[논문 리뷰] The Shapley group value

Ramón Flores, Elisenda Molina외 1명|arXiv (Cornell University)|2014. 12. 17.

Game Theory and Voting Systems참고 문헌 23인용 수 4

한 줄 요약

이 논문은 이전에 알려지지 않은 축적적 해법 개념인 셰플리 군 값(Shapley group value)을 소개한다. 이는 이전에 알려진 유니버설 유틸리티(TU) 게임에서 놀이자들의 집단이 단일 단위로 행동할 때의 사전 가능성 평가를 위한 것이다. 고전적인 셰플리 값은 효율성, 대칭성, 영향력 없는 놀이자, 균형 임계값의 축적적 성질을 만족하는 군 수준의 협동을 정의함으로써 군 수준의 협동으로 확장된다. 응용 분야로는 테러리즘 네트워크에서의 핵심 인물 식별 등이 있다.

ABSTRACT

Following the original interpretation of the Shapley value (Shapley, 1953a) as a priori evaluation of the prospects of a player in a multi-person interaction situation, we propose a group value, which we call the Shapley group value, as a priori evaluation of the prospects of a group of players in a coalitional game when acting as a unit. We study its properties and we give an axiomatic characterization. Relaying on this valuation we analyze the profitability of a group. We motivate our proposal by means of some relevant applications of the Shapley group value, when it is used as an objective function by a decisionmaker who is trying to identify an optimal group of agents in a framework in which agents interact and the attained benefit can be modeled bymeans of a transferable utility game. As an illustrative examplewe analyze the problem of identifying the set of key agents in a terrorist network.

연구 동기 및 목표

• TU 게임에서 협동의 단위로 행동하는 놀이자 집단의 사전 가능성 평가를 위한 공식적인 군 값 개발.
• 효율성, 대칭성, 영향력 없는 놀이자, 균형 임계값 성질에 기반한 셰플리 군 값의 축적적 특성화 제공.
• 개별 셰플리 값이 아닌 군 값의 최대화를 통해 의사결정자가 최적의 군(특히 고정된 크기의 군)을 식별할 수 있도록 지원.
• 군의 셰플리 군 값과 구성원들의 개별 셰플리 값의 합을 비교하여 군의 수익성 모델링.
• 중앙 집중적 조율이 존재하는 실세계 사례, 예를 들어 테러리즘 네트워크에서의 핵심 인물 식별에 군 값을 적용.

제안 방법

• TU 게임 (N,v)에서 각 군 C ⊆ N에 대해, 놀이자들의 모든 가능한 순열에 따른 군의 마진널 기여를 기반으로 실수를 할당하는 함수로서 셰플리 군 값을 정의.
• 단결성 게임 기반의 선형성에 기반해 군 값을 구성하며, 단결성 게임에 대한 명시적 공식 제공: C ∩ S = ∅이면 0, S ⊆ C이면 1, 그 외에는 |S ∩ C| × |S ackslash C|.
• 군의 순서 없는 협상 게임(G-SPB) 및 군의 균형 임계값 성질(G-BMC) 축적적 성질을 도입하고 적용하여 값의 유일한 특성화.
• 군이 나머지 놀이자들과의 협상에서 단일 단위로 행동하는 방식을 모델링하기 위해 몫 게임(또는 융합 게임) 개념을 사용.
• 고정된 크기 등의 제약 조건 하에서 최적의 군을 선정하기 위해 군 값을 최적화 문제의 목표 함수로 적용.
• 테러리즘 네트워크 모델에 대한 시뮬레이션 연구를 통해 접근법을 검증하며, 군 값과 개별 셰플리 값 간 비교를 통해 군의 수익성 평가.

실험 결과

연구 질문

• RQ1 셰플리 값은 TU 게임에서 놀이자들이 단일 단위로 행동할 때의 전망을 어떻게 확장하여 평가할 수 있는가?
• RQ2 셰플리 군 값을 유일하게 특성화하는 축적적 성질은 무엇인가?
• RQ3 군 값은 최적의 군을 식별하는 데 있어 개별 셰플리 값보다 어떤 방식으로 향상되는가?
• RQ4 군 값은 개별 기여의 합과 비교하여 협동의 수익성에 어떻게 반영되는가?
• RQ5 셰플리 군 값을 계층적 네트워크에서 핵심 인물 식별과 같은 실세계 조율 문제에 적용할 때 실용적 함의는 무엇인가?

주요 결과

• 셰플리 군 값은 효율성, 대칭성, 영향력 없는 놀이자, 균형 임계값(G-BMC)의 네 가지 축적적 성질에 의해 유일하게 특성화되며, 이는 군 전망 평가의 공정성과 일관성을 보장한다.
• 군 값은 단결성 게임 기반의 선형성에 의해 정의되며, 명시적 공식 제공: 군이 승리 연합과 공유하는 구성원이 없으면 0, 승리 연합을 완전히 포함하면 1, 그 외에는 |S ∩ C| × |S ackslash C|.
• 군 값은 군 내 대칭 놀이자에 대해 일관된 대우를 보장하는 군의 순서 없는 협상 게임(G-SPB) 성질을 만족한다.
• 군 값은 TU 게임에서 최적의 군을 식별하기 위한 목표 함수로 사용될 수 있으며, 특히 고정된 크기의 군에서 최대 집단 가치를 갖는 군을 선정하고자 할 때 유용하다.
• 테러리즘 네트워크 응용에서 군 값은 개인의 영향력 뿐 아니라 그들의 집단적 전략적 역할에 기반해 핵심 인물을 식별하며, 개인 기반 지표보다 더 강력하고 일관된 군 구조를 드러낸다.
• 군 값은 개인 셰플리 값보다 군의 조율 영향을 더 잘 반영한다. 이는 군의 마진널 기여가 최악의 시나리오 외에도 모든 가능한 협동 형성에 대해 고려되기 때문이다.