[논문 리뷰] On the Hardness of Welfare Maximization in Combinatorial Auctions with Submodular Valuations

Shahar Dobzinski, J. Vondrák|arXiv (Cornell University)|2012. 02. 13.

Complexity and Algorithms in Graphs참고 문헌 8인용 수 3

한 줄 요약

이 논문은 하위모듈러 평가를 갖는 조합 Auction에서 복리 최대화에 대한 첫 번째 상수 요인 근사 불가능성 임계점을 확립한다. 이는 통신 및 계산 모델 모두에서 어떤 알고리즘도 (1 − 1/(2e) + ε)-근사보다 더 나은 결과를 달성할 수 없음을 증명한다. 저자들은 다이크 피크 하위모듈러 함수를 도입하여, 이 한계가 상수 크기의 평가 함수와 수요 오ракル 모델에서도 성립함을 보여주는 경계 사례를 구성한다.

ABSTRACT

We present a new type of monotone submodular functions: \emph{multi-peak submodular functions}. Roughly speaking, given a family of sets $\cF$, we construct a monotone submodular function $f$ with a high value $f(S)$ for every set $S \in {\cF}$ (a "peak"), and a low value on every set that does not intersect significantly any set in $\cF$. We use this construction to show that a better than $(1-\frac{1}{2e})$-approximation ($\simeq 0.816$) for welfare maximization in combinatorial auctions with submodular valuations is (1) impossible in the communication model, (2) NP-hard in the computational model where valuations are given explicitly. Establishing a constant approximation hardness for this problem in the communication model was a long-standing open question. The valuations we construct for the hardness result in the computational model depend only on a constant number of items, and hence the result holds even if the players can answer arbitrary queries about their valuation, including demand queries. We also study two other related problems that received some attention recently: max-min allocation (for which we also get hardness of $(1-\frac 1 {2e}+ε)$-approximation, in both models), and combinatorial public projects (for which we prove hardness of $(3/4+ε)$-approximation in the communication model, and hardness of $(1 -\frac 1 e+ε)$-approximation in the computational model, using constant size valuations).

연구 동기 및 목표

• 하위모듈러 복리 최대화의 통신 복잡도 어려움에 관한 오랫동안 열려 있던 질문을 해결하기 위해.
• 상수 크기의 하위모듈러 평가 함수에 대해 (1−1/(2e)+ε)-근사의 NP-어려움을 확립하기 위해.
• 어려움 결과를 최대-최소 할당 및 조합 공공 사업과 같은 관련 문제로 확장하기 위해.
• 어려움 임계점이 수요 오라클을 포함한 모든 합리적인 오라클 모델에서 유지됨을 보여주기 위해.
• 근사 불가능성을 증명하기 위한 핵심 기술 도구로 다이크 피크 하위모듈러 함수의 새로운 구성법을 제공하기 위해.

제안 방법

• 특정 집합의 가족 F에서 높은 값을 가지며, 그 외에는 낮은 값을 가지는 다이크 피크 하위모듈러 함수를 도입한다.
• Feige의 Max k-cover 근사 불가능성 결과에서의 감소를 사용하여 조합 Auction의 하위모듈러 평가 함수를 구성한다.
• 균일한 집합 크기와 유한한 교차를 갖는 Feige의 Max k-cover 인스턴스의 구조를 기반으로 상수 크기의 하위모듈러 평가 함수를 구성한다.
• 각 플레이어의 평가가 특정한 번들 가족에서 피크에 도달하도록 하위모듈러 함수를 구성하기 위해 다이크 피크 함수 구성법을 적용한다.
• 어느 (1−1/(2e)+ε)-근사도 계산 모델에서는 P=NP를 암시하고, 통신 모델에서는 지수적 통신이 필요함을 보여준다.
• 유사한 구성과 감소를 사용하여 어려움 결과를 최대-최소 할당 및 조합 공공 사업으로 확장한다.

실험 결과

연구 질문

• RQ1 통신 모델에서 하위모듈러 복리 최대화에 대해 (1−1/(2e)+ε)-근사가 가능할 수 있는가?
• RQ2 상수 크기의 하위모듈러 평가 함수에 대해 (1−1/(2e)+ε)-근사가 다항 시간 내에 달성될 수 있는가?
• RQ3 어려움 결과가 최대-최소 할당 및 조합 공공 사업과 같은 다른 문제로 확장되는가?
• RQ4 수요 오라클을 포함한 모든 합리적인 오라클 모델에서 어려움 한계를 증명할 수 있는가?
• RQ5 하위모듈러 조합 Auction에서 상수 요인 근사 불가능성을 증명하기 위해 필요한 새로운 구조적 도구는 무엇인가?

주요 결과

• (1−1/(2e)+ε)-근사가 하위모듈러 복리 최대화에 대해 통신 모델에서 지수적 통신을 요구함을 보여, 오랫동안 열려 있던 질문을 해결한다.
• 상수 크기의 하위모듈러 평가 함수에 대해 (1−1/(2e)+ε)-근사가 가능하면 계산 모델에서 P=NP임을 암시한다.
• 수요 오라클을 포함한 모든 합리적인 오라클 모델에서 어려움 결과가 유지되며, 이는 통신에서 시뮬레이션 가능하고 상수 시간 내에 실행 가능하기 때문이다.
• 동일한 구성은 두 모델 모두에서 최대-최소 할당에 대해 (1−1/(2e)+ε)-어려움을 유도한다.
• 조합 공공 사업에서는 통신 모델에서 (3/4+ε)-근사가 어려우며, 계산 모델에서는 (1−1/e+ε)-근사가 어려움을 증명한다.
• 논문은 이 설정에서 처음으로 상수 요인 근사 불가능성 결과를 가능하게 하는 새로운 기술 도구로 다이크 피크 하위모듈러 함수를 도입한다.