[論文レビュー] Playing the Wrong Game: Bounding Externalities in Diverse Populations of Agents

Reshef Meir, David C. Parkes|arXiv (Cornell University)|Nov 6, 2014

Game Theory and Applications参考文献 28被引用数 7

ひとこと要約

本稿は、エージェントが真のコストではなくバイアス付きコスト関数に従って行動する非原子的ルーティングゲームにおける社会的福祉の損失を定量化するため、バイアス付き価格の悪化（BPoA）を導入する。ネットワークのトポロジーとエージェントのバイアスパラメータを用いてBPoAの上限を導出し、特に多項式遅延の場合に、コスト関数のスムーズネス特性を通じて、異種行動に起因する外部効果をきめ細かく制御できることを示している。

ABSTRACT

The robustness of multiagent systems can be affected by mistakes or behavioral biases (e.g., risk-aversion, altruism, toll-sensitivity), with some agents playing the "wrong game." This can change the set of equilibria, and may in turn harm or improve the social welfare of agents in the system. We are interested in bounding what we call the biased price of anarchy (BPoA) in populations with diverse agent behaviors, which is the ratio between welfare in the "wrong" equilibrium and optimal welfare. We study nonatomic routing games, and derive an externality bound that depends on a key topological parameter of the underlying network. We then prove two general BPoA bounds for games with diverse populations: one that relies on the network structure and the average bias of all agents in the population, and one that is independent of the structure but depends on the maximal bias. Both types of bounds can be combined with known results to derive concrete BPoA bounds for a variety of specific behaviors (e.g., varied levels of risk-aversion).

研究の動機と目的

• エージェントが真のコストではなくバイアス付きコスト関数を使用するマルチエージェントシステムにおける均衡の非効率性を定量化すること。
• バイアス付きエージェントが他のエージェントに及ぼす負の外部効果を、非原子的ルーティングゲームにおいて上限づけること。
• 多様で有界合理的なエージェントを含むシステムにおける社会的福祉の堅牢なパフォーマンス保証を提供すること。
• スムーズネスフレームワークを、任意の行動バイアスを持つ非均質な集団に拡張すること。
• ネットワーク構造、平均バイアス、または最悪ケースバイアスに応じて、BPoAの境界を導出すること。

提案手法

• 真のコスト関数と認識されたコスト関数の乖離を捉えるために、標準的なスムーズネスを拡張した「バイアス付きスムーズ性」の概念を導入する。
• バイアス付き価格の悪化（BPoA）を、バイアス付きゲームにおける最適社会的コストと最悪均衡コストの比として定義する。
• ネットワークトポロジーとエッジコスト関数のスムーズネスパラメータ（λ, μ）を用いて、タイプ別外部効果の上限を導出する。
• スムーズネス法を用いて、各エージェントタイプの自身のバイアスとネットワーク構造に基づく均衡コストの上限を導出する。
• 上界と下界のスムーズネス境界の積を用いて、平均バイアスとネットワーク構造に依存するBPoAの上限を導出する。
• 多項式コスト関数の場合、既存の研究で得られたタイトなPoA結果を用いて、最悪ケースバイアスと次数にのみ依存するBPoAの上限を導出する。

実験結果

リサーチクエスチョン

• RQ1 非一様なバイアスを伴うルーティングゲームにおいて、あるエージェントタイプが他のタイプに及える負の外部効果を上限づけることは可能か？
• RQ2 最悪均衡の社会的コストが最適社会的コストに対して、最悪ケースでどの程度悪化するか、上限が存在するか？
• RQ3 ネットワーク構造に依存せず、人口の最大バイアスにのみ依存するBPoAの境界を導出できるか？
• RQ4 コスト関数のスムーズネス特性が、行動多様性下での均衡のロバストネスにどのように影響するか？
• RQ5 最悪ケースや構造的パラメータではなく、平均バイアスにのみ依存するBPoAの境界を導出できるか？

主な発見

• 多項式コスト関数の次数がd以下の場合、BPoAは (d+1) · (Φ̲(G)Φ̄(G))^(d+1) で上限づけられる。ここでΦ̲とΦ̄はスムーズネスパラメータである。
• すべてのコスト関数が (λ̂, μ̂)-バイアス付きスムーズである場合、BPoAは (d+1)^(d+2) · e^(d+1) · (λ̂ / (1 - μ̂))^(d+1) で上限づけられる。
• 単一エージェントタイプの外部効果の上限は、そのタイプのバイアスとネットワークのトポロジカル構造に依存する。
• 最悪ケースバイアスと多項式次数にのみ依存する、ネットワーク構造に依存しないBPoAの境界を導出可能である。
• これらの境界は、バイアスが消滅する場合に既存のPoA結果と一致するため、タイトであると確認され、先行研究と整合性を保っている。
• このフレームワークにより、エージェント集団の正確な構成が不明な場合でも、バイアスとタイプ割合の上限がわかればパフォーマンス保証が可能になる。