[論文レビュー] Approximate Nash Equilibria via Sampling

Yakov Babichenko, Ron Peretz|arXiv (Cornell University)|Jul 18, 2013

Game Theory and Applications参考文献 2被引用数 3

ひとこと要約

本稿は、各プレイヤーがm個の行動を有するnプレイヤーゲームが、各プレイヤーがO(log m + log n)個の純粋戦略に一様に確率を割り当てるε均衡を有することを確立している。これにより、各プレイヤーが多項式個の行動を有するゲームにおける近似ナッシュ均衡の計算に、poly(N^{log log N})時間のアルゴリズムが可能になる。さらに、ナッシュ均衡のエントロピーとサンプリングベースのアルゴリズムの効率との間には逆関係が存在し、小確率ゲームに関する先行結果がnプレイヤー設定に一般化される。

ABSTRACT

We prove that in a normal form n-player game with m actions for each player, there exists an approximate Nash equilibrium where each player randomizes uniformly among a set of O(log(m) + log(n)) pure strategies. This result induces an $N^{\log \log N}$ algorithm for computing an approximate Nash equilibrium in games where the number of actions is polynomial in the number of players (m=poly(n)), where $N=nm^n$ is the size of the game (the input size). In addition, we establish an inverse connection between the entropy of Nash equilibria in the game, and the time it takes to find such an approximate Nash equilibrium using the random sampling algorithm.

研究の動機と目的

• nプレイヤーゲームにおける近似ナッシュ均衡に必要な純粋戦略の数の tighter な上限を確立すること。
• 各プレイヤーが多項式個の行動を有するゲームにおける近似ナッシュ均衡の計算複雑度を改善すること。
• ナッシュ均衡のエントロピーと確率的サンプリングアルゴリズムの効率との関係を形式化すること。
• 小確率ゲームに関する先行結果を一般nプレイヤーゲームに一般化すること。
• k-一様近似均衡におけるO(log m + log n)の境界のタイトネスを特定すること。

提案手法

• 混合戦略をk-一様戦略（各プレイヤーがk個の純粋戦略から一様に選択）に置き換えるサンプリング法を用いる。
• 濃度不等式を適用し、k = O((ln m + ln n - ln ε + ln 8)/ε²)がε近似均衡に十分であることを示す。
• k-一様戦略プロファイルの全組み合わせについて全探索を行い、最大m^{nk}通りの可能性を考慮する。
• 特に、エントロピーと確率に関する補題1を用いて、情報理論的ツールを駆使し、均衡エントロピーとサンプリング成功確率の関係を確立する。
• エントロピーと尾確率の境界を用いて、ε均衡を形成するk-一様プロファイルの数の下界を導出する。
• サンプリングによるε均衡の探索にかかる期待時間は、4·2^{k(n log₂ m - H(x))}以下であることが示され、均衡エントロピーH(x)と逆関係にある。

実験結果

リサーチクエスチョン

• RQ1 各プレイヤーがm個の行動を有するnプレイヤーゲームが、k = O(log m + log n)のk-一様戦略を用いてε均衡を有するかどうか。
• RQ2 kに関するO(log m + log n)の境界はタイトか、それともεにのみ依存する定数kに改善可能か。
• RQ3 ナッシュ均衡のエントロピーが、近似均衡を確率的サンプリングで見つけるまでの期待時間に逆関係するか。
• RQ4 サンプリング法の効率は2プレイヤーゲームにとどまらず、nプレイヤーゲームに一般化可能か。
• RQ5 k ≤ C(log n + log m)となるk-一様戦略によるε均衡を有さないゲームが存在するか。

主な発見

• 各プレイヤーがm個の行動を有するnプレイヤーゲームは、k = O((ln m + ln n - ln ε + ln 8)/ε²)の一様戦略を用いたε均衡を有する。
• m = poly(n)であるゲームでは、アルゴリズムの実行時間はpoly(N^{log log N})時間で、従来のpoly(N^{log N})の境界を改善する。
• 確率的サンプリングによるε均衡の探索にかかる期待時間は、4·2^{k(n log₂ m - H(x))}以下であり、均衡エントロピーH(x)と逆関係にあることが示された。
• DaskalakisとPapadimitriouの小確率ゲームに関する結果がnプレイヤーゲームに一般化され、エントロピーと時間のトレードオフが広く成立することが確認された。
• n = poly(m)のとき、Althoferの2プレイヤーゲームに対する下界に基づき、k = O(log m + log n)の境界は定数倍の意味でタイトである。
• 質問1（2行動ゲームにおける定数k）に肯定的であるならば、2行動ゲームに対してpoly(N)時間のアルゴリズムが得られることから、さらなる改善の可能性が示唆される。