[論文レビュー] Learning Sparse Polymatrix Games in Polynomial Time and Sample Complexity

Asish Ghoshal, Jean Honorio|arXiv (Cornell University)|Jun 18, 2017

Game Theory and Applications参考文献 3被引用数 3

ひとこと要約

本稿では、スパース多行列ゲームにおける $\varepsilon$-ナッシュ均衡回復手法を提案する。$\varepsilon_{1,2}$-グループ正則化ロジスティック回帰を用い、多項式時間およびサンプル複雑度 $\mathcal{O}(m^4d^4\log(pd))$ を達成する。情報理論的最適性および分離性条件の下での正確なナッシュ均衡回復を証明し、合成データおよび実世界のデータ（最高等裁判所、議会、国連総会の投票記録）を用いて検証する。

ABSTRACT

We consider the problem of learning sparse polymatrix games from observations of strategic interactions. We show that a polynomial time method based on $\ell_{1,2}$-group regularized logistic regression recovers a game, whose Nash equilibria are the $ε$-Nash equilibria of the game from which the data was generated (true game), in $\mathcal{O}(m^4 d^4 \log (pd))$ samples of strategy profiles --- where $m$ is the maximum number of pure strategies of a player, $p$ is the number of players, and $d$ is the maximum degree of the game graph. Under slightly more stringent separability conditions on the payoff matrices of the true game, we show that our method learns a game with the exact same Nash equilibria as the true game. We also show that $Ω(d \log (pm))$ samples are necessary for any method to consistently recover a game, with the same Nash-equilibria as the true game, from observations of strategic interactions. We verify our theoretical results through simulation experiments.

研究の動機と目的

• 観測された戦略的相互作用から、スパース多行列ゲームを学習する多項式時間アルゴリズムの開発。
• スパース多行列ゲームにおけるナッシュ均衡の一貫した回復のためのサンプル複雑度の境界の確立。
• 任意の一貫した回復手法に対するサンプル要件の情報理論的下界の証明。
• 合成データおよび実世界の投票データセット（最高等裁判所、議会、国連総会）を用いた手法の検証。
• 実世界の投票行動における連携パターンを反映するゲーム構造およびナッシュ均衡の回復。

提案手法

• 観測された戦略プロファイルから、スパース多行列ゲームの報酬行列を $\ell_{1,2}$-グループ正則化ロジスティック回帰を用いて学習する。
• 各プレイヤーの報酬が、最大次数 $d$ のグラフにおける隣接プレイヤーとの相互作用に依存するグラフィカルゲームとしてゲームをモデル化する。
• 分類タスクとして問題を扱い、グループスパarsityを用いたロジスティック回帰を用いてナッシュ均衡プロファイルと非均衡プロファイルを区別する。
• ゲームグラフ構造のスパarsityを強制するために、プレイヤー固有の報酬行列にグループラassoペナルティを適用する。
• 非ナッシュプロファイルに対して測度がゼロとなるように変更された観測モデルを採用し、先行研究を一般化する。
• Empirical risk minimization に $\ell_{1,2}$ 正則化を適用し、真のゲームのナッシュ均衡を近似するゲームを回復する。

実験結果

リサーチクエスチョン

• RQ1 スパース多行列ゲームの観測された戦略プロファイルから、多項式時間手法が $\varepsilon$-ナッシュ均衡を回復できるか？
• RQ2 スパース多行列ゲームのナッシュ均衡集合を一貫して回復するために必要な最小サンプル数は何か？
• RQ3 どのような条件下で、この手法は真のゲームの正確なナッシュ均衡集合を回復できるか？
• RQ4 提案手法はサンプル複雑度の観点で情報理論的に最適か？
• RQ5 この手法は、実世界の投票データにおける意味のある連携構造を明らかにできるか？

主な発見

• 提案された $\ell_{1,2}$-正則化ロジスティック回帰手法は、$\mathcal{O}(m^4d^4\log(pd))$ のサンプル数を用いて、高確率で真のゲームの $\varepsilon$-ナッシュ均衡を回復する。
• 報酬行列の分離性条件が満たされれば、この手法は真のゲームと同一のナッシュ均衡を回復する。
• 情報理論的最適性を達成しており、ナッシュ均衡集合の一貫した回復には $\Omega(d\log(pm))$ のサンプル数が必要である。
• シミュレーション結果は、PSNE回復成功におけるフェーズ遷移を示し、理論的サンプル複雑度境界と一致する。
• 実世界のデータでは、最高等裁判所におけるリベラル／コンservativeブロック、議会における政党ブロック、国連における地域投票連合を反映する意味のある連結成分が回復される。
• 回復されたゲームからの「悪の価格」（PoA）は、データセットによって1.6から3.0の範囲にあり、自己中心的行動に起因する非効率性が定量的に評価される。