[論文レビュー] How to Sell Information Optimally: An Algorithmic Study

Yang Cai, Grigoris Velegkas|arXiv (Cornell University)|Nov 30, 2020

Auction Theory and Applications参考文献 37被引用数 1

ひとこと要約

本稿は、意思決定の不確実性に直面するエージェントを想定した設定において、最適な情報販売メカニズムのアルゴリズム的設計を研究する。明示的な問題表現に対して多項式時間アルゴリズムを提示し、要約的に記述されたモデルに対しては最適応答オラクルを用いたFPTASを提案することで、計算の実行可能性とオラクル効率性の間のきつい関係を確立する。

ABSTRACT

We investigate the algorithmic problem of selling information to agents who face a decision-making problem under uncertainty. We adopt the model recently proposed by Bergemann et al. [BBS18], in which information is revealed through signaling schemes called experiments. In the single-agent setting, any mechanism can be represented as a menu of experiments. Our results show that the computational complexity of designing the revenue-optimal menu depends heavily on the way the model is specified. When all the parameters of the problem are given explicitly, we provide a polynomial time algorithm that computes the revenue-optimal menu. For cases where the model is specified with a succinct implicit description, we show that the tractability of the problem is tightly related to the efficient implementation of a Best Response Oracle: when it can be implemented efficiently, we provide an additive FPTAS whose running time is independent of the number of actions. On the other hand, we provide a family of problems, where it is computationally intractable to construct a best response oracle, and we show that it is NP-hard to get even a constant fraction of the optimal revenue. Moreover, we investigate a generalization of the original model by Bergemann et al. [BBS18] that allows multiple agents to compete for useful information. We leverage techniques developed in the study of auction design (see e.g. [CDW12a], [AFHHM12], [CDW12b], [CDW13a], [CDW13b]) to design a polynomial time algorithm that computes the revenue-optimal mechanism for selling information.

研究の動機と目的

• 不確実性下でのエージェントへの情報販売のための収益最適なメニューデザインの計算複雑性を調査すること。
• 収益最適な情報メニューデザインが実行可能または非実行可能となる条件を同定すること。
• マルチエージェント設定へのモデルの拡張を行い、収益最適な情報割り当てのための効率的メカニズムを設計すること。
• モデルの誤指定が情報設計における収益保証に与える影響を分析すること。

提案手法

• すべてのパラメータ（タイプ、行動、状態、報酬）が直接与えられる明示的問題表現に対して、多項式時間アルゴリズムを提案する。
• 要約的かつ暗黙的記述を持つ設定に対しては、任意の信念分布に対する最適行動を計算する最適応答オラクルにアクセスするFPTASを導入する。
• オークション設計の技術を活用して、マルチエージェント情報販売における最適収益を達成する多項式時間メカニズムを構築する。
• ブラックボックス型のサンプリング手法を用いてモデルの誤指定に対処し、真のタイプ分布が推定された分布とTotal Variation距離で近い場合に、近似的に最適なメニューやを計算できることを示す。
• インcentive compatibilityおよびindividual rationality制約を含む、メカニズム設計およびアルゴリズム的ゲーム理論の理論的道具を適用する。
• 分布の不確実性下でもインcentive compatibilityおよびindividual rationalityを維持するため、摂動に基づく価格調整法を採用する。

実験結果

リサーチクエスチョン

• RQ1 収益最適な情報製品メニューデザインを計算することが計算的に実行可能となる条件は何か？
• RQ2 効率的な最適応答オラクルが存在する場合、暗黙的モデル記述を持つ情報設計問題の実行可能性にどのように影響を与えるか？
• RQ3 共通の状態についてのシグナルをめぐって入札者が競争するマルチエージェント情報市場において、効率的なアルゴリズムを設計できるか？
• RQ4 売り手が誤ったタイプ分布を使用する場合の収益損失は何か？また、その損失は有界に抑えられるか？
• RQ5 BRオラクルを用いる場合、状態数により良い依存関係を持つPTASまたはFPTASを達成できるか？

主な発見

• すべての問題パラメータが明示的に与えられた場合、収益最適なメニュ一を多項式時間で計算可能であり、実行時間はタイプ数、行動数、状態数の多項式に依存する。
• 要約的かつ暗黙的記述を持つ問題に対しては、最適応答オラクルが効率的に実装できる場合に限り、FPTASが存在する。
• 最適応答オラクルが計算的に非現実的である場合、問題は任意の定数要因内で近似可能でない、NP困難となる。
• マルチエージェント情報販売の収益最適メカニズムは、オークション理論的技術を用いることで多項式時間で計算可能である。
• モデルの誤指定下では、収益損失がO(ε1 + √|Ω|ε2)で有界であり、サンプリングされた分布から近似的に最適なメカニズムを構築できる。
• 単一エージェントケースにおけるすべての肯定的結果は、購入者のタイプに事前信念と報酬関数の両方が含まれる一般化モデルへと拡張可能であり、アルゴリズムフレームワークへの修正はわずかにしか必要としない。