[論文レビュー] Amplified Hardness of Approximation for VCG-Based Mechanisms

Shaddin Dughmi, Hu Fu+1 more|ArXiv.org|Jul 13, 2009

Auction Theory and Applications参考文献 16被引用数 5

ひとこと要約

本稿では、組み合わせオークションにおける任意の最大範囲（MIR）の真実性を持つメカニズムが、k バイダーに対して $1/k$ より良い近似比を達成できないことを確立している。これは、基礎となる社会的福祉最大化問題が APX-ハードであるか、FPTAS を持つ場合でも同様に成り立つ。この結果は、決定的、普遍的に真実性を持つ確率的、および期待値において真実性を持つメカニズムのクラスに対しても成り立ち、評価関数の弱い閉包性の条件下で成立する。

ABSTRACT

If a two-player social welfare maximization problem does not admit a PTAS, we prove that any maximal-in-range truthful mechanism that runs in polynomial time cannot achieve an approximation factor better than 1/2. Moreover, for the k-player version of the same problem, the hardness of approximation improves to 1/k under the same two-player hardness assumption. (We note that 1/k is achievable by a trivial deterministic maximal-in-range mechanism.) This hardness result encompasses not only deterministic maximal-in-range mechanisms, but also all universally-truthful randomized maximal in range algorithms, as well as a class of strictly more powerful truthful-in-expectation randomized mechanisms recently introduced by Dobzinski and Dughmi. Our result applies to any class of valuation functions that satisfies some minimal closure properties. These properties are satisfied by the valuation functions in all well-studied APX-hard social welfare maximization problems, such as coverage, submodular, and subadditive valuations. We also prove a stronger result for universally-truthful maximal-in-range mechanisms. Namely, even for the class of budgeted additive valuations, which admits an FPTAS, no such mechanism can achieve an approximation factor better than 1/k in polynomial time.

研究の動機と目的

• 組み合わせオークションにおける真実性を持つメカニズムが達成可能な近似比の根本的限界を特定すること。
• 最大範囲（MIR）メカニズムが k バイダーに対して $1/k$ の近似限界を超えることができるかを調査すること。
• 普遍的に真実性を持つ確率的 MIR メカニズムおよびより広い期待値において真実性を持つメカニズムのクラスへの硬さの結果の拡張。
• 評価関数クラスの閉包性が、より良い近似比の達成可能性に与える影響を分析すること。
• FPTAS で解ける評価関数クラス（例えば、予算付き加法的評価）ですら、MIR 制約下では $1/k$ の限界を破ることができないことを示すこと。

提案手法

• 問題を2人対の社会的福祉最大化設定に還元し、硬さの強化技術を用いる。
• チェルノフの不等式と確率的解析を用いて、確率的割り当てにおける期待福祉損失を評価する。
• k-分割間の $\frac{\rho}{\rho}$-近接性の概念を導入し、割り当て範囲を分析する。
• シャッタリング風の議論を用いて、$>1/k + \epsilon$ の近似比を達成する場合、その範囲が部分集合にわたる多数の割り当てを含む必要があることを示す。
• 大きな数の $\frac{\rho}{\ell^2}$-近接な分割集合の存在に基づく背理法を用いて、近似比に上限を課す。
• シミュレーションと確率的平均化を用いて、決定的 MIR メカニズムの結果を普遍的に真実性を持つ確率的 MIR メカニズムおよび MIWR メカニズムに拡張する。

実験結果

リサーチクエスチョン

• RQ1 組み合わせオークションにおける、k バイダーに対して多項式時間で動作する MIR 真実性メカニズムが、$1/k$ より良い近似比を達成できるか？
• RQ2 基礎となる社会的福祉最大化問題が FPTAS を持つ場合でも、$1/k$ の限界は維持されるか？
• RQ3 普遍的に真実性を持つ確率的 MIR メカニズムは、予算付き加法的評価に対して $1/k$ の近似閾値を破ることができるか？
• RQ4 評価関数クラスの閉包性が、真実性メカニズムの近似の硬さにどの程度影響を与えるか？
• RQ5 MIDR や MIWR を用いたより一般的な期待値において真実性を持つメカニズムのクラスに対しても、$1/k$ の限界は頑健に成立するか？

主な発見

• 2人対の社会的福祉最大化が PTAS で近似可能でないような、正規の評価関数クラスにおいて、任意の多項式時間の確率的 MIWR メカニズムが $1/k + \epsilon$ より良い近似比を達成できるのは、$\mathsf{NP} \subseteq \mathsf{P}/\mathsf{poly}$ でない限り不可能である。
• FPTAS を持つ予算付き加法的評価関数に対しても、普遍的に真実性を持つ確率的 MIR メカニズムは、多項式時間内で $1/k + \epsilon$ より良い近似比を達成できない。
• 決定的 MIR メカニズムに対して $1/k$ の近似要因はタイトであり、確率的または分布的範囲を持つメカニズムであってもこの上限は向上しない。
• 証明技法は、$1/k + \epsilon$ を超える近似比を達成する任意のメカニズムが、基礎問題の硬さと整合しないほど多くの割り当てを範囲に含む必要があることを示すことに依存している。
• この結果は、カバレッジ、単調減少、XOS、部分加法的、および予算付き加法的評価関数を含む広範な評価関数クラスに適用可能であり、それらの閉包性のおかげである。
• 硬さの結果は頑健である：決定的 MIR メカニズムから普遍的に真実性を持つ確率的 MIR メカニズムおよび MIWR メカニズムへ、さらには Dobzinski と Dughmi が導入した期待値において真実性を持つメカニズムのクラスへも拡張可能である。