[논문 리뷰] Generalized Nash Equilibrium Problem by the Alternating Direction Method of Multipliers

Farzad Salehisadaghiani, Lacra Pavel|arXiv (Cornell University)|2017. 03. 24.

Distributed Control Multi-Agent Systems참고 문헌 19인용 수 3

한 줄 요약

이 논문은 선형 결합 제약 조건이 있는 네트워크 게임에서 분산형 일반화 나이시 균형(GNE) 계산을 위한 비정확한 보조 변수 분할법(ADMM) 알고리즘을 제안한다. 각 플레이어는 자신의 비용 함수와 개인적 제약 조건만을 알고 있으며, 통신 그래프를 통해 다른 플레이어의 행동 추정치와 국소 라그랑주 승수를 교환한다. 비용 함수에 대한 약한 가정 조건 하에서 GNE로의 수렴이 증명되었으며, 무선 애드혹 네트워크에서의 시뮬레이션을 통해 접근 방식의 타당성이 검증되었다.

ABSTRACT

In this paper, the problem of finding a generalized Nash equilibrium (GNE) of a networked game is studied. Players are only able to choose their decisions from a feasible action set. The feasible set is considered to be a private linear equality constraint that is coupled through decisions of the other players. We consider that each player has his own private constraint and it has not to be shared with the other players. This general case also embodies the one with shared constraints between players and it can be also simply extended to the case with inequality constraints. Since the players don't have access to other players' actions, they need to exchange estimates of others' actions and a local copy of the Lagrangian multiplier with their neighbors over a connected communication graph. We develop a relatively fast algorithm by reformulating the conservative GNE problem within the framework of inexact-ADMM. The convergence of the algorithm is guaranteed under a few mild assumptions on cost functions. Finally, the algorithm is simulated for a wireless ad-hoc network.

연구 동기 및 목표

• 플레이어가 개인적 선형 결합 제약 조건을 가진 네트워크 게임에서 일반화 나이시 균형(GNE)을 계산할 수 있는 분산 알고리즘을 개발하는 것.
• 다른 플레이어의 행동을 직접 알지 못하면서도 자신의 비용 함수, 개인적 제약 조건, 행동 집합만을 이용해 GNE를 계산할 수 있도록 하는 것.
• 행동 추정치와 국소 라그랑주 승수를 교환하는 통신 그래프를 활용하여 확장 가능하고 강건한 최적화 방법을 설계하는 것.
• 플레이어의 비용 함수에 대한 약한 가정 조건 하에서 제안된 알고리즘의 수렴 보장을 확립하는 것.
• 무선 애드혹 네트워크(WANET)에서 데이터 흐름과 용량 제약 조건이 존재하는 환경에서 알고리즘의 성능을 시뮬레이션을 통해 검증하는 것.

제안 방법

• 보수적 GNE 문제를 라그랑주 이중형으로 재구성하고, 플레이어의 행동에 대한 국소 추정치와 라그랑주 승수의 국소 복제본을 도입하여 분산 계산을 가능하게 한다.
• 각 플레이어별로 증강 라그랑주 함수를 사용하여 전역 최적화 문제를 국소 하위문제로 분리한다.
• 하위문제에서 정확한 해를 요구하지 않고도 수렴성을 유지하면서 계산 효율성을 향상시키는 비정확한-ADMM 알고리즘을 개발한다.
• 각 플레이어가 이웃과 행동 추정치와 국소 이중 변수를 교환하는 연결된 그래프로 통신 네트워크를 모델링한다.
• GNE의 KKT 조건을 유도하고, 알고리즘의 반복값에 대한 리아푸노프 유사 분석을 통해 수렴성을 확립한다.
• ADMM 업데이트 단계에서 결합 제약 조건과 이중 변수를 처리하기 위해 보조 변수(예: u, w, v, z)를 도입한다.

실험 결과

연구 질문

• RQ1 플레이어가 개인적 선형 결합 제약 조건을 가지고 있으며 제한된 정보를 가진 네트워크 게임에서 일반화 나이시 균형을 계산할 수 있는 분산 알고리즘을 설계할 수 있는가?
• RQ2 플레이어가 자신의 비용 함수, 개인적 제약 조건, 이웃과의 행동 추정치 및 이중 변수 교환 정보만을 사용하여 어떻게 GNE 계산을 달성할 수 있는가?
• RQ3 비용 함수에 대한 약한 가정 조건 하에서 비정확한-ADMM 기반 GNE 탐색 알고리즘의 수렴 보장을 어떻게 확립할 수 있는가?
• RQ4 공유 용량 제약 조건이 존재하는 현실적인 네트워크 시스템, 예를 들어 무선 애드혹 네트워크에서 제안된 알고리즘이 어떻게 성능을 발휘하는가?
• RQ5 이 알고리즘은 등식 및 부등식 제약 조건을 모두 처리할 수 있으며, 공유 제약 조건에서 개인적 제약 조건으로의 일반화는 어떻게 이루어지는가?

주요 결과

• 제안된 비정확한-ADMM 알고리즘은 비용 함수의 강한 볼록성과 리프시츠 연속성과 같은 약한 가정 조건 하에서 일반화 나이시 균형으로 수렴한다.
• 플레이어의 행동, 이중 승수, 보조 변수의 수열이 최적값으로 수렴하며, 연속된 반복 간의 차이는 점차 0에 수렴한다.
• 15명의 사용자가 있는 16노드 무선 애드혹 네트워크에서의 시뮬레이션 결과, 흐름 속도가 GNE로 수렴함을 확인하였으며, 그 결과는 그림에서 검은 별표로 표시되어 있다.
• 이중 라그랑주 승수는 0으로 수렴하여, 균형 상태에서 결합 제약 조건이 충족됨을 나타낸다.
• 알고리즘의 정규화 오차는 시간이 지남에 따라 감소하며, 실질적인 강건성과 수렴성을 입증한다.
• 알고리즘은 분산 환경에서 확장 가능하고 효과적이며, 전역 조율 없이 국소 통신만으로도 작동한다.