[論文レビュー] From Convex Optimization to Randomized Mechanisms: Toward Optimal Combinatorial Auctions

Shaddin Dughmi, Tim Roughgarden+1 more|arXiv (Cornell University)|Feb 28, 2011

Auction Theory and Applications被引用数 21

ひとこと要約

本稿では、マトロイドランクサム（MRS）評価の組み合わせオークションに対して、新しい期待真実性を持つメカニズムを提示する。このメカニズムは、確率的ラウンディングフレームワークを用いて、最適な福祉の $(1-1/e)$-近似を達成する。メカニズムは、ラウンディング処理の入力を最適化するのではなく、その出力分布を直接最適化することで、真実性を保ちながら多項式時間の効率性を維持し、NP困難な福祉最大化問題における最良の近似比に一致する。

ABSTRACT

We design an expected polynomial-time, truthful-in-expectation, (1-1/e)-approximation mechanism for welfare maximization in a fundamental class of combinatorial auctions. Our results apply to bidders with valuations that are m matroid rank sums (MRS), which encompass most concrete examples of submodular functions studied in this context, including coverage functions, matroid weighted-rank functions, and convex combinations thereof. Our approximation factor is the best possible, even for known and explicitly given coverage valuations, assuming P != NP. Ours is the first truthful-in-expectation and polynomial-time mechanism to achieve a constant-factor approximation for an NP-hard welfare maximization problem in combinatorial auctions with heterogeneous goods and restricted valuations. Our mechanism is an instantiation of a new framework for designing approximation mechanisms based on randomized rounding algorithms. A typical such algorithm first optimizes over a fractional relaxation of the original problem, and then randomly rounds the fractional solution to an integral one. With rare exceptions, such algorithms cannot be converted into truthful mechanisms. The high-level idea of our mechanism design framework is to optimize directly over the (random) output of the rounding algorithm, rather than over the input to the rounding algorithm. This approach leads to truthful-in-expectation mechanisms, and these mechanisms can be implemented efficiently when the corresponding objective function is concave. For bidders with MRS valuations, we give a novel randomized rounding algorithm that leads to both a concave objective function and a (1-1/e)-approximation of the optimal welfare.

研究の動機と目的

• 異種の財と制限付き評価を持つ組み合わせオークションにおける福祉最大化のための、計算的に効率的で期待真実性を持つメカニズムの設計。
• NP困難な問題に対して定数倍近似を達成し、$P \neq NP$ における最良の近似比に一致させる。
• 標準的な確率的ラウンディングアルゴリズムが直接的に真実性を持つメカニズムに変換できないという制限を克服する。
• 凸最適化に基づく、期待真実性を持つ近似メカニズムを設計する一般枠組みの開発。
• 提案されたフレームワークがMRS評価に適用された際に、目的関数が凹関数となることを示すこと。

提案手法

• メカニズムは、福祉最大化問題の分数緩和を事前に解く新しい確率的ラウンディングアルゴリズムに基づく。
• 入力の分数量を最適化する代わりに、このラウンディングアルゴリズムの確率的出力分布を直接最適化するフレームワークを採用する。
• ポアソンラウンディング方式を用い、各アイテムが確率 $1 - e^{-x_j}$ で独立に割り当てられるように確率的に配分する。
• 評価がマトロイドランクサムである場合、期待福祉が分数量の関数として凹関数であることが示され、効率的な最大化が可能になる。
• MRS関数の離散ヘッシアン行列が負半定値であることを用いて、期待福祉関数の凹性を証明する。
• メカニズムは、期待福祉を最大化する分布からサンプリングする最大分布範囲（MIDR）アルゴリズムを用いて実装され、期待真実性が保証される。

実験結果

リサーチクエスチョン

• RQ1 期待真実性を持つメカニズムは、MRS評価を持つ組み合わせオークションにおける福祉最大化問題に対して、定数倍近似を達成できるか？
• RQ2 $P \neq NP$ において最良の近似比である $(1-1/e)$-近似要因を達成できるメカニズムは設計可能か？
• RQ3 通常は真実性を持たない確率的ラウンディングアルゴリズムを、期待真実性を持つメカニズムにどのように変換できるか？
• RQ4 確率的ラウンディングスキームの目的関数を凹関数にすることで、真実性を保ちつつ効率的な最適化を可能にできるか？
• RQ5 MRS評価のどのような構造的性質が、ポアソンラウンディング下での期待福祉関数の凹性を可能にするか？

主な発見

• 提案されたメカニズムは、マトロイドランクサム評価を持つ組み合わせオークションに対して、最適福祉の $(1-1/e)$-近似を達成する。
• この近似要因は、$P \neq NP$ を仮定した場合、明示的に与えられたカバレージ関数に対しても最適である。
• 評価がMRSである場合、ポアソンラウンディング下での期待福祉関数は凹関数であるため、凸最適化により効率的に最大化可能である。
• メカニズムは、期待福祉を最大化する分布からサンプリングするMIDRアルゴリズムを用いるため、期待真実性が保証される。
• このフレームワークはカバレージ関数に限らず、マトロイド重み付きランク関数およびその凸結合にも一般化可能である。
• 凹性の証明は、期待福祉関数のヘッシアンが、評価関数の離散ヘッシアン行列の非負の重み付き和として表され、負半定値であることを示すことに依存する。