[논문 리뷰] A Parametric Worst-Case Approach to Fairness in TU-Cooperative Games

Cosmin Bonchiş, Gabriel Istrate|arXiv (Cornell University)|2012. 08. 01.

Game Theory and Applications참고 문헌 35인용 수 4

한 줄 요약

이 논문은 일반화된 Rényi 엔트로피를 기반으로 한 파라미터화된 형평성 측도의 가족을 제안하며, 핵 할당에서 형평성의 최악의 경우 분석을 제공한다. 최악의 경우 형평성을 최소화하기 위해 추가 오차 보장을 갖춘 반대 그리디 알고리즘을 제시하고, 유도된 부분그래프 게임에 이 프레임워크를 적용하여 명시적인 성능 한계와 편향된 방향성 문제와의 연결 고리를 밝혀낸다.

ABSTRACT

We propose a parametric family of measures of fairness in allocations of TU-cooperative games. Their definition is based on generalized Renyi Entropy, is related to the Cowell-Kuga generalized entropy indices in welfare economics, and aims to parallel the spirit of the notion of price of anarchy in the case of convex TU-cooperative games. Since computing these indices is NP-complete in general, we first upper bound the performance of a "reverse greedy" algorithm for approximately computing worst-case fairness. The result provides a general additive error guarantee in terms of two (problem dependent) packing constants. We then particularize this result to the class of induced subset games. For such games computing worst-case fairness is NP-complete, and the additive guarantee constant can be explicitly computed. We compare this result to the performance of an alternate algorithm based on "biased orientations".

연구 동기 및 목표

• 단일 해법 개념(예: Shapley 값)에 의존하지 않고 협동게임에서 형평성의 정의를 다루는 데 도전한다.
• Welfare 경제학의 Cowell-Kuga 불평등 지표를 일반화하고, price of anarchy의 최악의 경우 시각과 일치하는 파라미터화된 형평성 측도를 개발한다.
• 특히 유도된 부분그래프 게임에 중점을 두어, 볼록 TU-게임에서 최악의 경우 형평성을 계산하는 데 대해 근사 보장을 제공한다.
• 가중치가 부여된 그래프에서 최소 엔트로피 방향성 문제와 형평성 최적화 간의 연결 고리를 설정한다.
• 협동게임에서 최악의 경우 형평성에 대한 알고리즘의 계산 복잡도와 근사 성능을 조사한다.

제안 방법

• 파라미터 λ > 0, λ ≠ 1를 사용하여 할당 분포의 Rényi 엔트로피를 기반으로 한 파라미터화된 형평성 측도를 정의한다.
• 최악의 경우 형평성을 최소화하기 위해 반대 그리디 알고리즘을 사용하며, 성능은 문제에 특화된 두 개의 패킹 상수에 의해 제한된다.
• 일반적 bound를 유도된 부분그래프(IS) 게임에 적용하며, 여기서 최악의 경우 형평성 계산은 NP-완전이다.
• 최적의 형평성과 방향성 그래프에서의 편향된 방향성 간의 연결 고리를 설정하며, 가중치가 부여된 최소 엔트로피 방향성 기법을 활용한다.
• 패킹 상수의 명시적 계산을 통해 IS 게임에서 반대 그리디 알고리즘의 추가 오차 bound를 유도한다.
• 편향된 방향성 기반 알고리즘과의 비교를 통해, 특정 λ 값에서 반대 그리디 접근 방식이 더 나은 bound를 제공함을 보여준다.

실험 결과

연구 질문

• RQ1 볼록 TU-게임의 핵 할당에 대해, 복지 경제학의 불평등 지표를 일반화하는 파라미터화된 형평성 측도를 정의할 수 있는가?
• RQ2 볼록 TU-게임에서 최악의 경우 형평성을 최소화하기 위해 반대 그리디 알고리즘의 근사 성능은 어떠한가?
• RQ3 반대 그리디 알고리즘의 성능은 유도된 부분그래프 게임에서 어떻게 스케일링되며, 추가 오차 bound는 명시적으로 계산할 수 있는가?
• RQ4 IS 게임에서 최악의 경우 형평성과 가중치가 부여된 최소 엔트로피 방향성 문제 사이의 관계는 무엇인가?
• RQ5 편향된 방향성 기반 알고리즘이 반대 그리디 접근 방식을 초월하는 파라미터 영역(λ 값)이 존재하는가?

주요 결과

• 반대 그리디 알고리즘은 볼록 TU-게임에서 최악의 경우 형평성을 근사하기 위한 추가 오차 보장을 제공하며, 이는 게임의 구조에 따라 달라지는 두 개의 패킹 상수에 의해 제한된다.
• 유도된 부분그래프 게임에서는 추가 오차 bound를 명시적으로 계산할 수 있어 구체적인 성능 보장을 가능하게 한다.
• 최적의 형평성 분포는 편향된 방향성의 진입도 분포를 포함하는 함수에 의해 아래로 제한된 Rényi 엔트로피를 달성한다.
• 최적의 형평성과 가중치가 부여된 최소 엔트로피 방향성 문제 사이의 연결 고리가 확립되어 특정 λ 값에 대해 더 낫게 제한된 bound를 가능하게 한다.
• 최적 분포와 Shapley 분포의 Rényi 엔트로피 차이는 편향된 방향성 분포의 엔트로피를 포함하는 항에 의해 아래로 제한된다.
• 유도된 추가 오차 bound에 의해, 특정 λ 값에서 반대 그리디 알고리즘이 편향된 방향성 기반 알고리즘을 능가함을 보여준다.