[論文レビュー] Improved Prophet Inequalities for Combinatorial Welfare Maximization with (Approximately) Subadditive Agents

Hanrui Zhang|arXiv (Cornell University)|Jan 1, 2020

Auction Theory and Applications被引用数 4

ひとこと要約

本稿では、サブアドディティブな組み合わせオークションにおけるO(log log m)の予言者不等式を、独自のプライマル・デュアルアプローチを用いて提示する。この手法により、オンラインの割り当て方針が、オフラインの福祉に近似的に最適な近似を達成できる静的かつ匿名のアイテム価格を構築する。この結果、従来のO(log m)の境界を改善し、アイテムの独立性のもとで、サブアドディティブな評価関数に対する多項式時間かつインcentive-compatibleな提示価格メカニズムを実現する。

ABSTRACT

We give a framework for designing prophet inequalities for combinatorial welfare maximization. Instantiated with different parameters, our framework implies (1) an O(log m / log log m)-competitive prophet inequality for subadditive agents, improving over the O(log m) upper bound via item pricing, (2) an O(D log m / log log m)-competitive prophet inequality for D-approximately subadditive agents, where D ∈ {1, … , m-1} measures the maximum number of items that complement each other, and (3) as a byproduct, an O(1)-competitive prophet inequality for submodular or fractionally subadditive (a.k.a. XOS) agents, matching the optimal ratio asymptotically. Our framework is computationally efficient given sample access to the prior and demand queries.

研究の動機と目的

• サブアドディティブな組み合わせオークションにおける真実のメカニズムと非真実のメカニズムの間の漸近的ギャップを埋める。
• サブアドディティブな評価関数に対して、O(log m)よりも著しく優れた近似因子を有する予言者不等式を構築する。
• サブアドディティブな評価関数に対して、最適な福祉のO(log log m)近似を達成する多項式時間かつインcentive-compatibleな提示価格メカニズムを構築する。
• 需要クエリへのアクセスを用いて得られる静的かつ匿名のアイテム価格に基づく、構成的でしきい値に基づくポリシーを提供する。

提案手法

• サブアドディティブな評価関数の下で、しきい値に基づくオンラインポリシーの性能を分析するための、新しいプライマル・デュアルフレームワークを導入する。
• アイテム集合を段階的に小さな部分集合へ再帰的に分解することで、アイテム価格を構築する。各部分集合には、強くサブアドディティブな評価関数が関連付けられる。
• サイズ2^k - 1の集合上で定義された、F_k^2上での線形代数から導かれる強力なサブアドディティブ性を示す関数fの族を用いる。
• 各アイテムが小さい確率qで含まれる確率的構成Tを用いて、解析における期待される福祉損失を抑え込む。
• 和集合の上限と確率的議論を用いて、オンライン割り当ての期待値が、合計価値に対してO(1)の範囲内で最適なオフライン福祉に近いことを示す。
• 幾何的減衰を用いた誤差項のバインドにより、階層的レベルℓにわたる寄与の合計をバインドすることで、最終的なO(log log m)近似を導出する。

実験結果

リサーチクエスチョン

• RQ1 サブアドディティブな組み合わせオークションにおける予言者不等式は、具体的にo(log m)の近似因子を達成できるか。
• RQ2 サブアドディティブな評価関数に対して、O(log log m)の近似を達成するシンプルでインcentive-compatibleな提示価格メカニズムを設計することは可能か。
• RQ3 しきい値に基づくオンラインポリシーの性能に対するタイトなバインドを提供するプライマル・デュアル法を構築することは可能か。
• RQ4 サブアドディティブ関数の構造をどのように活用して、強い近似保証を達成する静的かつ匿名の価格を設計できるか。

主な発見

• 本稿では、サブアドディティブな組み合わせオークションに対してO(log log m)の予言者不等式を確立し、従来のO(log m)の境界を著しく改善した。
• 提案されたオンラインポリシーは、評価関数への需要クエリへのアクセスを用いて、多項式時間で計算可能な静的かつ匿名のアイテム価格を用いる。
• 解析により、オンラインポリシーの期待福祉が、合計価値に対してO(1)の範囲内で最適なオフライン福祉に近いことが示され、結果としてO(log log m)の近似因子が得られた。
• この構成は構成的であり、O(log log m)の近似を達成するシンプルでインcentive-compatibleな提示価格メカニズムを生み出す。これはアイテムの独立性のもとで期待される最適福祉に近い。
• この手法は、福祉最大化と収益近似の両方の文脈に適用可能であり、サブアドディティブな評価関数の下で、提示価格メカニズムの従来のO(log m)の境界を改善する。
• 主な技術的イノベーションは、アイテム集合の階層的分解と、制御された整数性ギャップを持つサブアドディティブ関数の使用であり、タイトなプライマル・デュアル解析を可能にする。