[논문 리뷰] Approximately Optimal Mechanisms for Strategyproof Facility Location: Minimizing $L_p$ Norm of Costs

Itai Feigenbaum, Jay Sethuraman외 1명|arXiv (Cornell University)|2013. 05. 10.

Game Theory and Voting Systems참고 문헌 6인용 수 8

한 줄 요약

이 논문은 실수선 상의 에이전트 비용의 $L_p$ 노름을 최소화하는 전략수정 가능 시.Installation 메커니즘을 연구한다. 이는 결정론적 메커니즘 중에서 중앙값 메커니즘이 최적의 $2^{1-1/p}$ 근사 비율을 달성함을 증명하며, 2명의 에이전트에 대해서는 랜덤화된 메커니즘 중 LRM 메커니즘이 최적임을 보여준다. 그러나 $p > 2$인 경우, $p=2$ 및 $p=\infty$의 경우와 달리 랜덤화는 이론적 한계를 향상시키지 못한다.

ABSTRACT

We consider the problem of locating a single facility on the real line. This facility serves a set of agents, each of whom is located on the line, and incurs a cost equal to his distance from the facility. An agent's location is private information that is known only to him. Agents report their location to a central planner who decides where to locate the facility. The planner's objective is to minimize a "social" cost function that depends on the agent-costs. However, agents might not report truthfully; to address this issue, the planner must restrict himself to {\em strategyproof} mechanisms, in which truthful reporting is a dominant strategy for each agent. A mechanism that simply chooses the optimal solution is generally not strategyproof, and so the planner aspires to use a mechanism that effectively {\em approximates} his objective function. In our paper, we study the problem described above with the social cost function being the $L_p$ norm of the vector of agent-costs. We show that the median mechanism (which is known to be strategyproof) provides a $2^{1-\frac{1}{p}}$ approximation ratio, and that is the optimal approximation ratio among all deterministic strategyproof mechanisms. For randomized mechanisms, we present two results. First, we present a negative result: we show that for integer $\infty>p>2$, no mechanism---from a rather large class of randomized mechanisms--- has an approximation ratio better than that of the median mechanism. This is in contrast to the case of $p=2$ and $p=\infty$ where a randomized mechanism provably helps improve the worst case approximation ratio. Second, for the case of 2 agents, we show that a mechanism called LRM, first designed by Procaccia and Tennenholtz for the special case of $L_{\infty}$, provides the optimal approximation ratio among all randomized mechanisms.

연구 동기 및 목표

• 실수선 상의 시.Installation 위치 문제에서 에이전트 비용의 $L_p$ 노름을 최소화하는 전략수정 가능 메커니즘을 설계하기.
• 결정론적 및 랜덤화된 전략수정 가능 메커니즘으로 달성 가능한 최고의 근사 비율을 규명하기.
• 에이전트의 수가 2인 경우, $p > 2$일 때 랜덤화가 중앙값 메커니즘의 최악의 경우 근사 비율을 향상시킬 수 있는지 조사하기.
• 이동, 척도 불변성 및 대칭성 제약 조건 하에서 최적 메커니즘의 특성 규명하기.
• 이전의 최소합($p=1$) 및 최소최대($p=\infty$) 연구를 일반적인 $L_p$ 노름으로 확장하기.

제안 방법

• 결정론적 전략수정 가능 메커니즘을 분석하여, 중앙값 메커니즘이 $2^{1-1/p}$의 근사 비율을 달성함을 증명한다.
• 메커니즘이 오직 두 에이전트의 위치와 중앙값만 랜덤화하는 데 국한되도록 제약을 두는 전환 레마를 도입한다.
• 이동, 척도 불변성 및 대칭성을 활용하여 메커니즘 공간을 단순화하고, 2명의 에이전트 케이스에서 LRM의 최적성 증명한다.
• 전략수정 가능성 제약 조건 하에서 비용 함수의 확률적 분석을 수행하며, 대칭성과 적분 조건을 활용한다.
• 부정적 결과를 적용하여, $p > 2$인 경우, 광범위한 클래스의 메커니즘 중 중앙값보다 더 나은 최악의 경우 근사 비율을 달성할 수 없음을 보여준다.
• $p$-노름 간의 근사 비율을 비교하여, 랜덤화는 $p=2$ 및 $p=\infty$의 경우에만 근사 비율 향상에 기여함을 보여준다.

실험 결과

연구 질문

• RQ1 에이전트 비용의 $L_p$ 노름을 최소화하기 위해 어떤 결정론적 전략수정 가능 메커니즘도 달성 가능한 최고의 근사 비율은 무엇인가요?
• RQ2 에이전트의 수가 2인 경우, $p > 2$일 때 랜덤화된 메커니즘이 $L_p$ 비용 최소화의 최악의 경우 근사 비율을 향상시킬 수 있는가요?
• RQ3 2명의 에이전트 케이스에서 LRM 메커니즘은 $L_p$ 비용 최소화 문제에서 모든 랜덤화된 전략수정 가능 메커니즘 중 최적인가요?
• RQ4 이동, 척도 불변성 및 대칭성 제약 조건은 최적 메커니즘의 완전한 특성화를 가능하게 하는가요?
• RQ5 다양한 $p$-노름에서 중앙값 메커니즘의 근사 비율은 어떻게 비교되는가요?

주요 결과

• 중앙값 메커니즘은 $2^{1-1/p}$의 근사 비율을 달성하며, 이는 모든 결정론적 전략수정 가능 메커니즘 중 최적이다.
• $p > 2$인 경우, 이동, 척도 불변성 및 대칭성 조건을 만족하는 광범위한 메커니즘 클래스 중에서 중앙값보다 더 나은 최악의 경우 근사 비율을 달성할 수 없다.
• 2명의 에이전트 케이스에서 LRM 메커니즘은 모든 랜덤화된 전략수정 가능 메커니즘 중 최적의 근사 비율인 $0.5(2^{1-1/p} + 1)$을 달성한다.
• 랜덤화는 $p > 2$인 경우 최악의 경우 근사 비율을 향상시키지 못하며, 이는 $p=2$ 및 $p=\infty$의 경우와 다릅니다.
• 2명의 에이전트 케이스에서 LRM 메커니즘은 이동 및 척도 불변성 조건을 만족하는 랜덤화된 메커니즘 중 최적이다.
• 전환 레마는 전략수정 가능 메커니즘을 모두 에이전트의 보고된 위치와 중앙값만 랜덤화하는 메커니즘으로 대체할 수 있으며, 이는 근사 비율을 악화시키지 않는다.