[論文レビュー] Stackelberg Shortest Path Tree Game, Revisited

Sergio Cabello|arXiv (Cornell University)|Jul 10, 2012

Game Theory and Applications参考文献 13被引用数 6

ひとこと要約

本論文では、k個の価格設定可能な辺を有するスタックルベルク最短経路木ゲームにおける収益計算を高速化するデータ構造を提示する。事前処理時間O(m + n^{k-1})の後、クエリ時間はO(n^k)からO(log^{k-1}n)に短縮される。主な貢献は、kが定数のとき、最適価格設定問題の解法がほぼ線形速度で向上することであり、従来の方法がO(n^k)の価格関数をそのまま評価していたのに対し、著しく性能向上を達成している。

ABSTRACT

Let $G(V,E)$ be a directed graph with $n$ vertices and $m$ edges. The edges $E$ of $G$ are divided into two types: $E_F$ and $E_P$. Each edge of $E_F$ has a fixed price. The edges of $E_P$ are the priceable edges and their price is not fixed a priori. Let $r$ be a vertex of $G$. For an assignment of prices to the edges of $E_P$, the revenue is given by the following procedure: select a shortest path tree $T$ from $r$ with respect to the prices (a tree of cheapest paths); the revenue is the sum, over all priceable edges $e$, of the product of the price of $e$ and the number of vertices below $e$ in $T$. Assuming that $k=|E_P|\ge 2$ is a constant, we provide a data structure whose construction takes $O(m+n\log^{k-1} n)$ time and with the property that, when we assign prices to the edges of $E_P$, the revenue can be computed in $(\log^{k-1} n)$. Using our data structure, we save almost a linear factor when computing the optimal strategy in the Stackelberg shortest paths tree game of [D. Bil{ò} and L. Gual{à} and G. Proietti and P. Widmayer. Computational aspects of a 2-Player Stackelberg shortest paths tree game. Proc. WINE 2008].

研究の動機と目的

• 価格設定可能な辺の数kが定数である場合のスタックルベルク最短経路木ゲームの計算ボトルネックを解消すること。
• 与えられた価格関数pに対する収益計算の時間計算量を、O(n^k)からクエリあたりO(log^{k-1}n)に低減すること。
• 候補となる価格関数を効率的に評価することで、最適価格戦略の計算を高速化すること。
• 固定コストおよび価格設定可能な辺を有するネットワーク価格設定ゲームに対して、実用的でスケーラブルな解決策を提供すること。

提案手法

• 任意の価格関数pに対してw_p-縮小木に基づくデータ構造を構築し、迅速な収益評価を可能にする。
• 各縮小木Rおよび各価格設定可能な辺e_i ∈ E(R)に対して、最短経路木でe_iが使用される頂点の集合を特定するための範囲検索データ構造DS(R, e_i)を事前に計算する。
• フォロワーの選択肢において、経路長を最優先とし、その後で収益を最大化するという辞書式順序を用いることで、一貫性のある木選択を保証する。
• k次元空間における幾何的範囲クエリを活用し、ある辺e_iが最短経路木で使用される頂点数を計算する。
• 価格関数の値と事前に計算された距離を用いて、e_iの使用領域における頂点の包含条件をk個の区間の積集合として表現する。
• 複数のデータ構造からの結果を統合することで、総収益ρ(p) = Σ p(σ(e_i,R)) · φ(V(e_i,p))を効率的に計算する。

実験結果

リサーチクエスチョン

• RQ1 kが定数である場合に、スタックルベルク最短経路木ゲームにおける収益計算を高速化できるか？
• RQ2 このゲーム設定において、価格関数pの収益を評価する最適な時間計算量は何か？
• RQ3 フォロワーの継続的選択ルール（コストと収益の辞書式順序）を計算に効率的に組み込むにはどうすればよいか？
• RQ4 単一の事前処理フェーズの後、高速な収益クエリをサポートするデータ構造を構築できるか？
• RQ5 この新しいアプローチを用いることで、最適価格設定問題を解く際の漸近的改善度は何か？

主な発見

• 提案されたデータ構造は、O(m + n log^{k-1}n)の事前処理時間の後、クエリあたりO(log^{k-1}n)の時間で収益計算をサポートする。
• スタックSPT問題を解く総時間はO(m + n^k log^{k-1}n)であり、kが定数のとき、BilòらのO(n^k)時間に比べてほぼ線形要因の高速化を達成する。
• この高速化は、k次元空間における効率的な範囲クエリにより、高価な収益評価の回数を削減することで実現されている。
• データ構造の構築は、各辺に対する縮小木と幾何的領域を事前に計算することで行われ、素早い包含チェックを可能にする。
• 頂点使用条件を区間の積集合としてモデル化することで、フォロワーの辞書式継続的選択ルールに整合した正しさを保証する。
• 本手法は、価格設定可能な辺の数が少数で固定されるネットワーク価格設定ゲームにおいて、実用的効率の顕著な向上を示している。