[論文レビュー] A Stochastic Game Framework for Analyzing Computational Investment Strategies in Distributed Computing

Swapnil Dhamal, Walid Ben‐Ameur+4 more|arXiv (Cornell University)|Sep 10, 2018

Distributed and Parallel Computing Systems被引用数 8

ひとこと要約

本稿は、分散コンピューティングにおける計算投資戦略を分析するための確率的ゲームフレームワークを提案し、動的なプレイヤーの到着と退去をモデル化している。マーカフ完全均衡（MPE）の結果を同定した。ブロックチェーンのような環境では、低コストプレイヤーのみが完全に投資する。ボランティアコンピューティングでは、中程度のコストを持つプレイヤーのみが投資し、同質のプレイヤーは報酬対コスト比に比例して投資する。

ABSTRACT

We study a stochastic game framework with dynamic set of players, for modeling and analyzing their computational investment strategies in distributed computing. Players obtain a certain reward for solving the problem or for providing their computational resources, while incur a certain cost based on the invested time and computational power. We first study a scenario where the reward is offered for solving the problem, such as in blockchain mining. We show that, in Markov perfect equilibrium, players with cost parameters exceeding a certain threshold, do not invest; while those with cost parameters less than this threshold, invest maximal power. Here, players need not know the system state. We then consider a scenario where the reward is offered for contributing to the computational power of a common central entity, such as in volunteer computing. Here, in Markov perfect equilibrium, only players with cost parameters in a relatively low range in a given state, invest. For the case where players are homogeneous, they invest proportionally to the 'reward to cost' ratio. For both the scenarios, we study the effects of players' arrival and departure rates on their utilities using simulations and provide additional insights.

研究の動機と目的

• 動的なプレイヤーの到着と退去を伴う分散コンピューティングシステムにおける計算投資戦略をモデル化すること。
• 2つの主要なシナリオにおける均衡行動を分析すること：問題を解くことへの報酬（例：ブロックチェーンマイニング）と、中央集権的な計算プールへの貢献に対する報酬（例：ボランティアコンピューティング）。
• コストパラメータ、到着率、退去率が、マーカフ完全均衡におけるプレイヤーの投資意思決定と利得に与える影響を特定すること。
• 両シナリオにおける投資コストと期待報酬のバランスに関する、解析的およびシミュレーションベースの知見を提供すること。

提案手法

• プレイヤー集合が動的に変化する確率的ゲームを定式化し、状態遷移がプレイヤーの行動とシステムのダイナミクスに依存するようにする。
• マーカフ完全均衡（MPE）を適用し、履歴に依存せず、部分ゲーム完全な最適投資戦略を導出する。
• 高コストパラメータを持つプレイヤーが投資を回避する条件を解析的に導出する。一方、低コストプレイヤーは最大容量で投資する。
• ボランティアコンピューティングのシナリオにおいては、現在のシステム状態に基づき、特定の低コスト範囲内のプレイヤーのみが投資するMPE戦略を導出する。
• シミュレーションを用いて、到着率（λ）と退去率（μ）が期待利得に与える影響を評価し、MPEの結果と定常ナッシュ均衡（SNE）を比較する。
• 実世界のビットコインマイニングデータ（例：報酬 ≈ $10⁵、コスト ≈ $0.003/min、ネットワークサイズ ≈ 10⁴人のマイナー）に基づく数値パラメータを用い、現実的なシミュレーション検証を実施する。

実験結果

リサーチクエスチョン

• RQ1 分散コンピューティングの確率的ゲームフレームワークにおいて、高コストパラメータを持つプレイヤーが投資を選ばない条件は何か？
• RQ2 ブロックチェーンマイニング（問題を解くことへの報酬）とボランティアコンピューティング（中央プールへの貢献に対する報酬）という2つのシナリオにおいて、マーカフ完全均衡戦略はどのように異なるか？
• RQ3 プレイヤーの到着率（λ）と退去率（μ）は、両シナリオにおける期待利得および投資行動にどのように影響するか？
• RQ4 同質のプレイヤーの場合、報酬対コスト比と投資水準の関係は何か？
• RQ5 期待利得および戦略的行動の観点から、MPEの結果と定常ナッシュ均衡（SNE）の結果はどのように比較できるか？

主な発見

• ブロックチェーンマイニングのシナリオでは、コストパラメータがしきい値を超えるプレイヤーは投資を行わず、しきい値未満のプレイヤーのみがマーカフ完全均衡で最大出力で投資する。
• ボランティアコンピューティングのシナリオでは、相対的に低いコスト範囲内のプレイヤーのみが投資し、その投資行動は状態に依存する。
• ボランティアコンピューティングのシナリオにおける同質のプレイヤーの場合、投資は報酬対コスト比に比例し、各プレイヤーは状態 $ S $ において $ \frac{r\beta}{c} \cdot \frac{|S|-1}{|S|^2} $ を投資する。
• MPE下でのボランティアコンピューティングの期待利得は、すべてのプレイヤーが同質で状態 $ S $ にいる場合、$ \frac{r}{|S|^2} $ である。これは、競争が減少した場合のMPE利得よりも低い。
• 到着率（λ）の増加は競争を増大させ、プレイヤー1人あたりの期待利得を低下させる。一方、高い退去率（μ）は競争を減少させるが、報酬を逃すリスクを増加させ、結果として利得にネガティブな影響を及ぼす。
• 高μの場合、競争の減少によりMPE利得がSNE利得を上回る場合があるが、シミュレーションでは高いμが全体の期待利得を低下させることが示された。