnN+Ô(1),sao cho quy mô của tập hợp tuyển
dụng nhỏ theo cấp số nhân so với tập hợp các ứng viên được phỏng vấn. Ở đây chúng tôi không cung cấp thêm chi tiết
về chiến lược này, vì nó chỉ là một trường hợp cụ thể (khitôi=1)của chiến lược mà chúng ta xem xét trong Phần 4.
66 Margaret Archibald và Conrado Martı́nez

3 Một khuôn khổ chung cho các chiến lược dựa trên xếp hạng
Trong phần này, chúng tôi phát triển một phân tích chung về quy mô của nhóm tuyển dụng và các thông số khác trongdựa trên thứ hạng
các chiến lược tuyển dụng.
Chiến lược dựa trên thứ hạng là chiến lược mà mỗi quyết định (thuê hoặc loại bỏ) được đưa ra chỉ dựa trên
thứ hạng của ứng viên hiện tại so với thứ hạng của các ứng viên được phỏng vấn trước đó. Tức là mệnh giá
thực tếσ(Tôi)của ứng cử viên hiện tạiTôikhông liên quan, chỉ có vị trí của nó trong số trước đótôi−1 ứng cử viên.
Các chiến lược dựa trên thứ hạng là tự nhiên và chúng mô hình hóa đầy đủ các ràng buộc trong một số trường
hợp, chẳng hạn như khi không có cơ chế đo lường chất lượng theo thuật ngữ tuyệt đối.
Đặc biệt, có thể tranh luận rằng bất kỳ thứ hạng tuyệt đối nàoσ(Tôi)thực sự có sẵn ở bướcTôi; sẽ hợp lý
hơn nếu cho rằng hoán vị đã cho là không xác định cho đến khi ứng viên cuối cùng được phỏng vấn;
những gì chúng tôi giữ ở mỗi bước là thứ tự tương đối của các ứng cử viên đã thấy cho đến nay. Ví dụ,
giả định này phổ biến trong bài toán thư ký tiêu chuẩn, trong đó chỉ có thứ hạng tương đối của các ứng
viên khi họ được kiểm tra liên tiếp (3).
Đưa ra một hoán vịσchiều dàiNVàTôi,1≤Tôi≤N, cho phépρTôi(σ)là hoán vị của độ dàiTôimà chúng ta có được
bằng cách dán nhãn lại tiền tố ban đầu có độ dàiTôiTRONGσtheo cách mà chúng tôi bảo toàn thứ tự tương đối.
Ví dụ,ρ1(25341) = 1,ρ3(25341) = 132Vàρ4(25341) = 1423.Một ký hiệu khác mà chúng ta sẽ định nghĩa bây giờ,
nhưng sử dụng sau này làσ◦j. Đưa ra một hoán vịσkích thướcNvà một giá trịj,1≤j≤N+ 1,chúng tôi biểu thị bằngσ◦
jhoán vị của kích thướcN+1kết quả sau khi dán nhãn lạij,j+1, . . . ,NTRONGσBẰNGj+1, . . . , N+1và nối thêmjđến
cuối cùng. Ví dụ3241◦3 = 42513Và213◦4 = 2134.

định nghĩa 1Một chiến lược tuyển dụng làdựa trên thứ hạngkhi và chỉ nếu với mọi hoán vị σ và mọiTôi,1≤Tôi≤ |σ|,

hTôi(σ) =h(ρTôi(σ)).

Tuyển dụng trên mức tối đa, trên mức trung bình, trên một số nhóm phân vị khác và trên mứctôitốt nhất trong đội ngũ nhân viên
hiện tại (xem Phần 4) đều là các chiến lược tuyển dụng dựa trên cấp bậc. Việc tuyển dụng trên ngưỡng hoặc trên mức trung bình thì
không. Phần còn lại của phần này, chúng tôi sẽ tập trung vào các chiến lược tuyển dụng dựa trên thứ hạng.

Để điều tra kích thước trung bình của tập hợp tuyển dụng trong một hoán vị ngẫu nhiên, chúng tôi
giới thiệu hàm tạo hai biến (2)
∑z|σ|
bạnh(σ),
h(z, bạn) = (1)
σ∈P
|σ|!

Ở đâuPbiểu thị tập hợp tất cả các hoán vị. Nếu chúng ta lấy đạo hàm củahchữ viếtbạnvà thiết lậpbạn=1chúng ta có
được các chức năng tạo ra những khoảnh khắc củahN, ví dụ,
∣ ∑ z|σ|
∂ ∣
h(z) = h(z, bạn)∣∣ = h(σ)
∂u bạn=1 σ∈P
|σ|!

Kể từ đâye{hN}= [zN]h(z).

Định lý 1Cho phéph(z, bạn)là hàm tạo được xác định bởi(1). Cho phépX(σ)biểu thị số hạng
j,1≤j≤ |σ|+1, sao cho một ứng viên có điểmjsẽ được tuyển dụng nếu được phỏng vấn ngay
sau σ, nghĩa là, X(σ)là số điểmjnhư vậy màh(σ◦j) =h(σ)∪{|σ|+1}.
Vấn đề tuyển dụng và hoán vị 67

Sau đó
∂ ∑ z|σ|
bạnh(σ).
(1-z) h(z, bạn)- h(z, bạn) = (u−1) X(σ)
∂z σ∈P
|σ|!

Bằng chứng:Xem Phụ lục A. 2

Mỗi chiến lược tuyển dụng khác nhau sẽ được đặc trưng bởi định nghĩa tương ứng vềX(σ); chẳng hạn,
tuyển dụng trên mức tối đa cóX(σ) = 1cho tất cảσ, vì chỉ có một số điểm mà chúng tôi sẽ thuê một ứng
viên sauσ, cụ thể là, nếu ứng viên có thứ hạng tương đối|σ|+1.
Các đại lượng thú vị khác có thể được phân tích theo cách tương tự. Ví dụ, hãy đểL(σ)biểu thị chỉ số của
ứng viên được thuê cuối cùng trongσ, đó là,L(σ) = tối đa{Tôi:Tôi∈ H(σ)}, với quy ướcL(∅) = 0.Sau đó L(σ◦j) =
L(σ)nếu (|σ|+1)ứng viên không được tuyển dụng, vàL(σ◦j) =|σ|+ 1nếu không thì. cho phép

∑z|σ|
bạnL(σ),
L(z, bạn) =
σ∈P
|σ|!

sự lặp lại choL(σ)Dịch sang

∂L ∑ (zu)|σ| ∑ z|σ|
bạnL(σ),
(1-z) - L(z, bạn) =bạn X(σ) - X(σ) (2)
∂z σ∈P
|σ|! σ∈P
|σ|!

vớiX(σ)như trước.
Bây giờ chúng tôi giới thiệu một hạn chế tự nhiên đối với các chiến lược tuyển dụng, điều này sẽ cho phép chúng tôi đạt được các kết
quả chung hơn nữa. Để bắt đầu, chúng tôi xác định chỉ sốXj(σ), vậy là∑ tXj(σ) = 1nếu một ứng viên có số điểmjlà
thuê sauσVàXj(σ) = 0nếu không thì. Thông báo rằngX(σ) = 1≤j≤|σ|+1Xj(σ).

định nghĩa 2Một chiến lược tuyển dụng làthực dụngkhi và chỉ khi thỏa mãn hai điều kiện sau:

1. Với mọi σ và mọij, Xj(σ) = 1ngụ ýXj′(σ) = 1cho tất cảj′≥j.

2. Với mọi σ và mọij, X(σ◦j)≤X(σ) +Xj(σ).
Điều kiện đầu tiên đơn giản chỉ ra rằng bất cứ khi nào một chiến lược thuê một ứng viên có điểm sốj, nó sẽ
thuê một ứng viên có số điểm cao hơn. Điều kiện thứ hai giới hạn tốc độ tuyển dụng của chiến lược. Đặc biệt,
khả năng tuyển dụngX(·)không thay đổi nếu không có ứng viên mới nào được thuê. Các chiến lược tuyển dụng
thực dụng loại trừ các trường hợp bệnh lý như “thuê bất kỳ ứng viên nào được phỏng vấn ở một bước nào đó là
bội số của 100, nếu không thì loại bỏ” (vì điều kiện #2) hoặc “thuê bất kỳ ứng viên nào có điểm số tương đối cao
hơn điểm số chẵn số ứng viên đã phỏng vấn trước đó” (vì điều kiện
# 1). Tuyển dụng trên mức trung bình, trên một số lượng tử và trêntôithứ tốt nhất (Phần 4) đều thực dụng.

Định lý 2Đối với mọi chiến lược tuyển dụng thực dụng và mọi hoán vị σ,h(σ)chứa ít nhấtX(σ) các ứng cử
viên tốt nhất của σ, nghĩa là các ứng cử viên có điểm |σ|, |σ|−1, . . . , |σ|+1- X(σ).

Bằng chứng:Xem Phụ lục A. 2

Cho phépr(σ)biểu thị số điểm tuyệt đối của ứng viên được thuê cuối cùng trong một hoán vịσ, và đểg(σ) = 1-r(
σ)/|σ|biểu thịkhoảng cách(1).
68 Margaret Archibald và Conrado Martı́nez

Định lý 3Đối với bất kỳ chiến lược tuyển dụng thực dụng nào,

1
e{gN}= (E{X }−N1),
2N
∑ |σ|!.
Ở đâue{XN}= [zN] σ∈PX(σ)z /|σ|

Bằng chứng:Xem Phụ lục A. 2

4 Tuyển dụng cho giới thượng lưu (trêntôitốt nhất)

Trong chiến lược này, chúng tôi có một tham số bổ sungtôi. Ứng cử viênTôiđược thuê nếu điểm của cô ấy cao
hơn điểm của một trong nhữngtôiứng viên tốt nhất hiện đang làm việc. Nói cách khác, nếuetôi−1(σ)là tập hợp
con của các phần tử hiện được thuê trước bướcTôivớitôiđiểm số cao nhất, vàσ(Tôi)lớn hơn điểm tối thiểu tronge
tôi−1(σ), sau đóTôiđược thuê.

Lưu ý rằngTôisẽ ngay lập tức trở thành một phần của “tinh hoa” củatôinhân viên tốt nhất, và các yếu tố` với
số điểm tối thiểu trongetôi−1(σ)sẽ bị xóa khỏi "ưu tú", nghĩa là nó sẽ không có trongeTôi(σ). May mắn thay,̀ anh ta
vẫn sẽ được thuê. Cũng lưu ý rằng đối vớitôi=1chiến lược này chỉ đơn giản là tuyển dụng trên mức tối đa.

Đối với chiến lược này, chúng tôi cóX(σ) =|σ|+ 1nếu như|σ| <tôivì bất kỳ giá trị nàojsẽ được thuê sau khi xử lýσ,
miễn là một tầng lớp ưu tú củatôinhân viên chưa xây dựng được. Một lần|σ|≥tôi, chúng ta sẽ cóh(σ)≥tôivà một giá trị j
sẽ được thuê khi và chỉ khi nó lớn hơn số điểm nhỏ nhất trong giới thượng lưu. Vì điểm số (tương đối) của giới tinh hoa
củaσphải bao gồm|σ|,|σ| -1, . . . ,|σ| - tôi+1có chính xáctôigiá trị cho một người mới được thuê, cụ thể là, nếuj∈ {|σ|+
1, . . . , |σ|−m+2}thì ứng cử viên cuối cùng củaσ◦jsẽ được thuê. Kể từ đây, X(σ) =tôinếu như|σ|≥tôi.

Khi đó vế phải của Định lý 1 là

(
(u−1) 1 + 2zu+3z2bạn2+···+mzm−1bạnm−1
)
+ mH(z, bạn)- tôi(1 +zu+z2bạn2+···+zm−1bạnm−1).

Thay biểu thức trên trở lại Định lý 1 và sắp xếp lại, cuối cùng chúng ta có

∂
(1-z) h(z, bạn)-(mu−m+1)h(z, bạn) =
∂z
(u−1)(1 + 2zu+···+mzm−1bạnm−1)
- m(u−1)(1 +zu+···+zm−1bạnm−1). (3)

Vìtôi=1,phương trình vi phân ở trên rút gọn thành

∂
(1-z) h(1)(z, bạn)- uH(1)(z, bạn) = 0,
∂z
Vấn đề tuyển dụng và hoán vị 69

giải pháp của ai ( )

1
bạn ∑ zN
h(1)(z, bạn) = = cn,kN! bạnk,
1-z
N≥0
k≥0

như chúng tôi áp đặt thêmh(1)(z,1) = 1/(1-z)Vàh(1)(0, bạn) = 1 .Ở đây, chúng tôi sử dụng chỉ số trên để tạo
sự phụ thuộc vàotôirõ ràng.
các hệ sốcn,k= [zNbạnk]h(1)(z, bạn)là các số Stirling không dấu [wn] nổi tiếng o[ft]he loại đầu tiên
N
(4), còn được gọi là số chu kỳ Stirling và được ký hiệu là k.Số chu kỳ StirlingN klà
số hoán vị của kích thướcNcó chứa chính xáckchu kỳ, và nó hóa ra trùng khớp với số lượng hoán vị
kích thướcNmà có chính xáckcực đại từ trái sang phải (5).
Giải pháp chungtôilà
(( ) mu−m+1
1 1
h(tôi)(z, bạn) = P(tôi
u, z)
(mu−m+1)·(mu−m)···(mu−1) 1-z
)
1
+ Hỏi(zu, ) , (4)
(1-z)mm

Ở đâuPtôi(u, z)VàHỏitôi(z, bạn)là đa thức trongzVàbạn.

Nếu chúng ta phân biệt wrtbạnvà thiết lậpbạn=1,chúng tôi có được hàm tạo của các giá trị mong đợi
()
∑ { } ∣ ln 1
∂ ∣ 1−z
Ptôi(z)
h(tôi)(z) = e hN
(tôi)
zN = h( tôi) (z, bạn)∣∣ =tôi - ,
N≥0
∂u bạn=1
1-z 1-z

vớiPtôi(z){ một đa} thức bậcm−1. Kể từ

∑
đâyeh(tôi) N =mHN+Ô(1),Ở đâuhN= 1≤k≤N(1/k)biểu thịNsố điều hòa.
Chúng tôi giữ ở đây ký hiệu thông thườnghNcho các số hài hòa mặc dù có thể nhầm lẫn với các tham số
thiết lập thuê. { Từ } hN=lnN+γ+Ô(N-1), Ở đâuγ=0.577. . .là hằng số gamma Euler, chúng ta
kết luận rằngeh(tôi) =tôiNlnN+Ô(1).Vì vậy, kích thước của tập hợp tuyển dụng là, đối với mọi cố địnhtôi, nhanh chóng
nhỏ hơn tập ứng viên được phỏng vấn.
Vì chúng tôi có một hình thức rõ ràng choh(tôi)(z, bạn), nhiều thông tin khác vềh(tôi)có thể
N được trích xuất. Đặc
biệt, chúng tôi có
{ } ( ( ))
1
ebạnh(tôi) = [zN]h(tôi)(z, bạn)∼MỘTtôi(bạn)·Ntôi(u−1)·1 + Θ
N
N
thống nhất trong một khu phố phức tạp củabạn=1,cho một số phân tíchMỘTtôi(bạn), do đó, theo sau bằng cách áp
dụng định lý lũy thừa của Hwang (2) rằngh(tôi) N hội tụ về phân phối chuẩn. Chính xác hơn,
h(tôi)
- mlnN
N√ →đN(0,1). (5)
tôilnN
{ }
g(tôi)
Ngoài ra, kể từ khie{XN}=tôinếu nhưN≥tôi, Định lý 3 mang lại cho chiến lược nàye N≥ N = (m −1)/2N, nếu như
tôi.
70 Margaret Archibald và Conrado Martı́nez

Bây giờ chúng tôi coi hành vi của chiến lược này làtôithay đổi (lưu ý rằng các kết quả mà chúng ta đã thảo luận ở trên chỉ đúng cho các
trường hợp cố địnhtôi). Để kết thúc này, chúng tôi giới thiệu
∑
H(z, u, v) = vtôih(tôi)(z, bạn),
tôi≥1

vớih(tôi)(z, bạn)hàm sinh mà chúng ta đã nghiên cứu trong các đoạn trước.
Nếu chúng ta đặth(z, v) = (∂h/∂u)|bạn=1, hệ số [zNvtôi]h(z, v)là số lượng chúng tôi tìm kiếm, quy mô tuyển
dụng dự kiến khi quy mô của giới thượng lưu làtôi. nhân vớivtôivà tổng hợp trên tất cảtôi≥1,phương
trình vi phân (3) chuyển thành một phương trình vi phân tương ứng choH(z, u, v)
( )
∂ ∂ v2 1
(1-z) H(z, u, v)-H(z, u, v)-(u−1)v H(z, u, v) = (1- bạn) .
∂z ∂v (1-v)2 1-zuv
Tương tự, phân biệt wrtbạnvà thiết lậpbạn=1phương trình trên chúng ta có được một phương trình vi phân bình
thường choh(z, v)
( ) 2( )
∂ v v 1
(1-z) h(z, v)-h(z, v)- =- , (6)
∂z (1-z)(1-v)2 1-v 1-zv
v
từH(z,1, v) =(1−z)(1−v).
Giải pháp cho phương trình này là (có thể tìm thấy đạo hàm chi tiết trong Phụ lục A)
1
vln11−z vln 1−zv
h(z, v) = - (7)
(1-z)(1-v)2 (1-z)(1-v)2
như chúng ta áp đặth(0, v) = 0.
Bước cuối cùng là trích xuất {hệ số} củah(z, v), có chi tiết { cũng được đưa ra trong Phụ lục A. Đối với

tôi≥N, chúng ta rõ ràng cóeh(tôiN) =N. Vìtôi≤Nchúng ta cóeh(tôi) =tôi(h

NN-htôi+1),Vì thế
{ } ( )
N
e hN (tôi) ∼tôiln tôi +tôi+Ô(1),vìn, m→∞.

5 Tuyển dụng trên mức trung bình (và các phân vị khác)
Tuyển dụng trên mức trung bình có nghĩa là ứng viênTôiđược tuyển dụng khi và chỉ khi điểm số của cô ấyσ(Tôi)lớn hơn so vớirđiểm tốt
nhất của các ứng cử viên được tuyển dụng cho đến nay, vớir=b(htôi−1(σ) + 1)/2c.
Vì chiến lược này dựa trên thứ hạng nên không khó để thấy rằng nếu nhóm tuyển dụng có quy môk=2t
tại một số thời điểm nhất định sau đó cót+1điểm tương đối có thể sẽ được tuyển dụng trong bước tiếp
theo, trong khi nếu nhóm tuyển dụng có quy môk=2t+1thì số điểm tương đối sẽ được thuê trong bước
tiếp theo cũng làt+1.Đó có nghĩa làX(σ) =đ(h(σ) + 1)/2e. Đối phó với trần nhà khá khó khăn, vì vậy thay vào
đó, chúng tôi sẽ xem xét điều gì xảy ra vớiX′(σ) = (1 +h(σ))/2VàX′′(σ) = (3 +h(σ))/2,trong đó cung cấp giới
hạn dưới và trên, tương ứng.
Tương tự như vậy, tuyển dụng trên các phân vị khác, chẳng hạn như tuyển dụng trên (1-Một)h(σ), với0<một <
1, có thể được phân tích theo cùng một cách. Chúng ta nên có sau đóX(σ) =đMột·(h(σ) + 1)e. X(σ)Nói
=Một·h (σđối
chung, ) +bvới
Và
0<một <1,chúng ta có

∂H ∂H
(1-z) - âu(u−1) - (1 +b(u−1))h(z, bạn) = 0,
∂z ∂u
Vấn đề tuyển dụng và hoán vị 71

với các điều kiện bổ sungh(z,1) = 1/(1-z)Vàh(0, bạn) = 1 .Giải pháp hóa ra là
( ) ba
1
h(z, bạn) =bạn−b/a 1 u−1 , (số 8)
1-z1- bạn(1−z)Một

có thể dễ dàng kiểm tra (và thậm chí tìm thấy!) với bất kỳ hệ thống đại số máy tính hợp lý nào. Từ dạng đóng
này, chúng ta có thể tìm thấy các khoảnh khắc giai thừa liên tiếp. Đủ để phân biệtrthời gian và thiết lập bạn=1:
∣
∂rh(z, bạn)∣ ∣
e{hr N}= [zN] ∣ ,
∂ur bạn=1

Ở đâuXr=X(X −1)···(X −r+1)biểu thịrthứ giảm giai thừa (4). Trong phụ lục A, chúng tôi chỉ ra rằng

e{hr N}= Θ(Nra). (9)

Kích thước dự kiến của tập tuyển dụng cũng có thể đạt được nếu chúng ta xem xét phương trình vi phân
được thỏa mãn bởi hàm tạo tương ứngh(z), cụ thể là,

đ b
(1-z) h−(1 +Một)h= .
dz 1-z
Đây là một phương trình vi phân thường cấp một tuyến tính đơn giản có nghiệm là
( )
b1 1
h(z) = - 1.
Một1-z(1-z)Một

từh(0) = 0.Điều này trùng khớp với những gì chúng ta nhận được nếu chúng ta phân biệth(z, bạn)như đã cho bởi (8) và
thiết lậpbạn=1. Việc khai thác các hệ số là đơn giản:
(( ) ) ( ( ))
tỷ+Một b NMột 1
[zN]h(z) = - 1 = 1 +Ô .
Một Một MộtΓ(1 +Một) N
√
Đặc biệt, đối vớiMột=1/2 (tuyển dụng trên mức trung bình) chúng tôi nhận đượce{hN}= Θ( N)và cho “thuêMỘT, di chuyểnb”
(xem (1)) chúng ta cóMột=1-BA; do đóe{hN}= Θ(N1−B/A). Nói một cách dễ hiểu, khi quy mô của nhóm tuyển
dụng đạt đếnkchúng tôi đã phỏng vấnN= Θ(kMỘT/(A−B))thí sinh (đối chiếu với kết quả ở mục (1)).
Mặt kháce{XN}=Mộte{hN}+o(E{hN}), do đó

e{gN}= Θ(Na−1).
√
Đối với trường hợp tuyển dụng cụ thể trên mức trung bình, khiMột=1/2,chúng ta cóe{gN}= Θ(1/ N).

Người giới thiệu

[1] AZ Broder, A. Kirsch, R. Kumar, M. Mitzenmacher, E. Upfal, và S. Vassilvitskii. Vấn đề tuyển dụng và các chiến
lược của Lake Wobegon. TRONGProc. của Hội nghị chuyên đề ACM-SIAM thường niên lần thứ 19 về các
thuật toán rời rạc (SODA), trang 1184–1193. ACM-SIAM, 2008.

[2] Ph. Flajolet và R. Sedgewick.Tổ hợp giải tích. Đại học Cambridge Báo chí, 2008.
72 Margaret Archibald và Conrado Martı́nez

[3] PR Freeman. Vấn đề thư ký và phần mở rộng của nó: Một đánh giá.Đánh giá thống kê quốc tế, 51:189–
206, 1983.

[4] RL Graham, DE Knuth và O. Patashnik.Toán bê tông. Addison-Wesley, Reading, Mass., tái

bản lần 2, 1994.

[5] DE Knuth.Nghệ thuật lập trình máy tính: Các thuật toán cơ bản, tập 1. Addison-Wesley,
Reading, Mass., 3rd edition, 1997.
Vấn đề tuyển dụng và hoán vị 73

một bằng chứng

Bằng chứng (của Định lý 1):Chúng tôi có thể viếth(σ) = 0nếu nhưσlà hoán vị rỗng vàh(σ◦j) =h(σ)+Xj(σ), Ở
đâu {
1,nếu ứng cử viên cuối cùng củaσ◦jđược thuê, 0,
Xj(σ) =
nếu không thì.

Sau đó nếuPNbiểu thị tập hợp các hoán vị kích thướcN,

∑z|σ| ∑ ∑z|σ| ∑∑ ∑ z|σ◦j|

h(z, bạn) = bạnh(σ)=1 + h(σ)
bạn =1+ bạnh(σ◦j)
σ∈P
|σ|! n>0σ∈PN
|σ|! n>0 1≤j≤n σ∈Pn−1
|σ◦j|!
∑ ∑ ∑ z|σ|+1 ∑∑ z|σ|+1 ∑
=1+ bạnh(σ)+Xj(σ)=1 + bạnh(σ) bạnXj(σ).
(|σ|+1)! (|σ|+1)!
n>0 1≤j≤n σ∈Pn−1 n>0σ∈Pn−1 1≤j≤N

TừXj(σ)là 0 hoặc 1 cho tất cảjvà tất cảσ, chúng ta có

∑
bạnXj(σ)= (|σ|+1- X(σ)) +uX(σ),
1≤j≤N
∑
Ở đâuX(σ) = 1≤j≤|σ|+1Xj(σ). Lưu ý rằngX(σ)là số điểm tương đối sao cho một ứng viên
với số điểm như vậy sẽ được thuê ngay sau khi xử lýσ.
Kể từ đây,
∑∑ z|σ|+1 ( )
h(z, bạn) = 1 + bạnh(σ)(|σ|+1- X(σ)) +uX(σ).
(|σ|+1)!
n>0σ∈Pn−1

Lấy dẫn xuất wrtz,

∂ ∑∑ z|σ| ( )
h(z, bạn) = bạnh(σ)(|σ|+1- X(σ)) +uX(σ)
∂z n>0σ∈Pn−1
|σ|!
∑∑ zđz|σ| ∑∑ z |σ| ∑ ∑z|σ|
= dz bạnh(σ)+ bạnh(σ)+ (u−1) bạnh(σ)X(σ)
n>0σ∈Pn−1
|σ|! n>0σ∈Pn−1
|σ|! n>0σ∈Pn−1
|σ|!
∂ ∑ ∑ z|σ|
=z h(z, bạn) +h(z, bạn) + (u−1) bạnh(σ)X(σ).
∂z n>0σ∈Pn−1
|σ|!

Sau khi sắp xếp lại các hạng tử trong phương trình trên và rút gọn, ta thu được phát biểu của
định lý. 2

Bằng chứng (của Định lý 2):Chứng minh bằng quy nạp theo độ dàiNcủa hoán vịσ. Nếu nhưN=0sau
đó h(σ) =∅và thực sự nó chứaX(σ)ứng cử viên tốt nhất trong hoán vị (trống)σ.
xem xét ngay bây giờσ′=σ◦j. Theo giả thuyết quy nạph(σ)chứa tốt nhấtX(σ)ứng viên, với điểm số tương
đối{|σ| - X(σ) + 1, . . . , |σ|}. Vì chiến lược là thực dụng, chỉ những ứng cử viên có thứ hạng tương đối
giữa|σ|+2-X(σ)Và|σ|+1sẽ được thuê. Nếu ứng viên cuối cùng có số điểm tương đốijđược thuê
74 Margaret Archibald và Conrado Martı́nez

sau đó anh ấy là một trong những người giỏi nhấtX(σ) + 1ứng cử viên củah(σ′). BẰNGX(σ′)≤X(σ) + 1,nó theo đóh(
σ′) chứa ít nhất là tốt nhấtX(σ′)ứng cử viên củaσ′. Ngược lại, nếu ứng viên cuối cùng không được thuê thì điểm số
tương đối của ứng viên tốt nhấtX(σ)ứng cử viên trongh(σ)tăng tất cả lên một. Do đó, trongh(σ′)chúng tôi có ít
nhấtX(σ)thí sinh đạt điểm{|σ|+2-X(σ), . . . , |σ|}. Để kết thúc bằng chứng, chỉ cần lưu ý rằng, đối với bất kỳ chiến
lược thực dụng nào,X(σ◦j) =X(σ)nếu ứng cử viên cuối cùng có số điểmjđã không được thuê. 2

Bằng chứng (của Định lý 3):Ứng viên được tuyển dụng cuối cùng phải đạt điểm tuyệt đối trong{|σ|+1−X(σ), . . . , |σ|} vì
Định lý 2. Đối với một hoán vị ngẫu nhiên, tất cả nhữngX(σ)điểm số có khả năng như nhau, do đó đối với một hoán vị
kích thước ngẫu nhiênNchúng ta có

- -
- { ( )}
∑N k - 1 N(N+1) (n−X(σ))(N+1- X(σ)
e{rN}=e =e -
- X(σ)- X(σ) 2 2
k=n−X(σ)+1
{ }
1 1 1 e{XN}
=eN+- X(σ) =N+- .
22 2 2

Cuối cùng,e{gN}=1- N-1e{rN}= (e{XN}−1)/2N. 2

Chứng minh (của phương trình (7)và hệ số [zNvtôi]h(z, v)):Chúng tôi bắt đầu với phương trình vi phân tuyến tính thỏa
mãn bởih(z, v) (phương trình (6))

∂ v 1 v2 1
(1-z) h(z, v)-h(z, v) = - .
∂z 1-z(1-v)2 (1-v)21-zv

Nhân với hệ số tích phân1-zvà tích hợp đối vớizcho

v (1 ) v (1 )
(1-z)h(z, v) = ln - ln + c(v),
(1-v)2 1-z (1-v)2 1-zv

cho một số chức năng chưa biếtc(v).

Sử dụng điều kiện ban đầuh(0, v) = 0,chúng tôi thấy rằngc(v) = 0bất cứ gìv. Kể từ đây

( (1 ))
1 v (1 ) v
[zNvtôi]h(z, v) = [zNvtôi] ln - ln
1-z (1-v)2 1-z (1-v)2 1-zv
( (1 ) ( ))
1 v 1 v 1
= [zN] ln [vtôi] - [vtôi] ln
1-z 1-z (1-v)2 1-z (1-v)2 1-zv
(1 ) tôi
1 1∑ (mzk )
=tôi[zN] ln - [zN] - zk
1-z 1-z 1-z kk=1
Vấn đề tuyển dụng và hoán vị 75

Trích xuất hệ số củazNở trên bây giờ là dễ dàng,

( ∑tôi 1 ∑tôi )
[zNvtôi]h(z, v) =mHN- tôi [zn−k ] 1 - [zn−k ] 1
k=1
k 1-z
k=1
1-z
(m, n) (m, n)
tối thiểu∑ tối thiểu∑
1
=mHN- tôi + 1
k=1
k k=1
{
mHN- mHtôi+tôi, tôi≤N,
nếu như
=
N, nếu nhưm > n.

Bằng chứng (của phương trình 9):xuất phát điểm của chúng tôi là

( ) ba
1
h(z, bạn) =bạn−b/a 1 u−1 .
1-z 1- bạn(1−z)Một

Đủ để phân biệtrthời gian và thiết lậpbạn=1để có được chức năng tạo củarnhững khoảnh khắc giai
thừa củahN:
e{hr N}= [zN]hr(z)
với ∣
∂rh(z, bạn)∣ ∣
hr(z) = ∣ .
∂ur bạn=1

chúng tôi có như vậy

∑r ()
(-1)r−j r
hr(z) =γr ,
j=0
(1-z)ja+1 j

Ở đâuγrlà một đa thức bậcrTRONGx=ba. Trích xuất hệ số

∑r ( )( )
j r ja+N
[zN]hr(z) =γr (-1)r− .
j=0
j N

Do đó, chúng tôi có được điều đó, tiệm cận nhưN→∞,

Nra
[zN]hr(z)∼ γrΓ(ra+1) .

2
76 Margaret Archibald và Conrado Martı́nez