[논문 리뷰] Understanding Incentives: Mechanism Design becomes Algorithm Design

Yang Cai, Constantinos Daskalakis외 1명|arXiv (Cornell University)|2013. 05. 17.

Auction Theory and Applications참고 문헌 24인용 수 18

한 줄 요약

이 논문은 임의의 볼록 목적함수, 탈당 제약 조건, 입찰자 유형에 대해 메커니즘 설계를 알고리즘 설계로의 계산 효율적이고 근사 비율 유지를 보장하는 축소를 제시한다. 진정성 수익 최적화와 가상 복리 최적화 사이의 계산적 동등성을 확립하며, 단일의 단조 증가 부분모듈라 입찰자에 대해서도 어떤 다항식 요인 내에서 근사하는 것이 NP-난이도임을 증명한다.

ABSTRACT

We provide a computationally efficient black-box reduction from mechanism design to algorithm design in very general settings. Specifically, we give an approximation-preserving reduction from truthfully maximizing \emph{any} objective under \emph{arbitrary} feasibility constraints with \emph{arbitrary} bidder types to (not necessarily truthfully) maximizing the same objective plus virtual welfare (under the same feasibility constraints). Our reduction is based on a fundamentally new approach: we describe a mechanism's behavior indirectly only in terms of the expected value it awards bidders for certain behavior, and never directly access the allocation rule at all. Applying our new approach to revenue, we exhibit settings where our reduction holds \emph{both ways}. That is, we also provide an approximation-sensitive reduction from (non-truthfully) maximizing virtual welfare to (truthfully) maximizing revenue, and therefore the two problems are computationally equivalent. With this equivalence in hand, we show that both problems are NP-hard to approximate within any polynomial factor, even for a single monotone submodular bidder. We further demonstrate the applicability of our reduction by providing a truthful mechanism maximizing fractional max-min fairness. This is the first instance of a truthful mechanism that optimizes a non-linear objective.

연구 동기 및 목표

• 메커니즘 설계가 알고리즘 설계에 비해 계산 복잡도를 얼마나 증가시키는가에 대한 근본적인 질문을 다루는 것.
• 임의의 탈당 제약 조건과 입찰자 유형을 가진 일반적인 환경에서 메커니즘 설계를 알고리즘 설계로의 일반적이고 근사 비율을 유지하는 축소를 개발하는 것.
• 일반 조건 하에서 진정성 수익 최적화와 가상 복리 최적화 사이의 계산적 동등성을 확립하는 것.
• 비선형 목적함수인 분수형 최소-최대 공정성 최적화를 위한 첫 번째 진정성 메커니즘을 제안된 프레임워크를 통해 설계하는 것.

제안 방법

• 할당 규칙에 직접 접근하지 않고 특정 행동에 대한 기대 지불액을 통한 메커니즘의 새로운 간접적 특성화를 도입한다.
• 다차원 메커니즘 설계 문제(MDMDP)를 임의의 차이 문제(SADP)로의 튜링 축소를 구축한다.
• 가상 유형과 알고리즘 근사치 기반의 메커니즘 암묵적 형태를 계산하기 위해 '이상한 분리 오ракูล'을 갖춘 선형 프로그래밍 프레임워크를 사용한다.
• 가상 복리 최적화를 위한 비진정성 알고리즘을 가상 유형 프로파일의 볼록 조합을 통해 진정성 메커니즘으로 변환한다.
• 가상 유형과 지불액 간의 이중성을 활용하여 인센티브 호환성을 확보하면서도 근사 보장을 유지한다.
• 이 축소를 적용하여 분수형 최소-최대 공정성을 최적화하는 진정성 메커니즘을 구축한다.

실험 결과

연구 질문

• RQ1 임의의 볼록 목적함수에 대해 메커니즘 설계를 알고리즘 설계로의 축소가 근사 비율을 유지하도록 수행될 수 있는가?
• RQ2 일반적인 환경에서 진정성 수익 최적화와 가상 복리 최적화 사이에 계산적 동등성이 존재하는가?
• RQ3 최소-최대 공정성과 같은 비선형 목표함수를 위한 진정성 메커니즘을 설계할 수 있는가?
• RQ4 일반적인 입찰자 유형(예: 단조 증가 부분모듈라 평가)이 존재하는 환경에서 수익 근사의 계산 복잡도는 어떠한가?
• RQ5 이 축소는 가산 입찰자와 선형 목표함수 외의 환경에도 적용될 수 있는가?

주요 결과

• 논문은 임의의 볼록 목적함수, 탈당 제약 조건, 입찰자 유형에 대해 메커니즘 설계를 알고리즘 설계로의 일반적이고 계산 효율적이며 근사 비율을 유지하는 축소를 확립한다.
• 수익 최적화의 경우, 이 축소는 양방향으로 성립하며, 진정성 수익 최적화와 가상 복리 최적화가 계산적으로 동등하다는 것을 증명한다.
• 진정성 수익 최적화와 가상 복리 최적화 모두 단일의 단조 증가 부분모듈라 입찰자에 대해서도 어떤 다항식 요인 내에서 근사하는 것이 NP-난이도임을 증명한다.
• 이 프레임워크는 비선형 목표함수인 분수형 최소-최대 공정성을 최적화하는 첫 번째 진정성 메커니즘의 구축을 가능하게 하여 방법의 광범위한 적용 가능성을 보여준다.
• 이 축소는 할당 규칙의 직접 조작을 피하기 위해 기대 지불액과 가상 유형을 사용한 새로운 간접적 메커니즘 표현에 기반한다.
• 이 방법은 가상 복리의 알고리즘 근사치 기반으로 특수하게 구성된 분리 오라클을 갖춘 선형 프로그래밍을 풀어 근사 보장을 달성한다.