[論文レビュー] On the NP-completeness of Finding an Optimal Strategy in Games with Common Payoffs

Francis C. Chu, Joseph Y. Halpern|ArXiv.org|Mar 27, 2001

Advanced Research in Systems and Signal Processing被引用数 6

ひとこと要約

この論文は、1回のネイチャーの手番を持つ2人共通利得ゲームにおいて、最小期待利得 $ r $ を達成する連携戦略が存在するかどうかを判定することは、NP完全であることを証明している。この結果は、ネイチャーの手番の後、各プレイヤーが1回の手番しか持たない場合でも成り立つ。これは、共通の利益を持つにもかかわらず、このようなゲームにおける最適な協調戦略が計算的に扱いにくいことを示している。

ABSTRACT

Consider a very simple class of (finite) games: after an initial move by nature, each player makes one move. Moreover, the players have common interests: at each node, all the players get the same payoff. We show that the problem of determining whether there exists a joint strategy where each player has an expected payoff of at least r is NP-complete as a function of the number of nodes in the extensive-form representation of the game.

研究の動機と目的

• 共通利得を持つゲームにおいて最適連携戦略を求める計算複雑性を調査すること。
• 1つのチャンスの手番（ネイチャーの手番）を持つ展開形形式のゲームにおいて、このような最適戦略が効率的に計算可能かどうかを特定すること。
• 2名のプレイヤーと各プレイヤー1つの行動という制限付き条件下でも、問題が依然としてNP完全であることを確立すること。
• この問題の非効率性（計算困難性）を、正規形表現では多項式時間で解けることと対比すること。
• プレイヤーの不確実性（すなわち、考えうる世界の数）に制限を設けた場合でも、この困難性が持続するかを検討すること。

提案手法

• 3SAT問題を、共通利得ゲームにおいて目標期待利得 $ r $ を達成する連携戦略を求める問題に還元する。
• 変数の真理値割り当てに対応するネイチャーの手番を持つ展開形ゲームを構築する。
• 期待利得 $ r = 1 $ を達成する連携戦略が存在するための必要十分条件が、論理式の充足可能性と一致するように報酬を設定する。
• プレイヤー1が変数の出現を、プレイヤー2が節を観測するように情報構造を設計し、非対称な情報を持つようにする。
• 世界の確率分布を用いて、節の充足状態と変数の割り当てを符号化する。
• 高利得の連携戦略の存在が論理式の充足可能性と等価であることを示し、NP完全性を確立する。

実験結果

リサーチクエスチョン

• RQ1 1回のネイチャーの手番と、各プレイヤー1つの行動を許容する共通利得ゲームにおいて、最小期待利得 $ r $ を達成する連携戦略が存在するかどうかを判定することは、NP完全か？
• RQ2 プレイヤーが限られた情報（すなわち、考えうる世界の数が有界）を持つ場合でも、NP完全性の結果は成立するか？
• RQ3 同じゲームを展開形形式と正規形形式で表現した場合、最適連携戦略を求める問題の複雑性はどのように異なるか？
• RQ4 プレイヤーの不確実性が少数の可能な世界に制限された場合でも、問題は依然としてNP完全のままであるか？
• RQ5 正確に最適な戦略ではなく、最適値の固定された割合以内の戦略を求める問題は、依然としてNP困難か？

主な発見

• 期待利得が $ r $ 以上であるような連携戦略が存在するかどうかを判定する問題は、ネイチャーの手番が1回で、各プレイヤーが1つの手番しか持たない2人ゲームに対してもNP完全である。
• 両プレイヤーが任意の状態で最大3つの可能な世界を考慮する場合でもNP完全性が成立し、不確実性の高さが困難の原因ではないことが示された。
• 各変数が高々3つの節に現れるように論理式を変形しても、還元が保持されるため、問題は依然としてNP完全である。
• プレイヤーが完全記憶（perfect recall）か不完全記憶（imperfect recall）かにかかわらず、ネイチャーの手番の後1回の手番しか持たない限り、問題はNP完全である。
• 問題はNPに属する。なぜなら、連携戦略を多項式時間で推測し、検証できるからである。
• プレイヤーが完全情報（すなわち、1つの世界しか考えない）を持つ場合、問題は多項式時間で解ける。これは、不確実性が計算困難性の主な要因であることを示している。