[논문 리뷰] Optimal Multi-Dimensional Mechanism Design: Reducing Revenue to Welfare Maximization

Yang Cai, Constantinos Daskalakis외 1명|arXiv (Cornell University)|2012. 07. 23.

Auction Theory and Applications참고 문헌 20인용 수 58

한 줄 요약

이 논문은 임의의 가능성 제약과 수요 제약 조건이 존재하는 다차원 베이지안 Auction에서 수익 최적화 메커니즘 설계를 복잡도 효율적인 방식으로 복소화하는 방법을 제시한다. 가상 VCG 할당 규칙을 도입하고, 임의의 최적 Auction이 이러한 규칙들의 분포로 구현될 수 있음을 보이며, VCG 메커니즘에 대한 블랙박스 접근을 통해 다항 시간 내에 계산이 가능하게 한다.

ABSTRACT

We provide a reduction from revenue maximization to welfare maximization in multi-dimensional Bayesian auctions with arbitrary (possibly combinatorial) feasibility constraints and independent bidders with arbitrary (possibly combinatorial) demand constraints, appropriately extending Myerson's result to this setting. We also show that every feasible Bayesian auction can be implemented as a distribution over virtual VCG allocation rules. A virtual VCG allocation rule has the following simple form: Every bidder's type t_i is transformed into a virtual type f_i(t_i), via a bidder-specific function. Then, the allocation maximizing virtual welfare is chosen. Using this characterization, we show how to find and run the revenue-optimal auction given only black box access to an implementation of the VCG allocation rule. We generalize this result to arbitrarily correlated bidders, introducing the notion of a second-order VCG allocation rule. We obtain our reduction from revenue to welfare optimization via two algorithmic results on reduced forms in settings with arbitrary feasibility and demand constraints. First, we provide a separation oracle for determining feasibility of a reduced form. Second, we provide a geometric algorithm to decompose any feasible reduced form into a distribution over virtual VCG allocation rules. In addition, we show how to execute both algorithms given only black box access to an implementation of the VCG allocation rule. Our results are computationally efficient for all multi-dimensional settings where the bidders are additive. In this case, our mechanisms run in time polynomial in the total number of bidder types, but not type profiles. For generic correlated distributions, this is the natural description complexity of the problem. The runtime can be further improved to poly(#items, #bidders) in item-symmetric settings by making use of recent techniques.

연구 동기 및 목표

• 임의의 가능성 제약과 수요 제약 조건이 존재하는 다차원 환경에서 수익 최적 메커니즘 설계의 과제를 해결하기 위해.
• 단일 차원 수익 최적화 프레임워크인 Myerson의 결과를 독립적 또는 상관관계가 있는 입찰자들이 있는 다차원, 조합적 환경으로 확장하기 위해.
• VCG 할당 규칙의 구현에만 접근할 수 있는 블랙박스 방법을 제공하여 수익 최적 메커니즘을 계산하기 위해.
• 계산 가능성을 확보하기 위해 가능성을 갖는 단순화된 형태를 특성화하고, 이를 가상 VCG 규칙들의 분포로 분해하기 위해.
• 계산 효율성과 약간의 incenive compatibility를 유지하면서 메커니즘 설계 프레임워크에 예산 제약 조건을 통합하기 위해.

제안 방법

• 각 입찰자의 유형이 입찰자별로 고유한 함수를 통해 변환되어 가상 유형을 계산하는 가상 VCG 할당 규칙의 개념을 도입한다.
• 수익 최적 메커니즘이 이러한 변환된 유형들에 대해 가상 복소화를 최대화하는 할당 규칙과 대응됨을 보인다.
• 단순화된 형태의 Auction의 타당성을 테스트하기 위한 분리 오ракูล을 개발하여 타당한 메커니즘 공간에서의 효율적 최적화를 가능하게 한다.
• 임의의 타당한 단순화된 형태를 가상 VCG 할당 규칙들의 분포로 분해하기 위한 기하 알고리즘을 설계한다.
• 분리 오라큘과 분해 알고리즘이 모두 VCG 할당 규칙의 구현에 대한 블랙박스 접근만을 사용하여 실행될 수 있음을 보였다.
• 두 번째 차수의 VCG 할당 규칙을 사용하여 상관관계가 있는 입찰자들로의 프레임워크 확장을 설계하고, 항목 대칭 설정에 대해 계산 효율적인 메커니즘을 제공한다.

실험 결과

연구 질문

• RQ1 임의의 가능성 제약과 수요 제약 조건 하에서 다차원 베이지안 Auction에서 수익 최적화를 복소화 최적화로 감소시킬 수 있는가?
• RQ2 가상 VCG 할당 규칙는 어떻게 구성하고, 이를 사용하여 다항 시간 내에 수익 최적 메커니즘을 구현할 수 있는가?
• RQ3 VCG에 대한 블랙박스 접근만을 사용할 경우, 수익 최적 메커니즘을 찾고 실행하는 데 필요한 계산 복잡도는 무엇인가?
• RQ4 계산 효율성 또는 인cent리브 호환성의 손실 없이 예산 제약 조건을 메커니즘 설계 프레임워크에 통합할 수 있는가?
• RQ5 입찰자 유형 간 상관관계가 임의로 존재하는 환경으로까지 수익 최적화에서 복소화 최적화로의 감소를 일반화할 수 있는 정도는 어느 정도인가?

주요 결과

• 논문은 임의의 가능성 제약과 수요 제약 조건이 존재하는 다차원 베이지안 Auction에서 수익 최적화를 복소화 최적화로 감소시키는 결과를 확립하였으며, 이는 Myerson의 결과를 조합적 환경으로 일반화한 것이다.
• 모든 타당한 베이지안 Auction은 각 입찰자의 유형이 가상 유형으로 매핑되고, 할당이 가상 복소화를 최대화하는 방식으로 가상 VCG 할당 규칙들의 분포로 구현될 수 있다.
• 메커니즘은 항목 수, 입찰자 수, 각 입찰자의 가치 분포 지지 집합의 크기의 다항 시간 내에 실행되며, 가산적 또는 효율적으로 매핑 가능한 가치 함수를 가정할 경우 성립한다.
• 항목 대칭 설정에서는 이전 연구의 기법을 활용하여 실행 시간이 항목 수와 입찰자 수에 대해서만 다항 시간으로 향상된다.
• 감소는 $ O( ext{poly}^{-1}(n,m) + ext{poly}^{-1}( ext{support size})) $ 수준의 수익 부족을 갖는 약간의 BIC 메커니즘을 달성하며, 이는 다항 시간 내에 임의로 작게 만들 수 있다.
• 예산 제약 조건은 선형 프로그래밍 공식을 수정하여 예산 범위를 포함함으로써 통합되며, 이는 정확한 BIC를 포기하고 일시적 개인적 합리성과 $\delta$-BIC 메커니즘을 수용하는 데 필요하다.