[論文レビュー] Well-Supported versus Approximate Nash Equilibria: Query Complexity of Large Games

Xi Chen, Yu Cheng+1 more|arXiv (Cornell University)|Nov 3, 2015

Complexity and Algorithms in Graphs参考文献 30被引用数 11

ひとこと要約

この論文は、大規模な二値行動ゲームにおける $\epsilon$-近似ナッシュ均衡（ANE）を計算するためのランダム化クエリ複雑度について、ほぼタイトな下界を確立している。任意のこのようなアルゴリズムが、ある定数 $\epsilon > 0$ に対して $2^{\Omega(n/\log n)}$ の報酬クエリを必要とすることを示している。主な貢献は、近似の質を保ちながら、well-supported ナッシュ均衡（WSNE）から ANE への新しい還元法を考案したことである。これにより、$\epsilon = O(1/n)$ の領域を超える ANE の複雑度に関する未解決問題が解決された。

ABSTRACT

We study the randomized query complexity of approximate Nash equilibria (ANE) in large games. We prove that, for some constant $ε>0$, any randomized oracle algorithm that computes an $ε$-ANE in a binary-action, $n$-player game must make $2^{Ω(n/\log n)}$ payoff queries. For the stronger solution concept of well-supported Nash equilibria (WSNE), Babichenko previously gave an exponential $2^{Ω(n)}$ lower bound for the randomized query complexity of $ε$-WSNE, for some constant $ε>0$; the same lower bound was shown to hold for $ε$-ANE, but only when $ε=O(1/n)$. Our result answers an open problem posed by Hart and Nisan and Babichenko and is very close to the trivial upper bound of $2^n$. Our proof relies on a generic reduction from the problem of finding an $ε$-WSNE to the problem of finding an $ε/(4α)$-ANE, in large games with $α$ actions, which might be of independent interest.

研究の動機と目的

• ハートとニサン（2013年）およびバビチェンコ（2014年）が提起した、定数 $\epsilon > 0$ に対する近似ナッシュ均衡（ANE）のランダム化クエリ複雑度に関する未解決問題を解決すること。
• well-supported ナッシュ均衡（WSNE）における既知の $2^{\Omega(n)}$ の下界と、$\epsilon = O(1/n)$ の場合にのみ成り立つ $2^{\Omega(n)}$ の弱い下界との間のギャップを埋めること。
• 行動数が有界な大規模ゲームにおいて、WSNE から ANE への一般還元法を確立し、下界の転送を可能とすること。

提案手法

• 各プレイヤーが $\alpha$ 個の行動をもつ大規模ゲームにおいて、$\epsilon$-WSNE を求める問題から、$\epsilon/(4\alpha)$-ANE を求める問題への一般還元法を導入する。
• 各プレイヤーを $s = 2\alpha^2 \cdot \lceil \ln(n/\epsilon) \rceil$ 個のプレイヤーのグループに置き換えることで、報酬の集約を多数決投票によってシミュレートする新しいゲーム $\mathcal{G}'$ を構築する。
• カップリングと集中不等式（ホフディングの不等式）を用いて、$\mathcal{G}'$ における戦略の組 $\boldsymbol{x}$ が $\epsilon$-ANE であれば、$\mathcal{G}$ における誘導戦略 $\boldsymbol{y}$ は $4\alpha\epsilon$-WSNE であることを示す。
• バビチェンコの $2^{\Omega(n)}$ の $\epsilon$-WSNE に対する下界を活用し、各プレイヤーが $O(\log n)$ 個のプレイヤーにシミュレートされることによる膨張係数を考慮して、元のゲームにおける $\epsilon$-ANE に対する下界を導出する。
• 還元法を適用することで、任意のランダム化アルゴリズムが、$n$ プレイヤーの二値行動ゲームにおいて $\epsilon$-ANE を計算するには、定数 $\epsilon > 0$ に対して $2^{\Omega(n/\log n)}$ のクエリを必要とすることが示された。

実験結果

リサーチクエスチョン

• RQ1 定数 $\epsilon > 0$ に対して、大規模な二値行動ゲームにおける $\epsilon$-近似ナッシュ均衡（ANE）を計算するためのランダム化クエリ複雑度は何か？
• RQ2 well-supported ナッシュ均衡（WSNE）における既知の $2^{\Omega(n)}$ の下界は、$\epsilon = O(1/n)$ の領域を超えて近似ナッシュ均衡（ANE）に対しても拡張可能か？
• RQ3 近似の質を保ちつつ、WSNE から ANE への一般還元法が存在するか？ また、これによりクエリ複雑度の下界を転送できるか？

主な発見

• この論文は、ある定数 $\epsilon > 0$ に対して、$n$ プレイヤーの二値行動ゲームにおける $\epsilon$-近似ナッシュ均衡（ANE）を計算するためのランダム化クエリ複雑度に $2^{\Omega(n/\log n)}$ の下界を証明した。これは、ハートとニサン（2013年）およびバビチェンコ（2014年）が提起した未解決問題を解決した。
• 行動数が $\alpha$ のゲームにおいて、$\epsilon$-WSNE から $\epsilon/(4\alpha)$-ANE への還元がクエリ効率的であり、近似の質を保っていることが示された。これにより、下界の転送が可能となった。
• 報酬の集約を多数決投票によってシミュレートするために、各元のプレイヤーに対して $s = 2\alpha^2 \cdot \lceil \ln(n/\epsilon) \rceil$ 個のプレイヤーを用いる構成が採用され、測度の集中が保証された。
• 新しいゲーム $\mathcal{G}'$ における $\epsilon$-ANE から誘導される戦略 $\boldsymbol{y}$ が、元のゲーム $\mathcal{G}$ において $4\alpha\epsilon$-WSNE であることが、高確率で示された。
• この還元フレームワークにおいて、$\log n$ 要因が指数部に避けがたいものであることが示された。なぜなら、各プレイヤーが $O(\log n)$ 個のプレイヤーにシミュレートされるからである。これにより、より効率的なシミュレーションが存在するかどうかは未解決のまま残っている。