[論文レビュー] Nash Social Welfare, Matrix Permanent, and Stable Polynomials

Nima Anari, Shayan Oveis Gharan+2 more|arXiv (Cornell University)|Sep 22, 2016

Markov Chains and Monte Carlo Methods参考文献 12被引用数 13

ひとこと要約

本稿では、実安定多項式と恒久的近似技術を用いて、アイテム割り当てにおけるナッシュ社会的厚生最大化のための新しい凸プログラミング緩和を提示する。確率的ラウンディングアルゴリズムにより、1/eの近似比を達成する。主な理論的貢献は、Gurvitsの安定多項式係数に関する下界を、すべての同次多項式へ一般化することである。

ABSTRACT

We study the problem of allocating $m$ items to $n$ agents subject to maximizing the Nash social welfare (NSW) objective. We write a novel convex programming relaxation for this problem, and we show that a simple randomized rounding algorithm gives a $1/e$ approximation factor of the objective. Our main technical contribution is an extension of Gurvits's lower bound on the coefficient of the square-free monomial of a degree $m$-homogeneous stable polynomial on $m$ variables to all homogeneous polynomials. We use this extension to analyze the expected welfare of the allocation returned by our randomized rounding algorithm.

研究の動機と目的

• 公平なアイテム割り当てにおけるナッシュ社会的厚生を最大化する問題の計算困難性に対処すること。
• 従来の手法が抱える整数性ギャップ問題を回避する凸緩和を構築すること。
• ナッシュ厚生、安定多項式、行列の恒久的近似の間の関係を確立すること。
• 保証された近似性能を有する確率的ラウンディングアルゴリズムを設計すること。
• Gurvitsの安定多項式係数に関する下界を、度数 $ m $ に限定されないすべての同次多項式へ一般化すること。

提案手法

• 対数変数における幾何プログラミング緩和を提案し、凸最適化問題に再定式化する。
• 各エージェントの価値積に対応する平方自由係数を持つ実安定多項式 $ p(y_1, \dots, y_m) $ を使用する。
• 多項式係数に基づいて割り当てを確率的にサンプリングするラウンディングアルゴリズムを設計し、期待されるNSWが平方自由係数の和と一致することを保証する。
• 代理目的関数 $ \inf_{\mathbf{y}>0, y^S \geq 1 \, \forall S} p(\mathbf{y}) $ を導入し、平方自由係数の和を下から抑える。
• Gurvitsの不等式の一般化を証明する：$ \sum_{S \in \binom{[m]}{n}} c_S \geq \frac{m! (m-n)^{m-n}}{m^m (m-n)!} \inf p(\mathbf{y}) $、その系として $ \geq e^{-n} \inf p(\mathbf{y}) $ を得る。
• Jerrum-Sinclair-Vigodaのアルゴリズムを活用し、恒久的近似により代理目的関数を効率的に計算する。

実験結果

リサーチクエスチョン

• RQ1 標準的な緩和が抱える整数性ギャップを回避できる、ナッシュ社会的厚生最大化のための凸緩和を構築可能か？
• RQ2 安定多項式の平方自由係数の和と、制約領域上での多項式の下界との関係は何か？
• RQ3 行列の恒久的近似とナッシュ厚生、安定多項式の間にはどのような関係があるか？
• RQ4 期待されるNSWが安定多項式の平方自由係数の和と一致するような確率的ラウンディングスキームを設計可能か？
• RQ5 度数 $ m $ に限定されない、すべての同次安定多項式に適用可能なGurvitsの係数下界の一般化は存在するか？

主な発見

• 対数変換を用いて解かれる提案された凸緩和により、ナッシュ社会的厚生の目的関数の効率的最適化が可能になる。
• 確率的ラウンディングアルゴリズムにより、期待されるナッシュ社会的厚生が最適値の少なくとも $ 1/e $ 倍以上に達する。
• 主な不等式はGurvitsの結果を一般化し、次数 $ n $、同次、実安定多項式の平方自由係数の和が、領域 $ y^S \geq 1 $（すべての $ n $-部分集合 $ S $ について）における多項式の下界の $ e^{-n} $ 倍以上であることを示している。
• 近似要因 $ 1/e $ は、組合せ的市場構造に依存せず達成されるため、本手法は広く適用可能である。
• Jerrum, Sinclair, および Vigodaの恒久的近似アルゴリズムを用いることで、代理目的関数を効率的に計算でき、多項式時間での実装が可能になる。
• 例 $ p = (y_1 + \cdots + y_n)^n $ により、LHSとRHSの比が $ e^{-n} $ に近づくことから、この境界はほぼタイトであることが示されている。