[論文レビュー] Anytime Coalition Structure Generation with Worst Case Guarantees

Tüomas Sandholm, Kate Larson+3 more|ArXiv.org|Oct 5, 1998

Game Theory and Voting Systems参考文献 14被引用数 70

ひとこと要約

本稿では、特徴関数ゲームにおける連合構造生成のための、いつでも解を得られるアルゴリズムを提示している。このアルゴリズムは最小限の探索で解の品質に対する最悪ケースの境界を保証する。探索ノード数が $2^{a-1}$ 未満ではいかなる境界も確立できないことを証明し、正確にこの最小探索量でタイトな境界を達成するアルゴリズムを導入している。さらに、追加の計算が可能になるにつれて段階的に性能が向上する。驚くべきことに、1つのノードを追加するだけで境界が半分になる。

ABSTRACT

Coalition formation is a key topic in multiagent systems. One would prefer a coalition structure that maximizes the sum of the values of the coalitions, but often the number of coalition structures is too large to allow exhaustive search for the optimal one. But then, can the coalition structure found via a partial search be guaranteed to be within a bound from optimum? We show that none of the previous coalition structure generation algorithms can establish any bound because they search fewer nodes than a threshold that we show necessary for establishing a bound. We present an algorithm that establishes a tight bound within this minimal amount of search, and show that any other algorithm would have to search strictly more. The fraction of nodes needed to be searched approaches zero as the number of agents grows. If additional time remains, our anytime algorithm searches further, and establishes a progressively lower tight bound. Surprisingly, just searching one more node drops the bound in half. As desired, our algorithm lowers the bound rapidly early on, and exhibits diminishing returns to computation. It also drastically outperforms its obvious contenders. Finally, we show how to distribute the desired search across self-interested manipulative agents.

研究の動機と目的

• 全探索が不可能な大規模マルチエージェントシステムにおいて、高品質な連合構造を効率的に見つける課題に対処する。
• 一般の特徴関数ゲームにおいて、最悪ケース性能境界を保証するために探索しなければならない連合構造の数の理論的下界を確立する。
• 最小限の探索で、可能な限りタイトな境界を達成するいつでもアルゴリズムを設計し、計算時間が増えるにつれて性能が向上するようにする。
• 既存のアルゴリズムが探索深さが不十分なために、いかなる最悪ケース境界も提供できないことを示す。
• 自己利益志向のエージェント間で探索作業を分散可能にするプロトコルを設計し、個々のインcentiveをグローバル最適性と一致させる。

提案手法

• 任意のアルゴリズムが最悪ケース境界を保証するためには、$a$ をエージェント数として、少なくとも $2^{a-1}$ 個の連合構造を探索しなければならないことを証明する。
• グランドコалиションから出発し、1つのコアリションを段階的に分離する方法を体系的に探索する、新規のいつでもアルゴリズムを提案する。
• 最適解値に対するタイトな上界をもたらす構造を優先する探索戦略を用いる。
• 探索に1つのノードを追加するだけで最悪ケース境界が半分になるという事実を活用し、初期段階での収束が著しく速いことを実現する。
• 自己利益志向のエージェントが、グローバル境界の改善と一致するインcentiveを持つように設計された分散プロトコルを構築する。
• 交渉プロトコルにアルゴリズムを統合し、グランドコアリションから出発し、分割と結合の操作を経て段階的に進めるように推奨する。

実験結果

リサーチクエスチョン

• RQ1 一般の特徴関数ゲームにおいて、解の品質に対する最悪ケース境界を保証するために、最小でどの程度の連合構造を探索する必要があるか？
• RQ2 計算時間が増えるにつれて境界を段階的にタイトにできるいつでもアルゴリズムを設計できるか。また、探索効率が最適なままであるか？
• RQ3 既存の連合構造生成アルゴリズムが、いかなる最悪ケース境界も提供できない理由は何か。その背後にある構造的制限は何か？
• RQ4 自己利益志向で操作的なエージェント間で、境界保証を損なわずに必要な探索を分散可能にする方法は何か？
• RQ5 探索順序と戦略が、境界改善の速度と計算効率に与える影響は何か？

主な発見

• 本稿では、$2^{a-1}$ 個未満の連合構造を探索するアルゴリズムでは、いかなる最悪ケース境界も確立できないことを証明しており、これがこのような保証の理論的最小値である。
• 提案されたアルゴリズムは、正確に $2^{a-1}$ 個のノードを用いてタイトな最悪ケース境界を達成しており、他のいかなるアルゴリズムよりも探索量が厳密に多くなる。
• エージェント数が増加するにつれて、境界を達成するために必要な探索空間全体に対する割合は0に近づくため、本手法は非常にスケーラブルである。
• 探索空間に1つのノードを追加するだけで、最悪ケース境界が半分になる。これは、境界品質が初期段階で著しく向上することを示している。
• アルゴリズムは計算に対する収益逓減の性質を示す：初期段階では境界が著しく改善され、その後は徐々に改善速度が鈍くなる。これは望ましいいつでも動作の性質と一致する。
• 境界のタイトさと計算効率の両面で、標準的な代替手法（マージング・スプリッティングアルゴリズムなど）を上回る性能を示している。