[論文レビュー] Approximate well-supported Nash equilibria in symmetric bimatrix games

Artur Czumaj, Michail Fasoulakis+1 more|arXiv (Cornell University)|Jul 11, 2014

Game Theory and Applications参考文献 11被引用数 4

ひとこと要約

本稿では、任意の十分に小さい δ > 0 に対して、対称的双行列ゲームにおける (1/2 + δ)-well-supportedナッシュ均衡を多項式時間で計算するアルゴリズムを提示する。この手法は、対称的ナッシュ均衡の2つの緩和を組み合わせるものである：1/2の場合の報酬防止を目的とした線形計画法に基づくものと、残りのケースを処理するための確率的解析（Hoeffdingの不等式を用いる）。これにより、高い確率で近似均衡への収束が保証される。

ABSTRACT

The $\varepsilon$-well-supported Nash equilibrium is a strong notion of approximation of a Nash equilibrium, where no player has an incentive greater than $\varepsilon$ to deviate from any of the pure strategies that she uses in her mixed strategy. The smallest constant $\varepsilon$ currently known for which there is a polynomial-time algorithm that computes an $\varepsilon$-well-supported Nash equilibrium in bimatrix games is slightly below $2/3$. In this paper we study this problem for symmetric bimatrix games and we provide a polynomial-time algorithm that gives a $(1/2+δ)$-well-supported Nash equilibrium, for an arbitrarily small positive constant $δ$.

研究の動機と目的

• 対称的双行列ゲームにおけるwell-supportedナッシュ均衡の近似保証を向上させること。
• 対称的ゲームにおける正確なナッシュ均衡計算の計算困難性に対処すること。
• 一般の双行列ゲームにおける既知の最良の境界を上回る近似を達成する多項式時間アルゴリズムを開発すること。
• 対称的ゲームの構造的性質を活用して、より効果的な近似手法を設計すること。

提案手法

• アルゴリズムはまず、1/2を超える報酬を防ぐ対称的戦略プロファイルが存在するかを、1つの線形計画問題でチェックする。
• そのようなプロファイルが存在しない場合、有界な補助支持を持つ混合戦略のサンプリングに基づく確率的構成が用いられる。
• 期待報酬における大きな乖離の確率を抑え込むために、Hoeffdingの不等式が用いられる。
• 各純粋戦略の報酬について、確率的サンプリング下での確率変数を定義し、真の期待値の周辺に濃縮されることを保証する。
• 支持集合内のすべての戦略に対して、和集合の不等式を適用することで、すべての戦略が最適値から δ 以内の報酬を達成する確率が正であることを示す。
• アルゴリズムは、(x, y) という混合戦略のペアを構築し、最適値に近い値をwell-supportする。これにより、(1/2 + δ)-well-supported均衡が保証される。

実験結果

リサーチクエスチョン

• RQ1 対称的双行列ゲームにおけるwell-supportedナッシュ均衡について、2/3より良い近似保証を達成できるか？
• RQ2 対称的ゲームにおいて、(1/2 + δ)-well-supportedナッシュ均衡を多項式時間で計算可能か？
• RQ3 報酬防止による対称的ナッシュ均衡の緩和が、効率的な近似アルゴリズムの設計に利用可能か？
• RQ4 確率的サンプリングと濃縮不等式をどのように組み合わせて、対称的ゲームにおける近似均衡を構築できるか？

主な発見

• 本稿では、任意の δ > 0 に対して、対称的双行列ゲームにおける (1/2 + δ)-well-supportedナッシュ均衡を多項式時間で計算するアルゴリズムを提示する。
• 報酬値が 1/2 以下の対称的ナッシュ均衡が存在する場合、アルゴリズムは1つの線形計画問題によってそれを特定する。
• そのような均衡が存在しないゲームでは、κ(δ) = 2δ² ln(1/δ) で上限が設定された補助支持を持つ戦略のランダムサンプリングが用いられる。
• 正の確率で、サンプルされた戦略はすべての支持集合内戦略について最適値から δ 以内の報酬を達成し、(1/2 + δ)-well-supported均衡が保証される。
• 解析ではHoeffdingの不等式を用いて報酬の乖離確率の尾部確率を抑え込み、和集合の不等式によりすべての支持集合戦略において高い確率で成功が保証される。
• この手法により、得られる戦略プロファイルが (1/2 + δ)-well-supportedナッシュ均衡であることが保証され、一般の双行列ゲームにおける既知の最良の境界（約 0.6619）を上回る。