[논문 리뷰] A Note on Approximating Weighted Nash Social Welfare with Additive Valuations

Yuda Feng, Shi Li|arXiv (Cornell University)|2024. 01. 01.

Economic theories and models인용 수 1

한 줄 요약

이 논문은 추가 평가값을 가진 가중치가 부여된 내쉬 사회후생 문제에 대해 처음으로 O(1)-근사 알고리즘을 제안하며, 근사 비율을 $ e^{1/e} + \epsilon \approx 1.445 + \epsilon $ 으로 달성한다. 이 방법은 구성 선형계획법(LP)을 사용하고, Shmoys-Tardos 라운딩 기법을 적용하며, 해의 품질을 최적 해와 EF1 할당 간의 최악의 갭과 연결하여 분석한다. 이 갭은 동일한 평가값을 가진 비가중치 케이스에서 최대 $ e^{1/e} $ 이라는 것으로 알려져 있다.

ABSTRACT

We give the first $O(1)$-approximation for the weighted Nash Social Welfare problem with additive valuations. The approximation ratio we obtain is $e^{1/e} + ε\approx 1.445 + ε$, which matches the best known approximation ratio for the unweighted case. Both our algorithm and analysis are simple. We solve a natural configuration LP for the problem, and obtain the allocation of items to agents using a randomized version of the Shmoys-Tardos rounding algorithm developed for unrelated machine scheduling problems. In the analysis, we show that the approximation ratio of the algorithm is at most the worst gap between the Nash social welfare of the optimum allocation and that of an EF1 allocation, for an unweighted Nash Social Welfare instance with identical additive valuations. This was shown to be at most $e^{1/e} \approx 1.445$ by Barman, Krishnamurthy and Vaish, leading to our approximation ratio.

연구 동기 및 목표

• 이전까지 알려진 상수 요인 근사 알고리즘이 없었던, 추가 평가값을 가진 가중치 내쉬 사회후생 문제에 대한 근사 알고리즘의 격차를 메우는 것.
• 비가중치 케이스에서의 최고 수준의 근사 비율($ e^{1/e} + \epsilon $)을 동일한 추가 평가값을 가진 가중치 설정으로 확장하는 것.
• 효율적으로 해결하고 라운딩할 수 있는 새로운 구성 LP 설정에 기반한 단순하고 조합론적인 알고리즘을 개발하는 것.
• 근사 비율과 비가중치 동일 평가값 케이스에서 최적 할당과 EF1 할당 간의 최악의 갭 사이의 날카로운 연결 고리를 확립하는 것.
• 비가중치 케이스에서 최고로 알려진 성능 보장과 동일한 다항시간 결정적 알고리즘을 제공하는 것.

제안 방법

• 모든 가능한 할당을 포괄하는 변수 $ y_{i,S} $ 를 포함한 구성 LP를 설정하여, 각 에이전트 $ i $ 가 항목 집합 $ S $ 를 받는지 여부를 나타낸다.
• 동적 프로그래밍을 사용하여 제약 조건을 점검하는 분리 오рак루를 활용해, 타원체 방법을 사용하여 고정밀도로 구성 LP를 해결한다.
• 각 에이전트의 분수 할당을 항목 그룹 간의 스케줄링 문제로 간주하여, 분수 LP 해에 대해 Shmoys-Tardos 라운딩 알고리즘을 적용한다.
• 각 에이전트에 대해 분수 항목을 값에 따라 내림차순으로 그룹화하며, 각 그룹은 분수 할당의 전체 단위를 포함한다. 이후 마진 확률을 사용해 정수 할당으로 라운딩한다.
• 각 에이전트가 동일한 평가값을 가지는 보조 비가중치 내쉬 사회후생 문제 인스턴스를 구성한다. 여기서 LP 해는 분수 할당에 대응하고, 라운딩된 해는 EF1 할당에 대응한다.
• 비가중치 동일 평가값 케이스에서 EF1 할당에 대해 알려진 $ e^{1/e} $-근사 보장 성능을 활용하여 전체 알고리즘의 근사 비율을 제한한다.

실험 결과

연구 질문

• RQ1 추가 평가값을 가진 가중치 내쉬 사회후생 문제에 대해, 비가중치 케이스에서의 최고 수준의 비율을 따라가며 상수 요인 근사가 달성될 수 있는가?
• RQ2 구성 LP 설정이 효율적인 분리 오라클을 갖는가? 그리고 Shmoys-Tardos 라운딩과 조합했을 때 상수 요인 근사가 달성되는가?
• RQ3 비가중치 동일 평가값 케이스에서 최적 할당과 EF1 할당 간의 최악의 갭이 가중치 설정에서 근사 비율을 제한하는 데 있어서 날카로운가?
• RQ4 다항시간 분리 오라클이 존재하는 경우, 지수적으로 많은 변수를 가진 구성 LP에 대해 타원체 방법이 효과적으로 적용될 수 있는가?
• RQ5 알고리즘이 입력 크기와 $ \epsilon $ 에 대해 다항시간 내에 실행되며, $ n $ 에 대한 지수적 의존성 없이 결정적이고 효율적인가?

주요 결과

• 논문은 추가 평가값을 가진 가중치 내쉬 사회후생 문제에 대해 처음으로 $ O(1) $-근사 알고리즘을 달성하였으며, 근사 비율은 $ e^{1/e} + \epsilon \approx 1.445 + \epsilon $ 로 비가중치 케이스에서의 최고 수준의 비율과 일치한다.
• 알고리즘은 결정적이며, 입력 크기와 $ 1/\epsilon $ 에 대해 다항시간 내에 실행되어 근사 목적에 있어 효율적이고 실용적이다.
• 구성 LP 설정은 지수적으로 많은 변수를 포함하지만, 동적 프로그래밍 기반 다항시간 분리 오라클을 사용해 타원체 방법으로 고정밀도로 해결할 수 있다.
• 분석 결과, 근사 비율은 비가중치 동일 평가값 케이스에서 최적 할당의 내쉬 사회후생과 EF1 할당의 내쉬 사회후생 간 최악의 비율에 의해 제한되며, 이 비율이 최대 $ e^{1/e} $ 이라는 것이 알려져 있다.
• 핵심 매개변수를 추측하고 스케일된 값으로 된 나이프색 커버링 문제를 해결함으로써 분리 오라클은 $ \text{poly}(n, m, 1/\epsilon) $ 시간 내에 실행된다.
• 이중 변수가 음수가 될 수 있는 문제에 대응하기 위해, 이중 변수에 대한 다항식 범위를 증명하고, 적절히 선택된 초기 타원체를 사용한 수정된 타원체 방법을 사용한다.