[论文解读] An experimental analysis of Lemke-Howson algorithm

Bruno Codenotti, Stefano Rossi+1 more|ArXiv.org|Nov 20, 2008

Opinion Dynamics and Social Influence参考文献 17被引用 14

一句话总结

本文提出了一种新颖的启发式方法，用于改进Lemke-Howson算法在双矩阵博弈中计算纳什均衡的性能，通过限制枢轴路径长度并从每个枢轴重新初始化，显著提升了在均匀随机博弈中的效率。关键贡献在于实现了线性平均时间复杂度（相较于标准Lemke-Howson算法的七次多项式复杂度），使得1000×1000规模的游戏也能高效计算纳什均衡。

ABSTRACT

We present an experimental investigation of the performance of the Lemke-Howson algorithm, which is the most widely used algorithm for the computation of a Nash equilibrium for bimatrix games. Lemke-Howson algorithm is based upon a simple pivoting strategy, which corresponds to following a path whose endpoint is a Nash equilibrium. We analyze both the basic Lemke-Howson algorithm and a heuristic modification of it, which we designed to cope with the effects of a 'bad' initial choice of the pivot. Our experimental findings show that, on uniformly random games, the heuristics achieves a linear running time, while the basic Lemke-Howson algorithm runs in time roughly proportional to a polynomial of degree seven. To conduct the experiments, we have developed our own implementation of Lemke-Howson algorithm, which turns out to be significantly faster than state-of-the-art software. This allowed us to run the algorithm on a much larger set of data, and on instances of much larger size, compared with previous work.

研究动机与目标

• 评估Lemke-Howson算法在大规模双矩阵博弈中的实际性能，此前的研究受限于实现效率。
• 解决标准Lemke-Howson算法中因枢轴选择不佳而导致的计算低效问题，此类问题常引发过长的路径长度。
• 设计并实现一种内存高效的启发式方法，以在保持正确性和可扩展性的前提下，显著减少平均运行时间。
• 证明该启发式方法在均匀随机博弈中实现了线性平均运行时间，与标准算法的多项式（约七次）增长形成鲜明对比。

提出的方法

• 开发了一种高度优化的自定义Lemke-Howson算法实现，其速度和可扩展性优于现有最先进的软件。
• 提出了一种新颖的启发式方法，限制每个初始枢轴的枢轴步骤数量（设定上限参数），并从2n个可能的枢轴中依次重启算法，最多达到该上限值。
• 若在所有枢轴的上限步数内均未找到均衡，则从最后一个枢轴执行完整的Lemke-Howson运行。
• 该启发式方法仅维护一个单纯形表，确保内存使用量与标准算法处于同一水平，避免了先前多路径方法带来的内存膨胀。
• 采用上限参数（经优化后约为10步）以在早期终止概率与路径长度之间取得平衡，从而最小化平均计算时间。
• 在规模逐步增加的均匀随机博弈（最大至1000×1000）上进行了大量实验，测量平均枢轴步骤数与终止概率。

实验结果

研究问题

• RQ1 在均匀随机双矩阵博弈中，标准Lemke-Howson算法的平均运行时间如何随博弈规模增长？
• RQ2 对Lemke-Howson算法进行启发式改进，能否在保持正确性与低内存使用的同时，减少平均枢轴步骤数？
• RQ3 在不同博弈规模下，使平均计算时间最小化的最优上限值是多少？
• RQ4 在大规模博弈中，需要执行最终枢轴（即完整Lemke-Howson运行）的概率如何随上限参数变化？
• RQ5 该启发式方法在多大程度上使标准算法实际计算极限之外的博弈也能实现均衡计算？

主要发现

• 标准Lemke-Howson算法在均匀随机双矩阵博弈中的平均运行时间大致与博弈规模的七次多项式成正比，如图2所示。
• 所提出的启发式方法在均匀随机博弈中实现了线性平均运行时间，平均枢轴步骤数随博弈规模线性增长。
• 该启发式方法的最优上限值约为10步，且该值在不同博弈规模下保持稳定，经扩展分析验证。
• 对于100×100的博弈，当上限值超过20时，需要执行完整Lemke-Howson算法（即达到最后一个枢轴）的概率降至1%以下。
• 该启发式方法使1000×1000规模的博弈在合理时间内完成均衡计算，而标准算法仅能处理规模为数百的博弈。
• 该启发式方法的步骤分布与标准算法相似，但更密集且非单调，反映出从不同枢轴出发的多条短可行路径的聚合效应。