[논문 리뷰] Sampling and Representation Complexity of Revenue Maximization

Shaddin Dughmi, Li Han외 1명|arXiv (Cornell University)|2014. 02. 19.

Auction Theory and Applications참고 문헌 18인용 수 24

한 줄 요약

이 논문은 블랙박스 샘플링을 통해 접근 가능한 분포를 가진 다중 품목 경매에서 수익 극대화를 연구하며, 샘플 복잡도와 약간 최적의 메커니즘의 표현 복잡도 사이의 날카로운 연결 고리를 확립한다. 샘플 복잡도와 표현 복잡도 모두에 대해 지수적 하한을 증명하여, 심지어 다항수의 샘플이 존재하더라도, 일반적인 설정에서 평가 지지가 매우 큰 경우, 다항 크기의 메커니즘이 일정 요인 수준의 수익 근사치를 보장할 수 없음을 보여준다.

ABSTRACT

We consider (approximate) revenue maximization in auctions where the distribution on input valuations is given via "black box" access to samples from the distribution. We observe that the number of samples required -- the sample complexity -- is tightly related to the representation complexity of an approximately revenue-maximizing auction. Our main results are upper bounds and an exponential lower bound on these complexities.

연구 동기 및 목표

• 블랙박스를 통한 평가 분포 접근이 가능한 수익 극대화 경매에서 샘플 복잡도와 표현 복잡도 사이의 관계를 이해하기.
• 평가 지지가 결과 수에 대해 지수적으로 클 때, 평가 샘플 수가 다항수일 경우 약간 최적의 메커니즘을 구성할 수 있는지 여부를 규명하기.
• 크거나 연속적인 평가 공간을 가진 설정에서 약간 최적의 메커니즘을 학습하는 데 있어서 효율성의 근본적 한계를 설정하기.
• 블랙박스 샘플링 모델 하에서 최적 수익 메커니즘을 근사하는 데 있어서의 계산적 난이도를 분석하기.
• 메커니즘 복잡도가 최적 메커니즘의 복잡도에 대해 다항적으로 유한한 경우, 이중 기준 근사가 가능한지 탐색하기.

제안 방법

• NP-난이도의 히팅 세트 문제를 수익 극대화 인스턴스로 감소시켜 난이도 결과를 확립한다.
• 각각의 부분집합에 대해 높거나 낮은 가치를 가진 품목의 조합을 가진 2^m개의 가능한 평가를 가진 평가 분포를 구성하여 지수적 지지 크기를 모델링한다.
• 각 러트리가 고정된 가격으로 품목에 대한 확률 분포를 제공하는 C-메뉴 가격 설정 메커니즘을 사용하고, 각 평가에 대한 기대 수익을 분석한다.
• 개별 합리성 및 인cent리브 제약 조건을 적용하여, 품목 커버리지와 평가 구조에 따라 달라지는 최대 달성 가능한 수익을 제한한다.
• 확률적 분석을 적용하여, 메커니즘의 기대 수익을 랜덤하게 선택된 러트리에서의 집합 커버리지 비율과 관련지어 분석한다.
• 메커니즘 복잡도가 목표 복잡도 C에 대해 다항적으로 유한한 이중 기준 근사 프레임워크를 제안하며, 샘플 크기는 이 제한에 따라 달라진다.

실험 결과

연구 질문

• RQ1 평가 지지가 지수적으로 클 때, 평가 샘플 수가 다항수일 경우 약간 최적의 수익 극대화 경매를 구성할 수 있는가?
• RQ2 필요한 샘플 수와 최적 메커니즘의 표현 복잡도 사이에 날카로운 관계가 존재하는가?
• RQ3 크거나 연속적인 평가 공간을 가진 다중 품목 경매에서 최적 수익을 근사하기 위해 필요한 근본적 샘플 복잡도는 무엇인가?
• RQ4 메커니즘 복잡도가 최적 복잡도 C에 대해 다항식으로 유한하고, 샘플 크기가 효율적인 경우 이중 기준 근사가 달성 가능한가?
• RQ5 이 설정에서 수익 극대화 문제가 샘플에 접근할 수 있는 경우조차도 계산적으로 난이한가?

주요 결과

• 수익 극대화의 샘플 복잡도는 약간 최적의 메커니즘의 표현 복잡도와 밀접하게 관련되어 있다.
• 지수적 지지 크기를 가진 일반 분포에 대해 샘플 복잡도와 표현 복잡도 모두에 대해 Ω(2^m)의 지수적 하한이 확립되었다.
• 심지어 다항수의 샘플이 존재하더라도, 일반적인 경우 최악의 상황에서 다항 크기의 메커니즘은 최적 수익에 대해 일정 요인 수준의 근사치를 보장할 수 없다.
• 히팅 세트 문제에서의 감소는 완전 커버리지와 부분 커버리지 인스턴스를 구분하는 것이 NP-난이도임을 보여주며, 이는 수익 극대화 문제의 계산적 난이도를 암시한다.
• 메커니즘 복잡도가 목표 복잡도 C에 대해 다항적으로 유한한 이중 기준 근사 프레임워크를 제안하였으며, 샘플 크기가 C 및 기타 매개변수에 대해 다항식일 경우, 복잡도 C 이내의 최적 메커니즘에 대해 일정 요인 수준의 수익 근사치를 달성할 수 있다.
• 분석 결과, 샘플 크기가 메커니즘 복잡도보다 충분히 큰 다항식일 경우, 이중 기준 설정에서 과적합을 피할 수 있음을 보여주었다.