[논문 리뷰] Complexity of Mechanism Design

Vincent Conitzer, Tüomas Sandholm|arXiv (Cornell University)|2002. 05. 28.

Auction Theory and Applications참고 문헌 18인용 수 249

한 줄 요약

이 논문은 사전 지급이 없는 다중 에이gent 시스템에서 선호 집합을 위한 자동화된 메커니즘 설계를 제안하며, 결정론적 메커니즘 설계가 우월 전략 및 베이즈-내쉬 실현 모두에서 NP-완전임을 보여준다. 그러나 랜덤화된 메커니즘을 允허함으로써 복잡도는 다항시간으로 감소하여 전략적 불확실성 없이 더 높은 사회적 복지를 달성할 수 있다.

ABSTRACT

The aggregation of conflicting preferences is a central problem in multiagent systems. The key difficulty is that the agents may report their preferences insincerely. Mechanism design is the art of designing the rules of the game so that the agents are motivated to report their preferences truthfully and a (socially) desirable outcome is chosen. We propose an approach where a mechanism is automatically created for the preference aggregation setting at hand. This has several advantages, but the downside is that the mechanism design optimization problem needs to be solved anew each time. Focusing on settings where side payments are not possible, we show that the mechanism design problem is NP-complete for deterministic mechanisms. This holds both for dominant-strategy implementation and for Bayes-Nash implementation. We then show that if we allow randomized mechanisms, the mechanism design problem becomes tractable. In other words, the coordinator can tackle the computational complexity introduced by its uncertainty about the agents preferences BY making the agents face additional uncertainty.This comes at no loss, AND IN SOME cases at a gain, IN the(social) objective.

연구 동기 및 목표

• 에이전트가 선호를 위조 보고할 수 있는 다중 에이전트 시스템에서 조작 불가능한 메커니즘 설계의 과제를 다루기 위해.
• 비현실적인 가정(예: 선형 근사성과 사전 지급)을 필요로 하는 고전적 메커니즘의 한계를 극복하기 위해.
• 일반적으로 적용되는 것이 아니라 특정 설정에 대해 자동으로 생성된 메커니즘을 고려할 때 메커니즘 설계의 계산 복잡도를 연구하기 위해.
• 랜덤화가 계산 복잡도를 감소시키면서 사회적 복지를 향상시킬 수 있는지 조사하기 위해.
• 랜덤화된 메커니즘이 효율성과 계산 가능성 측면에서 결정론적 메커니즘을 능가할 수 있음을 보여주기 위해.

제안 방법

• 에이전트 유형, 사전 분포, 사회적 목표를 입력으로 하는 최적화 문제로 메커니즘 설계를 공식화한다.
• 결정론적 메커니즘 설계를 보고된 선호에 기반해 고정된 결과를 선택하는 것으로 정의하며, 조작 불가능성에 의해 제약을 받는다.
• 결정론적 결과가 아닌 결과의 확률 분포를 사용해 결과를 확률적으로 선택하는 랜덤화된 메커니즘 설계를 도입한다.
• 우월 전략 및 베이즈-내쉬 실현 모두에서 선형 프로그래밍을 사용해 랜덤화된 메커니즘 설계 문제를 효율적으로 해결한다.
• 어떤 메커니즘도 성능이 동일한 조작 불가능한 메커니즘으로 변환할 수 있도록 변환을 적용함으로써, 조작 불가능한 메커니즘에 집중하는 것이 타당함을 정당화한다.
• 모순에 의한 증명을 통해 일부 경우에 랜덤화가 기대 사회적 복지를 엄격히 증가시킴을 보이며, 이는 랜덤화가 사회적 복지를 향상시키지 못한다면 P ≠ NP임을 암시한다.

실험 결과

연구 질문

• RQ1 사전 지급이 없는 경우, 조작 불가능한 결정론적 메커니즘 설계 문제는 계산적으로 어렵게 되는가?
• RQ2 랜덤화된 메커니즘이 결정론적 메커니즘이 NP-완전인 곳에서 메커니즘 설계 문제를 해결 가능하게 하는가?
• RQ3 메커니즘의 랜덤화가 결정론적 메커니즘 대비 더 높은 기대 사회적 복지를 이끌어내는가?
• RQ4 메커니즘 자체에 불확실성을 도입함으로써 메커니즘 설계의 계산 복잡도를 감소시킬 수 있는가?
• RQ5 조작 불가능한 설정에서 결정론적 메커니즘과 랜덤화된 메커니즘 간의 성능 격차는 본질적인가?

주요 결과

• 사전 지급이 없는 경우, 결정론적 메커니즘 설계 문제는 우월 전략 및 베이즈-내쉬 실현 모두에서 NP-완전하다.
• 랜덤화된 메커니즘 설계 문제는 우월 전략 및 베이즈-내쉬 실현 모두에서 선형 프로그래밍을 통해 다항시간 내에 해결 가능하다.
• 동일한 설정에서 랜덤화된 메커니즘은 어떤 결정론적 메커니즘보다 엄격히 더 높은 기대 사회적 복지를 달성할 수 있다.
• 3개의 결과, 2명의 에이전트로 구성된 예시에서, 랜덤화된 메커니즘은 5.5의 기대 사회적 복지를 달성하지만, 최고의 결정론적 메커니즘은 오직 5에 그친다.
• 이러한 격차의 존재는, 계산 복잡도가 존재하지 않는 한 랜덤화가 사회적 복지를 향상시킬 수 없다면 P ≠ NP임을 암시한다.
• 이 논문은 메커니즘에 불확실성을 도입함으로써 계산 복잡도를 감소시킬 수 있으며, 사회적 복지를 희생시키지 않거나 때로는 향상시킬 수 있음을 보여준다.