[論文レビュー] A Faithful Distributed Implementation of Dual Decomposition and Average Consensus Algorithms

Takashi Tanaka, Farhad Farokhi+1 more|arXiv (Cornell University)|Apr 10, 2013

Auction Theory and Applications参考文献 15被引用数 3

ひとこと要約

本稿では、漸近的インcentive互換性という新しい概念を用いて、戦略的かつ自己利益志向のエージェントが分散ネットワークにおけるデュアル分解および平均コアランスアルゴリズムを忠実に実装するようインcentivizeするための課税メカニズムを提案する。このメカニズムにより、アルゴリズムが収束するに従い、エージェントの逸脱に対するインセンティブが減少し、プライベートデータを保持したまま漸近的分散最適化を真実に実装可能となる。

ABSTRACT

We consider large scale cost allocation problems and consensus seeking problems for multiple agents, in which agents are suggested to collaborate in a distributed algorithm to find a solution. If agents are strategic to minimize their own individual cost rather than the global social cost, they are endowed with an incentive not to follow the intended algorithm, unless the tax/subsidy mechanism is carefully designed. Inspired by the classical Vickrey-Clarke-Groves mechanism and more recent algorithmic mechanism design theory, we propose a tax mechanism that incentivises agents to faithfully implement the intended algorithm. In particular, a new notion of asymptotic incentive compatibility is introduced to characterize a desirable property of such class of mechanisms. The proposed class of tax mechanisms provides a sequence of mechanisms that gives agents a diminishing incentive to deviate from suggested algorithm.

研究の動機と目的

• エージェントが戦略的かつ自己利益志向である場合に、分散最適化における真実の参加を保証する課題に対処すること。
• プライベート情報と個別コスト最小化のインセンティブがあるにもかかわらず、エージェントが意図されたアルゴリズムに従うようインセンティブを設計すること。
• 古典的メカニズム設計をデュアル分解や平均コアランスのような漸近的分散アルゴリズムに拡張すること。
• 時間の経過とともに逸脱インセンティブが減少するメカニズムの系列に対して、新しい概念「漸近的インセンティブ互換性」を形式化すること。
• 完全なデータ共有を要しないまま、プライバシーを保護した分散計算による社会的意思決定の実現を可能とすること。

提案手法

• 分散的で反復的なアルゴリズムに適応した、Vickrey-Clarke-Groves（VCG）メカニズムを模倣した課税メカニズムを導入する。
• エージェントの逸脱インセンティブがアルゴリズムの収束に近づくに従い減少するメカニズムの系列を設計する。
• デュアル分解およびコアランスアルゴリズムの連続時間近似を用いて、エージェントの行動と収束をモデル化する。
• 私的タイプを有する状況においても、真実の報告が極限で最適であることを保証するため、事後ナッシュ均衡の概念を適用する。
• デュアル関数の勾配に基づく再帰的更新ルールと、コアランスに基づく補正項を用いて収束を促進する。
• 個々のコストと課税を組み合わせたネットコスト関数を定義し、合理的なエージェントがメカニズム下で総コストを最小化するようにする。

実験結果

リサーチクエスチョン

• RQ1 エージェントが戦略的であり、プライベート情報を誤報する可能性がある場合、どのようにして分散最適化アルゴリズムを忠実に実装できるか？
• RQ2 時間の経過とともにエージェントの逸脱インセンティブが減少する仕組みを設計するためのメカニズム設計原則は何か？
• RQ3 VCGメカニズムは、デュアル分解や平均コアランスのような漸近的・反復的分散アルゴリズムに対しても一般化可能か？
• RQ4 社会的最適解への収束を保証しながら、分散最適化におけるプライバシーをどのように保護できるか？
• RQ5 真実の報告が、メカニズムの系列において漸近的に最適となるための条件は何か？

主な発見

• 提案された課税メカニズムにより、漸近的インセンティブ互換性が保証され、アルゴリズムが進行するに従いエージェントの逸脱インセンティブが減少する。
• このメカニズムは、プライベートデータを伴う反復的・分散アルゴリズムに特化した、VCGメカニズムの一般化である。
• エージェントが戦略的に行動しても、メカニズム下で最適解への収束が保証される。
• アルゴリズム出力の極限は妥当性を満たし、真実の報告におけるネットコストは長期的に最小化される。
• このフレームワークにより、エージェントがプライベート情報を公開する必要なく分散計算が可能となる。
• 理論的分析により、真実の報告が、メカニズムの系列における事後ナッシュ均衡で最適であることが証明された。