[論文レビュー] Decentralized, Communication- and Coordination-free Learning in Structured Matching Markets

Chinmay Maheshwari, Eric Mazumdar+1 more|arXiv (Cornell University)|Jun 6, 2022

Game Theory and Voting Systems被引用数 4

ひとこと要約

本稿は、構造的双方向マッチング市場におけるエージェントのための分散型で通信・調整を要しない学習アルゴリズムを提案する。エージェントは、他のエージェントの戦略を事前に知らない状態で、繰り返しの相互作用を通じて自身の好みを学ぶ。アルゴリズムはα-還元可能な好み構造下で時間枠Tに対して対数的レグレットを達成し、安定マッチング設定において競争が性能を著しく劣化させないことを示している。

ABSTRACT

We study the problem of online learning in competitive settings in the context of two-sided matching markets. In particular, one side of the market, the agents, must learn about their preferences over the other side, the firms, through repeated interaction while competing with other agents for successful matches. We propose a class of decentralized, communication- and coordination-free algorithms that agents can use to reach to their stable match in structured matching markets. In contrast to prior works, the proposed algorithms make decisions based solely on an agent's own history of play and requires no foreknowledge of the firms' preferences. Our algorithms are constructed by splitting up the statistical problem of learning one's preferences, from noisy observations, from the problem of competing for firms. We show that under realistic structural assumptions on the underlying preferences of the agents and firms, the proposed algorithms incur a regret which grows at most logarithmically in the time horizon. Our results show that, in the case of matching markets, competition need not drastically affect the performance of decentralized, communication and coordination free online learning algorithms.

研究の動機と目的

• エージェントが自身の好みを事前に把握しない競争的な二方向マッチング市場におけるオンライン学習の課題に取り組む。
• 通信や調整、市場全体の状態観測なしに動作するアルゴリズムを設計し、スケーラビリティとプライバシーを確保する。
• 他の自己中心的エージェントによる競争にもかかわらず、安定マッチングへの収束と最小限のレグレットを達成する。
• エージェントおよび企業の好みに関する現実的な構造的仮定の下で、レグレットの成長に関する理論的保証を確立する。

提案手法

• 学習問題を、ノイズのあるマッチング効用からの統計的学習と、他のエージェントとの衝突の処理という、競争的マッチングに分解する。
• 二段階のアルゴリズムを採用：第一段階では、個人の好みを推定するためのThompson SamplingまたはUCBベースの探索；第二段階では、実証的効用推定に基づく安定マッチング選択メカニズムを採用。
• α-還元可能な好み構造（例：シリアルディクタトリアシスム、クロスインジケーションなし条件）を活用し、一意な安定マッチングと解析可能なレグレットを保証する。
• 企業の行動を、要求を受けた中でランクが最も高いエージェントを受け入れる短期的効用最大化者としてモデル化する。
• 集中不等式およびマルティンゲールの議論を用いて、衝突頻度と選択頻度を分析し、レグレットを評価する。
• 成功したマッチ、拒否、および非最適企業の除外を示す指標を導入し、学習の進行状況とレグレットの構成要素を追跡する。

実験結果

リサーチクエスチョン

• RQ1 通信・調整なしの分散型アルゴリズムは、不完全な好み情報を持つ二方向オンラインマッチング市場で安定マッチングへの収束を達成できるか？
• RQ2 このような環境下で、好みの学習（探索）と拒否回避のための競争（犠牲）の間には、根本的なトレードオフが存在するか？
• RQ3 競争は、構造的マッチング市場における分散型学習アルゴリズムのレグレットにどのように影響するか？
• RQ4 通信や調整、他のエージェントの行動の完全な観測なしに、対数的レグレットを達成できるか？
• RQ5 どのような好みの構造的仮定の下で一意な安定マッチングが存在し、それが効率的な学習を可能にするか？

主な発見

• 提案されたアルゴリズムは、時間枠Tに対して対数的成長が最大限に抑えられるレグレットバウンドを達成する。具体的には、α-還元可能な好み構造下でO(log T)である。
• 非最適企業については、レグレットがO(1/Δ² log(1/Δ) + log T)で有界である。ここでΔは、安定マッチングと非最適企業との間の効用ギャップを表す。
• アルゴリズムは分散型動作を維持する：エージェントは自身の拒否履歴およびマッチング結果に基づいて意思決定を行う。
• 調整不要・通信不要の設計により、大規模オンライン市場におけるスケーラビリティとプライバシーが保証される。
• 本フレームワークは、シリアルディクタトリアシスムやクロスインジケーションなし条件といった、現実世界のプラットフォームで一般的な市場構造をサポートする。
• 実験的平均効用推定値は、ノイズのあるマッチングフィードバックに基づき更新され、グローバルな調整なしに探索と活用のバランスを効果的にとる。