[論文レビュー] Approximating Nash Social Welfare by Matching and Local Search

Jugal Garg, Edin Husić+3 more|arXiv (Cornell University)|Nov 7, 2022

Game Theory and Voting Systems被引用数 4

ひとこと要約

本稿では、サブモodラル評価の下で対称ナッシュ社会的総生産（NSW）問題に対して、$(4 + \varepsilon)$-近似を達成する決定的で多項式時間のアルゴリズムを提示する。これは、以前の確率的$380$-近似よりも顕著に改善されたものである。また、最大重み比$\omega$が有界である場合、非対称NSW問題に対して$(\omega + 2 + \varepsilon)e$-近似を提供し、$\nicefrac{1}{2}$-EFX割当（1つのアイテムを除いた場合の envy-freeness）と同時に$8 + \varepsilon$-近似のNSWを達成できることを示し、公平配分分野における重要な未解決問題を解決した。

ABSTRACT

For any $\eps>0$, we give a simple, deterministic $(4+\eps)$-approximation algorithm for the Nash social welfare (NSW) problem under submodular valuations. We also consider the asymmetric variant of the problem, where the objective is to maximize the weighted geometric mean of agents' valuations, and give an $\ee (ω+ 2 + \eps)$-approximation if the ratio between the largest weight and the average weight is at most $ω$. We also show that the $ frac12$-EFX envy-freeness property can be attained simultaneously with a constant-factor approximation. More precisely, we can find an allocation in polynomial time that is both $ frac12$-EFX and a $(8+\eps)$-approximation to the symmetric NSW problem under submodular valuations.

研究の動機と目的

• サブモジュラー評価の下で、対称ナッシュ社会的総生産（NSW）問題に対して、定数要因近似を達成する決定的多項式時間アルゴリズムを設計すること。これは、以前の確率的$380$-近似を改善することを目的とする。
• エージェントが不均等な重みを持つ非対称NSW問題にまで近似保証を拡張し、最大重み比$\omega$に依存する境界を提供すること。
• 公平性として$\nicefrac{1}{2}$-EFX（1つのアイテムを除いた場合の envy-freeness）と、NSWに対する定数要因近似を同時に達成すること。これは、従来の$n$に比例する効率的損失を伴う公平性制約を克服することを目的とする。
• マッチングとローカルサーチ技術を組み合わせた、サブモジュラー評価の下でタイトな近似保証を可能にする新しいアルゴリズムフレームワークを開発すること。

提案手法

• アルゴリズムは、NSWにおける限界利得に基づいて、エージェント間でアイテムを交換または再割当することで、反復的に割当を改善するローカルサーチ手順を用いる。これは、注意深く設計されたポテンシャル関数によって導かれる。
• 近似比の有界性を保証するため、サブモジュラー関数の構造を活用して高品質な初期解を構築するマッチングに基づく初期化ステップを組み込む。
• ローカルサーチプロセスにおける公平性と効率性のトレードオフを制御するため、アイテム$j$の価格ベクトル$p_j$と摂動パラメータ$\bar{\varepsilon}$の使用が、重要な要素である。
• 分析は、サブモジュラリティとNSWの指数的効用関数から導かれる不等式を用いて、現在の割当と最適割当の評価値比を抑え込むことに依存する。
• ローカルサーチを変更して、任意の1つのアイテムを除いた場合に、エージェント同士が他者のバンドルを羨ましく思わないように制約を課すことにより、$\nicefrac{1}{2}$-EFX公平性を保証する。
• 最終的な近似因子は、パラメータ$\omega$の最適化を経て得られる、エージェントごとの積の上限を用いた不等式から導出される。

Figure 1: White circles represent the agents, black squares the item set $H$ , and grey squares the favorite items. Solid lines represent matching $\tau$ , while dashed-dotted lines represent a subset of matching $\pi$ . Figure a) shows matching $\tau$ , matching $\pi$ for the agents in $A_{\pi}$ ,

実験結果

リサーチクエスチョン

• RQ1 サブモジュラー評価の下で、対称NSW問題に対して、確率的$380$-近似を上回る決定的定数要因近似が達成可能か？
• RQ2 エージェントの重みが異なる非対称NSW問題において、達成可能な最良の近似比は何か？また、最大重み比$\omega$にどのように依存するか？
• RQ3 $\nicefrac{1}{2}$-EFXのような非自明な公平性保証と、NSWに対する定数要因近似を同時に達成することは可能か？
• RQ4 サブモジュラー評価設定において、公平性と効率性の制約を組み合わせた場合、近似因子を改善できるか？

主な発見

• 本稿では、サブモジュラー評価の下で、対称NSW問題に対して決定的$(4 + \varepsilon)$-近似アルゴリズムを提示する。これは、以前の確率的$380$-近似よりも顕著に改善されたものである。
• 非対称NSW問題において、最大重みと平均重みの比が$\omega$以下である場合、$(\omega + 2 + \varepsilon)e$-近似を達成する。ここで$\omega$は既知のパラメータである。
• アルゴリズムは、$\nicefrac{1}{2}$-EFXかつ対称NSW問題に対して$(8 + \varepsilon)$-近似である割当を同時に計算でき、公平配分分野における重要な未解決問題を解決した。
• 近似因子は、マッチングによる初期化と、価格に基づくポテンシャル関数を用いたローカルサーチの新規な組み合わせにより達成され、多項式時間収束を保証する。
• サブモジュラリティと指数的効用の性質を用いた評価値比のタイトな境界が分析によって確立され、最終的な近似因子はパラメータ$\omega$の最適化によって導出される。
• 結果は、サブモジュラー評価というより一般的な設定下でも、公平性と効率性が定数要因の保証のもとで同時に達成可能であることを示している。これは、加法的またはXOS評価よりも一般である。