[논문 리뷰] Approximating Nash Social Welfare by Matching and Local Search

Jugal Garg, Edin Husić외 3명|arXiv (Cornell University)|2022. 11. 07.

Game Theory and Voting Systems인용 수 4

한 줄 요약

이 논문은 하위모듈러 평가에서 대칭 네쉬 사회후생(NSW) 문제에 대해 결정론적이고 다항시간 알고리즘을 제시하며, 이는 이전에 알려진 랜덤화된 380-근사보다 크게 향상된 $(4 + \varepsilon)$-근사치를 달성한다. 또한 최대 무게 비율 $\omega$ 가 유한한 경우 비대칭 NSW 문제에 대해 \/(\omega + 2 + \varepsilon)e$-근사치를 제공하며, $\nicefrac{1}{2}$-EFX 할당(한 명의 에이전트가 다른 이의 배치에서 한 개의 항목을 제거한 후에도 배제를 느끼지 않는 것)과 동시에 NSW에 대한 $8 + \varepsilon$-근사치를 계산할 수 있음을 보이며, 정의의 공정성 분야에서 핵심적인 열린 문제를 해결한다.

ABSTRACT

For any $\eps>0$, we give a simple, deterministic $(4+\eps)$-approximation algorithm for the Nash social welfare (NSW) problem under submodular valuations. We also consider the asymmetric variant of the problem, where the objective is to maximize the weighted geometric mean of agents' valuations, and give an $\ee (ω+ 2 + \eps)$-approximation if the ratio between the largest weight and the average weight is at most $ω$. We also show that the $ frac12$-EFX envy-freeness property can be attained simultaneously with a constant-factor approximation. More precisely, we can find an allocation in polynomial time that is both $ frac12$-EFX and a $(8+\eps)$-approximation to the symmetric NSW problem under submodular valuations.

연구 동기 및 목표

• 하위모듈러 평가 하에서 대칭 네쉬 사회후생(NSW) 문제에 대해 상수 요인 근사치를 달성하는 결정론적 다항시간 알고리즘을 설계함으로써 이전의 랜덤화된 380-근사치를 향상시키는 것.
• 에이전트가 서로 다른 무게를 지닌 비대칭 NSW 문제로 근사 보장을 확장하고, 최대 무게 비율 $\omega$ 에 따라 의존하는 상한을 제공하는 것.
• 공정성의 형태로 $\nicefrac{1}{2}$-EFX(반드시 한 개의 항목을 제거한 후에도 배제가 없는 상태)와 동시에 NSW에 대한 상수 요인 근사치를 동시에 달성함으로써, 이전의 이러한 공정성 제약 하에서의 선형적 $n$-효율성 손실 문제를 해결하는 것.
• 하위모듈러 평가 하에서 엄밀한 근사치 보장을 가능하게 하는 매칭과 국소 탐색 기법을 융합한 새로운 알고리즘 프레임워크를 개발하는 것.

제안 방법

• 알고리즘은 NSW의 경계 증가율을 기반으로 에이전트 간 항목을 교환하거나 재할당함으로써 할당을 반복적으로 개선하는 국소 탐색 절차를 사용하며, 철저히 설계된 잠재함수에 의해 이끌림.
• 하위모듈러 함수의 구조를 활용하여 유한한 근사 비율을 보장하는 데 목적이 있는, 높은 품질의 초기 솔루션을 생성하기 위한 매칭 기반 초기화 단계를 통합.
• 국소 탐색 과정에서 공정성과 효율성의 균형을 제어하기 위해 항목에 대한 가격 벡터 $p_j$ 와 편향 매개변수 $\bar{\varepsilon}$ 의 사용이 핵심 요소임.
• 하위모듈러성과 NSW의 지수 utility 함수에서 유도된 부등식을 이용하여 현재 할당과 최적 할당 간의 평가 비율을 경계하는 데 분석에 기반.
• 공정성 보장을 위해 국소 탐색 과정에서 이 조건을 고려하는 수정된 국소 탐색을 사용하여 $\nicefrac{1}{2}$-EFX 공정성을 보장함.
• 최종 근사 비율은 파라미터 $\omega$ 에 대해 최적화하는 방식으로, 에이전트 간의 곱의 경계를 이용하여 유도됨.

Figure 1: White circles represent the agents, black squares the item set $H$ , and grey squares the favorite items. Solid lines represent matching $\tau$ , while dashed-dotted lines represent a subset of matching $\pi$ . Figure a) shows matching $\tau$ , matching $\pi$ for the agents in $A_{\pi}$ ,

실험 결과

연구 질문

• RQ1 하위모듈러 평가 하에서 대칭 NSW 문제에 대해 결정론적 상수 요인 근사치를 달성할 수 있는가? 이는 이전의 랜덤화된 380-근사치를 향상시키는가?
• RQ2 에이전트의 무게가 다를 경우 비대칭 NSW 문제에 대해 달성 가능한 최적의 근사 비율은 무엇이며, 이는 최대 무게 비율 $\omega$ 에 따라 어떻게 달라지는가?
• RQ3 $\nicefrac{1}{2}$-EFX(비교적 비현실적인 공정성 기준)와 같은 비어 있지 않은 공정성 보장과 동시에 NSW에 대한 상수 요인 근사치를 동시에 달성할 수 있는가?
• RQ4 하위모듈러 평가 설정 하에서 공정성과 효율성 제약 조건을 통합할 경우 근사 비율을 향상시킬 수 있는가?

주요 결과

• 논문은 하위모듈러 평가 하에서 대칭 NSW 문제에 대해 결정론적 $(4 + \varepsilon)$-근사치 알고리즘을 제시하며, 이는 이전의 랜덤화된 380-근사치에 비해 상당한 향상이다.
• 비대칭 NSW 문제의 경우, 최대 무게와 평균 무게의 비율이 $\omega$ 이하일 때, $(\omega + 2 + \varepsilon)e$-근사치를 달성한다. 여기서 $\omega$ 는 알려진 파라미터이다.
• 알고리즘은 $\nicefrac{1}{2}$-EFX이면서 동시에 대칭 NSW 문제에 대해 $(8 + \varepsilon)$-근사치를 달성하는 할당을 계산하며, 정의의 공정성 분야에서 핵심적인 열린 문제를 해결한다.
• 매칭을 통한 초기화와 가격 기반 잠재함수를 사용하는 국소 탐색의 새로운 조합을 통해 근사 비율이 확보되며, 다항시간 수렴 보장이 이루어진다.
• 하위모듈러성과 지수 utility 성질을 이용하여 평가 비율의 엄밀한 경계를 확립하며, 최종 근사 비율은 파라미터 $\omega$ 에 대해 최적화하여 도출된다.
• 결과적으로 공정성과 효율성이 하위모듈러 평가 하에서도 상수 요인 보장을 동반하여 동시에 달성될 수 있음을 보여주며, 이는 더 일반적인 추가나 XOS 평가보다 더 일반적인 하위모듈러 평가 설정에서 성립한다.