[論文レビュー] Tracking-based distributed equilibrium seeking for aggregative games

Guido Carnevale, Filippo Fabiani+3 more|arXiv (Cornell University)|Oct 26, 2022

Advanced Thermodynamics and Statistical Mechanics参考文献 44被引用数 4

ひとこと要約

本稿では、ネットワーク上でのアグレゲートゲームにおける一般化ナッシュ均衡（GNE）探索のための、完全に分散型で離散時間のアルゴリズムを2つ提案する。これらは、投影擬勾配法とトラッキング機構を組み合わせ、アグレゲート変数および結合制約変数を再構築する。主な貢献は、部分情報のもとでも線形収束を達成する点であり、特に結合制約が存在する分散環境において、これが初めての結果である。

ABSTRACT

We propose fully-distributed algorithms for Nash equilibrium seeking in aggregative games over networks. We first consider the case where local constraints are present and we design an algorithm combining, for each agent, (i) the projected pseudo-gradient descent and (ii) a tracking mechanism to locally reconstruct the aggregative variable. To handle coupling constraints arising in generalized settings, we propose another distributed algorithm based on (i) a recently emerged augmented primal-dual scheme and (ii) two tracking mechanisms to reconstruct, for each agent, both the aggregative variable and the coupling constraint satisfaction. Leveraging tools from singular perturbations analysis, we prove linear convergence to the Nash equilibrium for both schemes. Finally, we run extensive numerical simulations to confirm the effectiveness of our methods and compare them with state-of-the-art distributed equilibrium-seeking algorithms.

研究の動機と目的

• エージェントがローカル情報のみにアクセス可能で、局所的な通信に依存する分散型アルゴリズムを設計すること。
• エージェントがネットワーク全体の知識を欠いている状況で、グローバル変数（アグレゲート変数および結合制約状態）を再構築する課題に対処すること。
• 特に結合制約が存在する状況において、部分情報のもとでもGNEへの線形収束を達成すること。
• 既存手法を拡張し、正確な収束を保証する新たなトラッキングに基づく拡張プライマル・デュアルスキームを導入すること、かつ定数ステップサイズを用いること。

提案手法

• ローカル制約が存在する状況で、アグレゲート変数を推定するために、投影擬勾配降下法と局所的トラッキング機構を組み合わせる。
• 2つの補助的トラッキング変数（1つはアグレゲート変数用、もう1つは結合制約乗数用）を導入し、一般化ゲームにおける分散型再構築を可能にする。
• 連続時間の集中型最適化に基づくアプローチを参考にした、拡張プライマル・デュアルスキームを採用し、離散時間の分散ダイナミクスに適応する。
• 特異摂動解析を用いて収束特性を確立し、行列重み付きノルムを用いたリャプノフ型関数を活用する。
• システム理論的アプローチを用いて、収縮条件を満たすリャプノフ関数を構築することで、線形収束を証明する。
• アルゴリズムに定数ステップサイズを用いることで、減少しないステップサイズを必要とせず、先行研究とは異なり正確な収束を達成する。

実験結果

リサーチクエスチョン

• RQ1 結合制約が存在するアグレゲートゲームにおいて、完全に分散型のアルゴリズムが一般化ナッシュ均衡への線形収束を達成できるか？
• RQ2 エージェントがローカル情報と隣接エージェントとの通信のみを用いて、グローバルなアグレゲート変数および制約変数をどのように再構築できるか？
• RQ3 トラッキング機構が、中央集権的調整なしに分散型均衡計算を可能にする役割は何か？
• RQ4 定数ステップサイズスキームが、減少ステップサイズによる遅い収束を回避しながら、分散型GNE探索で正確な収束を保証できるか？
• RQ5 提案されたトラッキングに基づく拡張プライマル・デュアルスキームは、既存の分散アルゴリズムと比較して収束速度およびロバスト性においてどのように異なるか？

主な発見

• 結合制約が存在するゲームに対して、本稿で提案するアルゴリズムは、定数ステップサイズを用いた分散スキームとして、一般化ナッシュ均衡への線形収束を達成する。これは、文献において初めての結果である。
• 特異摂動解析と行列重み付きノルムを用いたリャプノフ関数により、適切なステップサイズ選択のもとで収縮が保証されることを証明する。
• 減少しないステップサイズを必要とせず、正確な収束を保証する。これにより、先行研究が近似解や部分線形収束しか達成できなかった点を改善する。
• 数値シミュレーションにより、本手法の有効性が確認され、最先端の分散均衡探索アルゴリズムと比較して優れた収束速度を示す。
• 収束速度は、システムパラメータに依存する収縮係数によって定量的に境界づけられ、ステップサイズおよび問題の条件数に明示的な依存関係がある。
• 本手法はネットワークトポロジーに対してロバストであり、部分情報および通信制約下でも性能を維持する。