[논문 리뷰] Approximate well-supported Nash equilibria in symmetric bimatrix games

Artur Czumaj, Michail Fasoulakis외 1명|arXiv (Cornell University)|2014. 07. 11.

Game Theory and Applications참고 문헌 11인용 수 4

한 줄 요약

이 논문은 임의의 충분히 작은 δ > 0에 대해 대칭 이행게임에서 (1/2 + δ)-잘지원되는 내쉬 균형을 다항시간에 계산하는 알고리즘을 제시한다. 이 접근법은 대칭 내쉬 균형의 두 가지 완화 방식을 조합한다: 1/2 경우에 대해 선형계획법을 사용한 지ay 보상 방지 기반의 완화와, 남은 경우를 다루기 위한 호프딩 부등식을 활용한 확률적 분석으로, 높은 확률로 근사 균형으로 수렴함을 보장한다.

ABSTRACT

The $\varepsilon$-well-supported Nash equilibrium is a strong notion of approximation of a Nash equilibrium, where no player has an incentive greater than $\varepsilon$ to deviate from any of the pure strategies that she uses in her mixed strategy. The smallest constant $\varepsilon$ currently known for which there is a polynomial-time algorithm that computes an $\varepsilon$-well-supported Nash equilibrium in bimatrix games is slightly below $2/3$. In this paper we study this problem for symmetric bimatrix games and we provide a polynomial-time algorithm that gives a $(1/2+δ)$-well-supported Nash equilibrium, for an arbitrarily small positive constant $δ$.

연구 동기 및 목표

• 대칭 이행게임에서 잘지원되는 내쉬 균형에 대한 근사 보증을 향상시키기 위해.
• 대칭 게임에서 정확한 내쉬 균형 계산의 계산 난이도를 다루기 위해.
• 일般 이행게임에 대해 알려진 최고의 한계보다 더 나은 근사치를 달성하는 다항시간 알고리즘을 개발하기 위해.
• 대칭 게임의 구조적 성질을 활용하여 보다 효과적인 근사 방법을 설계하기 위해.

제안 방법

• 알고리즘은 먼저 지ay 보상 초과를 방지하는 대칭 전략 프로파일이 존재하는지 확인하기 위해 단일 선형계획법을 사용한다.
• 그러한 프로파일이 존재하지 않으면, 지지 집합의 크기가 제한된 혼합 전략을 샘플링하는 확률적 구성 방법을 사용한다.
• 기대 보상에서의 큰 이탈 확률을 제한하기 위해 호프딩의 부등식을 사용한다.
• 각 순수 전략에 대해 랜덤 샘플링 하에 보상을 위한 랜덤 변수를 정의하여 진짜 기대값 주변으로 집중되도록 보장한다.
• 지지 집합에 속한 모든 전략에 대해 유니온 바운드를 적용하여, 모든 전략이 최적 값으로부터 δ 이내의 보상을 얻을 확률이 양수임을 보여준다.
• 알고리즘은 (x, y) 형태의 혼합 전략 쌍을 구성하여 최적에 가까운 값을 잘지원하며, (1/2 + δ)-잘지원된 균형을 보장한다.

실험 결과

연구 질문

• RQ1 대칭 이행게임에서 잘지원되는 내쉬 균형에 대해 2/3보다 더 나은 근사 보증을 달성할 수 있는가?
• RQ2 대칭 게임에서 (1/2 + δ)-잘지원되는 내쉬 균형을 다항시간에 계산할 수 있는가?
• RQ3 보상 방지를 통한 대칭 내쉬 균형의 완화가 효율적인 근사 알고리즘 설계에 활용될 수 있는가?
• RQ4 확률적 샘플링과 농도 불등식은 어떻게 대칭 게임에서 근사 균형을 구성하는 데 사용될 수 있는가?

주요 결과

• 논문은 임의의 δ > 0에 대해 대칭 이행게임에서 (1/2 + δ)-잘지원되는 내쉬 균형을 다항시간에 계산하는 알고리즘을 제시한다.
• 기대 보상이 1/2 이하인 대칭 내쉬 균형이 존재하는 경우, 알고리즘은 단일 선형계획법을 통해 이를 찾는다.
• 그러한 균형이 존재하지 않는 게임의 경우, 지지 집합 크기가 κ(δ) = 2δ² ln(1/δ)로 제한된 전략의 랜덤 샘플링을 사용한다.
• 양수 확률로 샘플된 전략들은 지지 집합에 속한 모든 전략에 대해 최적 값으로부터 δ 이내의 보상을 제공하며, 이는 (1/2 + δ)-잘지원된 균형을 보장한다.
• 분석은 호프딩의 부등식을 사용해 보상 이탈의 尾 확률을 제한하고, 유니온 바운드를 통해 지지 집합의 모든 전략에 대해 높은 확률로 성공을 보장한다.
• 이 방법은 결과 전략 프로파일이 (1/2 + δ)-잘지원된 내쉬 균형임을 보장하며, 일반 이행게임에 대해 알려진 최고의 한계 약 ~0.6619를 초월한다.