[論文レビュー] A constant-factor approximation algorithm for Nash Social Welfare with submodular valuations

Wenzheng Li, J. Vondrák|arXiv (Cornell University)|Mar 18, 2021

Cryptography and Data Security被引用数 4

ひとこと要約

本稿では、単調な下位モジュラー評価を持つナッシュ社会的総福祉問題に対して、多項式時間の380近似アルゴリズムを提示する。この手法は、非凸リラクセーション（ミックス多重線形リラクセーション）を新たに導入し、近似解法と集中不等式を用いた確率的丸めを組み合わせる。このアプローチは、ラド評価関数に関する先行研究を拡張し、最も広範な下位モジュラー評価関数クラスにおいて定数倍の保証を達成する。

ABSTRACT

We present a $380$-approximation algorithm for the Nash Social Welfare problem with submodular valuations. Our algorithm builds on and extends a recent constant-factor approximation for Rado valuations.

研究の動機と目的

• 一般に定数倍近似が可能であることが示されていない自然なクラスである、下位モジュラー評価関数を伴うナッシュ社会的総福祉に対する定数倍近似アルゴリズムの設計。
• モジュラーフレームワークを用いて、ラド評価関数に関する先行研究の手法を一般の単調な下位モジュラー関数へ拡張すること。
• 下位モジュラー設定において近似保証を維持しつつ、各エージェントにゼロでない値が得られるように保証する課題を克服すること。
• 有界な近似比を持つ多項式時間アルゴリズムを提供し、下位モジュラー評価関数に対する従来のO(n)-近似を改善すること。
• ナッシュ社会的総福祉の非対称的および公平性制約付きの変種における定数倍近似の基盤を築くこと。

提案手法

• ナッシュ社会的総福祉の目的関数をモデル化するため、新しい非凸リラクセーション（ミックス多重線形リラクセーション）を導入する。
• 凸プログラミング技法を用いて、ミックス多重線形リラクセーションを近似的に解くアルゴリズムを開発する。
• 分数解をスパース化しつつ価値保証を維持する制限付き確率的丸め手順を適用する。
• マッチングに基づく精錬ステップを用いて、エージェントに追加のアイテムを割り当て、部分的関数の集中性により価値の維持を図る。
• 組合せ的マッチングと確率的解析を活用して、エージェント間の幾何平均の劣化を制限する。
• 丸めとマッチングステップをパrameter化された解析と組み合わせ、最終的な近似係数を導出する。

実験結果

リサーチクエスチョン

• RQ1 一般の単調な下位モジュラー評価関数を伴うナッシュ社会的総福祉に対して、価値オракルアクセスのみを用いて定数倍近似が達成可能か。
• RQ2 ラド評価関数に用いられた手法を、より広範な下位モジュラー関数のクラスへどのように拡張できるか。
• RQ3 凸リラクセーションが下位モジュラー目的関数に失敗する状況において、定数倍近似を可能にするリラクセーションと丸めフレームワークは何か。
• RQ4 各エージェントが非自明な値を獲得するように保証しつつ、近似比を有界に保てるか。
• RQ5 提案された手法的フレームワークを用いて、380を超える近似係数を改善できるか。

主な発見

• 本稿は、単調な下位モジュラー評価関数を伴うナッシュ社会的総福祉に対して、380近似を達成し、この一般クラスにおける初めての定数倍保証を実現した。
• 近似係数は、新規のミックス多重線形リラクセーション、制限付き確率的丸め、およびマッチングに基づく精錬ステップの組み合わせによって導出された。
• アルゴリズムは多項式時間で実行され、下位モジュラー評価関数の価値オラクルへのアクセスのみに依存する。
• 従来の下位モジュラー評価関数に対するO(n)-近似を改善し、定数倍近似法の適用範囲をラドおよび予算加法的評価関数を超えて拡張した。
• 解析により、確率的丸めとマッチングでさえも、エージェントの評価の幾何平均が最適解の380分の1以内に保たれることを示した。
• この結果により、価値オラクルアクセスのもとで、下位モジュラー評価関数が、定数倍近似が可能な最大の自然なクラスであることが立証された。