[논문 리뷰] The Evolutionary Price of Anarchy: Locally Bounded Agents in a Dynamic Virus Game

Krishnendu Chatterjee, Laura Schmid외 1명|arXiv (Cornell University)|2019. 05. 31.

Game Theory and Applications참고 문헌 37인용 수 2

한 줄 요약

이 논문은 네트워크상의 동적이고 국소적으로 상호작용하며 기억이 없는 에이전트의 바이러스 백신 접종 게임을 분석하기 위해 진화적 가격의 악화(ePoA)를 도입한다. 그래프 구조상의 확률적 과정을 통한 전략 진화 모델링을 통해, 균형 외 행동과 비풍부한 내쉬 균형으로 인해 조건부로 낮은 돌연변이율에서도 고전적 PoA보다 ePoA가 상당히 높아질 수 있음을 보여준다.

ABSTRACT

The Price of Anarchy (PoA) is a well-established game-theoretic concept to shed light on coordination issues arising in open distributed systems. Leaving agents to selfishly optimize comes with the risk of ending up in sub-optimal states (in terms of performance and/or costs), compared to a centralized system design. However, the PoA relies on strong assumptions about agents' rationality (e.g., resources and information) and interactions, whereas in many distributed systems agents interact locally with bounded resources. They do so repeatedly over time (in contrast to "one-shot games"), and their strategies may evolve. Using a more realistic evolutionary game model, this paper introduces a realized evolutionary Price of Anarchy (ePoA). The ePoA allows an exploration of equilibrium selection in dynamic distributed systems with multiple equilibria, based on local interactions of simple memoryless agents. Considering a fundamental game related to virus propagation on networks, we present analytical bounds on the ePoA in basic network topologies and for different strategy update dynamics. In particular, deriving stationary distributions of the stochastic evolutionary process, we find that the Nash equilibria are not always the most abundant states, and that different processes can feature significant off-equilibrium behavior, leading to a significantly higher ePoA compared to the PoA studied traditionally in the literature.

연구 동기 및 목표

• 고전적 가격의 악화(PoA)를 국소적이고 제한된, 기억이 없는 에이전트를 가진 동적이고 진화적 게임 설정으로 확장하기 위해.
• 네트워크 시스템에서 진화적 역학과 정적 내쉬 균형 간의 균형 선택 방식의 차이를 조사하기 위해.
• 바이러스 백신 접종 게임에서 국소 정보와 반복적 상호작용이 시스템 효율성에 미치는 영향을 분석하기 위해.
• 클리크, 스타, 경로와 같은 기본 네트워크 구조에 대해 ePoA의 분석적 경계를 제공하기 위해.
• 진화적 시스템에서 내쉬 균형이 지배적이거나 가장 빈번한 결과임을 전제로 하는 것을 도전하기 위해.

제안 방법

• 국소 정보를 사용한 그래프 상의 에이전트 상호작용을 확률적 진화 역학(생식-죽음 과정)으로 모델링한다.
• 세 가지 핵심 진화적 역학을 적용한다: 사망-생식, 생식-사망, 모방 역학.
• 전략 구성의 정적 분포를 유도하여 균형의 장기 빈도를 계산한다.
• 기본적인 구조에서 Aspnes 등 [2]의 바이러스 백신 접종 게임을 이러한 역학에 따라 분석한다.
• 마르코프 체인 이론과 진화 게임 이론의 분석 기법을 사용하여 정확한 장기 빈도를 계산한다.
• 더 복잡한 구조에 대한 시뮬레이션을 통해 분석 결과를 보완하여 발견된 결과를 검증한다.

실험 결과

연구 질문

• RQ1 진화적 가격의 악화(ePoA)는 동적이고 국소적으로 상호작용하는 시스템에서 고전적 가격의 악화(PoA)와 어떻게 비교되는가?
• RQ2 장기 분포에서 내쉬 균형은 항상 가장 빈번한 상태인가?
• RQ3 다양한 전략 갱신 메커니즘(예: 모방, 생식-사망)이 ePoA에 어떤 정도의 영향을 미치는가?
• RQ4 네트워크 구조와 국소 연결성은 진화적 바이러스 게임에서 비효율적 균형의 발생에 어떻게 영향을 미치는가?
• RQ5 낮은 돌연변이율에서도 균형 외 행동이 고전적 PoA에 비해 ePoA를 상당히 높일 수 있는가?

주요 결과

• 모방 역학 하에서 균형 외 행동이 상당히 크기 때문에 ePoA는 고전적 PoA보다 상당히 높을 수 있다.
• 내쉬 균형이 장기 분포에서 항상 가장 빈번한 상태는 아니며, 이는 그들의 지배성에 대한 전제를 도전한다.
• 스타 구조에서, 낮은 돌연변이율에서도 모방 역학 하에서 ePoA는 고전적 PoA를 2배 이상 초과한다.
• 클리크 구조에서는 ePoA가 유한하게 유지되지만 여전히 고전적 PoA를 초과하여, 진화적 균형에서 지속적인 비효율성이 있음을 나타낸다.
• 전략 구성의 정적 분포는 전략 진화가 정적 균형 분석에서 포착되지 않는 비트리비어스한, 전체 시스템 수준의 비효율성을 초래함을 드러낸다.
• 복잡한 구조에 대한 시뮬레이션은 ePoA가 고전적 PoA보다 여전히 높게 유지됨을 확인하여, 간단한 그래프에서의 분석적 발견을 지지한다.