[論文レビュー] Learning Cooperative Games

Maria-Florina Balcan, Ariel D. Procaccia+1 more|arXiv (Cornell University)|Apr 30, 2015

Machine Learning and Algorithms参考文献 30被引用数 21

ひとこと要約

本稿は、協力的ゲームにおけるPAC学習フレームワークを導入し、安定な報酬配分が多項式回のランダムサンプルから効率的に学習可能であることを示している。ネットワークフロー、スレッショルドタスク、誘導部分グラフゲームなどのゲームが、効率的にPAC学習可能であることが示され、学習可能性とコア安定性の関連が確立され、最小限のサンプリングと計算コストで安定性が達成可能である。

ABSTRACT

This paper explores a PAC (probably approximately correct) learning model in cooperative games. Specifically, we are given $m$ random samples of coalitions and their values, taken from some unknown cooperative game; can we predict the values of unseen coalitions? We study the PAC learnability of several well-known classes of cooperative games, such as network flow games, threshold task games, and induced subgraph games. We also establish a novel connection between PAC learnability and core stability: for games that are efficiently learnable, it is possible to find payoff divisions that are likely to be stable using a polynomial number of samples.

研究の動機と目的

• 協力的ゲーム理論における計算的・情報的障壁に対処する。これは、コアのような解概念を求めるために、連携の価値を完全に把握する必要があるためである。
• 協力的ゲームが、連携とその価値の多項式回のランダムサンプルから効率的に学習可能かどうかを調査する。
• PAC学習可能性とコア安定性の間の関連を確立し、少数のサンプルで高い確率で安定な報酬配分が得られることを示す。
• PACモデル下で、どの代表的な協力的ゲームクラスが効率的にPAC学習可能であるかを特定する。
• 学習理論的知見を協力的解概念に拡張し、特に報酬配分の安定性と実現可能性に焦点を当てる。

提案手法

• m個のi.i.d.（独立同分布）サンプル（連携とその価値）から、未知の特徴関数 v: 2^N → R をPAC学習モデルで学習する。
• 分布 D から抽出された連携による離反を抵抗できる可能性の高い「PAC安定化可能性」と呼ばれる、安定性の緩い概念を導入する。
• 将来の離反に対して高い確率で安定であるが、安定性コストを超えない妥当な報酬配分を出力する多項式時間アルゴリズムを設計する。
• 特定のゲームクラス（例：ネットワークフロー、スレッショルドタスク、誘導部分グラフ）における学習問題を、構造的変換により既知の学習可能問題（例：線形関数、XOS、DNF論理式）に還元する。
• 既知の難解性結果（例：DNFの学習、超平面の積集合の学習）からの還元を用いて、kベクトルWVGやMC-netなどのクラスが学習不能であることを示す。
• プレイヤーのスキルが既知であれば、タスク要件が未知であっても、連携スキルゲームが効率的にPAC学習可能であることを証明する。

実験結果

リサーチクエスチョン

• RQ1 協力的ゲームは、連携とその価値の多項式回のランダムサンプルから効率的に学習可能か？
• RQ2 PAC学習可能性とコアにおける報酬配分の安定性の間に、関連があるか？
• RQ3 PACモデル下で、どの代表的な協力的ゲームクラスが効率的にPAC学習可能か？
• RQ4 コアが空であっても、多項式回のサンプルのみで安定で妥当な報酬配分を達成できるか？
• RQ5 特にMC-netやkベクトル加重投票ゲームのようなクラスにおいて、協力的ゲームにおけるPAC学習の計算的限界は何か？

主な発見

• ネットワークフローゲームは、パスクエリを用いれば効率的にPAC学習可能であるが、このようなクエリがなければ一般にはそうではない。
• スレッショルドタスクゲームと誘導部分グラフゲームは、効率的にPAC学習可能である。
• kベクトル加重投票ゲームは、k個の超平面の積集合を学習することがNP困難であるため、P = NP でない限り効率的にPAC学習可能でない。
• MC-netは、効率的にPAC学習可能でない。MC-netの学習はDNF論理式の学習に還元され、これは難解である。
• プレイヤーのスキルが既知であれば、タスク要件が未知であっても、連携スキルゲームは効率的にPAC学習可能である。
• 本稿では、任意の協力的ゲームがPAC安定化可能であることを確立している：多項式回のサンプルと多項式時間で、高い確率で安定で妥当な報酬配分が計算可能である。