[논문 리뷰] Tracking-based distributed equilibrium seeking for aggregative games

Guido Carnevale, Filippo Fabiani외 3명|arXiv (Cornell University)|2022. 10. 26.

Advanced Thermodynamics and Statistical Mechanics참고 문헌 44인용 수 4

한 줄 요약

이 논문은 네트워크 상에서 집합 게임에서 일반화된 내쉬 균형(GNE)을 구하는 데 대해 완전히 분산된 이산시간 알고리즘 두 가지를 제안한다. 이 알고리즘은 투영된 의사기울기 방법과 추적 메커니즘을 조합하여 집합 변수와 결합 제약 조건 변수를 재구성한다. 주요 기여는 국소 정보만을 가질 때도 선형 수렴를 달성하는 것으로, 특히 결합 제약 조건이 존재하는 분산 환경에서 이러한 결과는 최초이다.

ABSTRACT

We propose fully-distributed algorithms for Nash equilibrium seeking in aggregative games over networks. We first consider the case where local constraints are present and we design an algorithm combining, for each agent, (i) the projected pseudo-gradient descent and (ii) a tracking mechanism to locally reconstruct the aggregative variable. To handle coupling constraints arising in generalized settings, we propose another distributed algorithm based on (i) a recently emerged augmented primal-dual scheme and (ii) two tracking mechanisms to reconstruct, for each agent, both the aggregative variable and the coupling constraint satisfaction. Leveraging tools from singular perturbations analysis, we prove linear convergence to the Nash equilibrium for both schemes. Finally, we run extensive numerical simulations to confirm the effectiveness of our methods and compare them with state-of-the-art distributed equilibrium-seeking algorithms.

연구 동기 및 목표

• 에이전트가 국소 정보만을 접근하고 국소적으로 통신할 수 있는 조건에서, 집합 게임에서 완전히 분산된 알고리즘을 설계하는 것.
• 에이전트가 전체 네트워크 지식을 확보하지 못할 경우, 집합 변수와 결합 제약 조건 상태와 같은 전역 변수를 재구성하는 과제를 다루는 것.
• 특히 결합 제약 조건이 존재하는 상황에서 국소 정보만을 가질 때도 GNE로의 선형 수렴를 달성하는 것.
• 기존 방법을 확장하여, 정수 단계 크기를 사용함으로써 정확한 수렴를 보장하는 새로운 추적 기반 확장된 원-이중 기반 기법을 도입하는 것.

제안 방법

• 국소 제약 조건이 존재할 경우, 집합 변수를 추정하기 위해 투영된 의사기울기 강하와 국소 추적 메커니즘을 조합한다.
• 집합 변수와 결합 제약 조건 승수를 위한 두 개의 보조 추적 변수를 도입함으로써, 일반화된 게임에서 분산 재구성 가능성을 확보한다.
• 연속시간 중심 최적화에 기반한 확장된 원-이중 기반 기법을 이산시간 분산 동역학에 적응하여 적용한다.
• 특이 섭동 분석을 통해 수렴 성질을 확립하며, 행렬 가중치 노름을 가진 리아푸노프 유사 함수를 활용한다.
• 시스템 이론적 접근을 통해 리아푸노프 함수를 구성함으로써 수축 조건을 만족시키는 방식으로 선형 수렴를 증명한다.
• 알고리즘에 정수 단계 크기를 사용하여, 이전 연구들과 달리 감소하는 단계 크기를 요구하지 않음으로써 정확한 수렴를 보장한다.

실험 결과

연구 질문

• RQ1 결합 제약 조건이 존재하는 집합 게임에서, 완전히 분산된 알고리즘이 일반화된 내쉬 균형으로 선형 수렴를 달성할 수 있는가?
• RQ2 에이전트가 국소 정보와 이웃 간 통신만을 사용할 때, 전역 집합 변수와 제약 조건 변수를 어떻게 재구성할 수 있는가?
• RQ3 추적 메커니즘이 중앙 집중적 조율 없이 분산 균형 계산을 가능하게 하는 데서 수행하는 역할은 무엇인가?
• RQ4 정수 단계 크기 기반 기법이 분산 GNE 탐색에서 정확한 수렴를 보장할 수 있는가? 감소하는 단계 크기로 인한 느린 수렴를 피할 수 있는가?
• RQ5 제안된 추적 기반 확장된 원-이중 기반 기법은 기존의 분산 알고리즘과 비교해 수렴 속도와 내성 면에서 어떻게 다른가?

주요 결과

• 결합 제약 조건이 존재하는 게임에 대해 제안된 알고리즘은 정수 단계 크기를 사용함으로써 일반화된 내쉬 균형으로 선형 수렴를 달성한다. 이는 정수 단계 크기를 사용하는 분산 기법에서 최초의 결과이다.
• 특이 섭동 분석과 행렬 가중치 노름을 가진 리아푸노프 함수를 통해 선형 수렴가 증명되었으며, 적절한 단계 크기 선택 조건 하에서 수축이 보장된다.
• 감소하는 단계 크기를 요구하지 않음으로써 정확한 수렴를 보장하며, 이는 이전 방법들이 근사 또는 하위선형 수렴만을 달성한 것과 대비된다.
• 수치 시뮬레이션은 제안된 방법의 효과성을 확인하며, 최신의 분산 균형 탐색 알고리즘들보다 뛰어난 수렴 속도를 보여준다.
• 수렴 속도는 시스템 파라미터에 따라 결정되는 수축 계수로 양적 경계가 설정되며, 단계 크기와 문제 조건 수치에 명시적인 의존성이 있다.
• 이 방법은 네트워크 토폴로지에 대해 강건하며, 국소 정보와 통신 제약 조건 하에서도 성능을 유지한다.