[論文レビュー] Approximate Equilibria in Games with Few Players

Patrick Briest, Paul W. Goldberg+1 more|ArXiv.org|Apr 29, 2008

Game Theory and Applications参考文献 12被引用数 10

ひとこと要約

本稿は、定数個のサポートサイズをもつk人称の正準形ゲームにおける近似ナッシュ均衡を研究する。単純なアルゴリズムを提示し、各プレイヤーのサポートサイズが最大2である(1−1/k)-ナッシュ均衡を計算可能であることを示し、この境界がタイトであることを証明する。さらに2人称アルゴリズムの統合により近似精度を向上させ、集中不等式を用いてkがnに対して小さい場合にO(log n)のサポートサイズが、指数時間より速いアルゴリズムに十分であることを示す。

ABSTRACT

We study the problem of computing approximate Nash equilibria (epsilon-Nash equilibria) in normal form games, where the number of players is a small constant. We consider the approach of looking for solutions with constant support size. It is known from recent work that in the 2-player case, a 1/2-Nash equilibrium can be easily found, but in general one cannot achieve a smaller value of epsilon than 1/2. In this paper we extend those results to the k-player case, and find that epsilon = 1-1/k is feasible, but cannot be improved upon. We show how stronger results for the 2-player case may be used in order to slightly improve upon the epsilon = 1-1/k obtained in the k-player case.

研究の動機と目的

• 少数のプレイヤーと定数サポート戦略をもつゲームにおける近似ナッシュ均衡の限界を分析すること。
• 2人称ゲームにおけるε-ナッシュ均衡に関する既知の結果をk人称ゲームへ拡張すること。
• 定数サポート混合戦略を用いて達成可能な最良のε近似を特定すること。
• k人称ゲームにおける近似均衡のための効率的アルゴリズムを開発すること。
• プレイヤー数kが√nに対してo(√n)である場合に、近似均衡のためのサブ指数時間アルゴリズムを確立すること。

提案手法

• Daskalakisらの2人称アルゴリズムをk人称ゲームへ拡張し、各プレイヤーが2戦略のサポートをもつようにする。
• k−1人称近似アルゴリズムをサブルーチンとして用いる再帰的アルゴリズムを構築する。
• 有界差分不等式に基づく確率的議論を用いて、期待利得のずれを制限する。
• 集中不等式を適用し、O(log n)サンプルの経験的分布がε-ナッシュ均衡をもたらすことを示す。
• δkをδk−1の関数として表す再帰的関係を導出する。2人称の場合の一般化である。
• 和集合の不等式と尾確率の不等式を用い、すべてのプレイヤーの後悔が高確率でε以内にあることを保証する。

実験結果

リサーチクエスチョン

• RQ1 k人称ゲームにおける定数サポート戦略の最良の近似保証εは何か？
• RQ2 2人称アルゴリズムの手法をk人称ゲームに一般化し、1/Nashより優れた均衡を達成できるか？
• RQ3 k人称ゲームにおいてε-ナッシュ均衡を保証する限りで、サポートサイズはどの程度小さくできるか？
• RQ4 kがnに対して小さい場合に、近似均衡のためのサブ指数時間アルゴリズムを構築できるか？
• RQ5 k人称ゲームにおいてε-ナッシュ均衡を達成するために必要な最小サポートサイズは何か？

主な発見

• 任意のk人称ゲームにおいて、各プレイヤーのサポートサイズが最大2である(1−1/k)-ナッシュ均衡を多項式時間で計算可能である。
• この(1−1/k)近似境界はタイトである：定数サポート戦略では、これより良い近似保証は達成できない。
• 2人称近似アルゴリズムを再帰的に適用することで、k人称ゲームにおいて(1−1/k)より優れた近似を得られる。
• 有界差分不等式により、O(log n)のサポートサイズがk人称ゲームにおけるε-ナッシュ均衡に十分であることが簡潔に証明できる。
• k = o(√n)のとき、O(log n)戦略のサポート列挙により、近似均衡のためのサブ指数時間アルゴリズムが得られる。
• k = o(n^{1/3})のとき、純粋戦略数nの観点からも、アルゴリズムはサブ指数時間で実行可能である。