[论文解读] Anytime Coalition Structure Generation with Worst Case Guarantees

Tüomas Sandholm, Kate Larson+3 more|ArXiv.org|Oct 5, 1998

Game Theory and Voting Systems参考文献 14被引用 70

一句话总结

本文提出了一种在特征函数博弈中用于联盟结构生成的 anytime 算法，该算法在最小搜索量下保证了解决方案质量的最坏情况边界。论文证明，搜索少于 $2^{a-1}$ 个节点无法建立任何边界，进而提出一种算法，以恰好此最小搜索量实现紧致边界，并随着额外计算时间的增加而逐步改进——令人惊讶的是，增加一个额外节点可使边界减半。

ABSTRACT

Coalition formation is a key topic in multiagent systems. One would prefer a coalition structure that maximizes the sum of the values of the coalitions, but often the number of coalition structures is too large to allow exhaustive search for the optimal one. But then, can the coalition structure found via a partial search be guaranteed to be within a bound from optimum? We show that none of the previous coalition structure generation algorithms can establish any bound because they search fewer nodes than a threshold that we show necessary for establishing a bound. We present an algorithm that establishes a tight bound within this minimal amount of search, and show that any other algorithm would have to search strictly more. The fraction of nodes needed to be searched approaches zero as the number of agents grows. If additional time remains, our anytime algorithm searches further, and establishes a progressively lower tight bound. Surprisingly, just searching one more node drops the bound in half. As desired, our algorithm lowers the bound rapidly early on, and exhibits diminishing returns to computation. It also drastically outperforms its obvious contenders. Finally, we show how to distribute the desired search across self-interested manipulative agents.

研究动机与目标

• 解决在大规模多智能体系统中寻找高质量联盟结构的挑战，其中穷举搜索不可行。
• 建立为保证最坏情况性能边界而必须搜索的联盟结构数量的理论下限。
• 设计一种 anytime 算法，以最小搜索量实现最紧致的边界，并随着可用计算时间的增加而持续改进。
• 证明现有算法由于搜索深度不足，无法提供任何最坏情况边界。
• 通过设计一种协议，使自利智能体能够分配搜索工作量，同时将其个体激励与全局最优性对齐。

提出的方法

• 证明任何旨在保证最坏情况边界的算法，必须至少搜索 $2^{a-1}$ 个联盟结构，其中 $a$ 为智能体数量。
• 提出一种新颖的 anytime 算法，从全联盟开始，系统性地探索每次分离一个联盟的所有可能方式。
• 采用一种搜索策略，优先选择能对最优解值提供最紧致上界结构的节点。
• 利用仅增加一个额外节点即可使最坏情况边界减半的事实，实现快速的初始收敛。
• 设计一种分布式协议，使自利智能体可通过将其激励与全局边界改进对齐，共同执行所需搜索。
• 将该算法集成到协商协议中，建议从全联盟开始，并通过分裂和合并操作逐步推进。

实验结果

研究问题

• RQ1 在一般特征函数博弈中，为保证解决方案质量的最坏情况边界，必须搜索的联盟结构的最小数量是多少？
• RQ2 能否设计一种 anytime 算法，随着计算时间的增加逐步收紧该边界，同时保持搜索效率最优？
• RQ3 为何现有联盟结构生成算法无法提供任何最坏情况边界？其结构性限制是什么？
• RQ4 如何在不损害边界保证的前提下，将所需搜索分配给自利且可能操纵的智能体？
• RQ5 搜索顺序与策略对边界改进速率和计算效率有何影响？

主要发现

• 本文证明，任何算法若要建立最坏情况边界，必须至少搜索 $2^{a-1}$ 个联盟结构，因此这是实现此类保证的理论最小值。
• 所提出的算法恰好使用 $2^{a-1}$ 个节点实现紧致的最坏情况边界，而任何其他算法都将需要更多的搜索量。
• 随着智能体数量的增加，为实现该边界所需搜索空间的占比趋近于零，表明该方法具有高度可扩展性。
• 仅增加一个额外节点，即可使最坏情况边界减半，表明边界质量在早期阶段有显著提升。
• 该算法表现出计算的递减回报：边界最初迅速改善，随后随着进一步搜索改善速度减缓，符合理想的 anytime 行为特征。
• 与标准替代算法（如合并与分裂算法）相比，该算法在边界紧致性和计算效率方面均表现更优。