[논문 리뷰] Budget Feasible Mechanism Design: From Prior-Free to Bayesian

Xiaohui Bei, Ning Chen외 2명|arXiv (Cornell University)|2012. 03. 20.

Auction Theory and Applications참고 문헌 36인용 수 60

한 줄 요약

이 논문은 선수 없는 및 베이지안 프레임워크에서 하위가소적 및 XOS 평가 함수에 대해 진실된 예산 가능 메커니즘을 제시한다. 선형계획법 정수성 간극 분석을 통해 하위가소적 함수에 대해 O(log n)-근사치를 달성하고, 베이지안 설정에서 XOS 및 하위가소적 함수에 대해 상수 근사치를 달성하여 하위가소적 평가 함수에 대한 상수 요율 메커니즘에 대한 열린 질문을 해결한다.

ABSTRACT

Budget feasible mechanism design studies procurement combinatorial auctions where the sellers have private costs to produce items, and the buyer(auctioneer) aims to maximize a social valuation function on subsets of items, under the budget constraint on the total payment. One of the most important questions in the field is "which valuation domains admit truthful budget feasible mechanisms with `small' approximations (compared to the social optimum)?" Singer showed that additive and submodular functions have such constant approximations. Recently, Dobzinski, Papadimitriou, and Singer gave an O(log^2 n)-approximation mechanism for subadditive functions; they also remarked that: "A fundamental question is whether, regardless of computational constraints, a constant-factor budget feasible mechanism exists for subadditive functions." We address this question from two viewpoints: prior-free worst case analysis and Bayesian analysis. For the prior-free framework, we use an LP that describes the fractional cover of the valuation function; it is also connected to the concept of approximate core in cooperative game theory. We provide an O(I)-approximation mechanism for subadditive functions, via the worst case integrality gap I of LP. This implies an O(log n)-approximation for subadditive valuations, O(1)-approximation for XOS valuations, and for valuations with a constant I. XOS valuations are an important class of functions that lie between submodular and subadditive classes. We give another polynomial time O(log n/loglog n) sub-logarithmic approximation mechanism for subadditive valuations. For the Bayesian framework, we provide a constant approximation mechanism for all subadditive functions, using the above prior-free mechanism for XOS valuations as a subroutine. Our mechanism allows correlations in the distribution of private information and is universally truthful.

연구 동기 및 목표

• 계산 제약 조건과 무관하게 하위가소적 함수에 대해 상수 요율 예산 가능 메커니즘이 존재하는지 여부를 다루는 것.
• 예산 제약 조건 하에서 선수 없는 최악의 경우 분석과 베이지안 분석 사이의 격차를 메우는 것.
• 하위가소적 및 XOS 평가 함수에 대해 작은 근사 비율을 달성하는 보편적 진실 메커니즘을 개발하는 것.
• 단조성 유지 변환을 통해 비단조성 하위가소적 함수로 결과를 확장하는 것.
• 예산 제약 조건 하에서 XOS와 하위가소적 함수의 근사 가능성에 있어 그 차이를 탐색하는 것.

제안 방법

• 평가 함수의 분수 커버를 모델링하는 선형계획법(LP)을 사용하며, 정수성 간극 I를 근사 비율을 유한하게 하기 위해 사용한다.
• 하위가소적 함수에 대해 O(I) 근사치를 달성하는 선수 없는 메커니즘을 설계하며, 여기서 I는 LP의 최악의 경우 정수성 간극이다.
• 하위가소적 함수에 대해 O(log n / log log n) 근사치를 달성하는 두 번째 선수 없는 메커니즘을 도입하여 이전의 O(log²n) 상한보다 향상시킨다.
• 선수 없는 XOS 메커니즘을 서브루틴으로 사용하는 베이지안 메커니즘을 구축하여, 알려진 비용 분포 하에서 하위가소적 함수에 대해 상수 근사치를 달성한다.
• 양자 샘플링 및 임계값 설정 기법을 활용하여 두 프레임워크 모두에서 진실성과 예산 가능성을 보장한다.
• 비단조성 하위가소적 함수에 대해 v̂(S) = max_{T⊆S} v(T)로 정의된 단조성 유지 버전을 정의함으로써 변환을 적용한다.

실험 결과

연구 질문

• RQ1 선수 없는 설정에서 하위가소적 함수에 대해 상수 요율 예산 가능 메커니즘이 존재하는가?
• RQ2 알려진 비용 분포를 가진 베이지안 메커니즘을 통해 하위가소적 함수를 상수 요율 내에서 근사할 수 있는가?
• RQ3 LP 정수성 간극이 하위가소적 함수에 대한 근사 비율 결정에 어떤 역할을 하는가?
• RQ4 예산 제약 조건 하에서 XOS와 하위가소적 함수는 근사 가능성에서 어떻게 다를까?
• RQ5 단조성 함수에 대해 설계된 메커니즘은 비단조성 하위가소적 함수로 확장될 수 있는가?

주요 결과

• 논문은 하위가소적 함수에 대해 O(log n) 근사 비율을 달성하는 선수 없는 메커니즘을 제시하여 이전의 O(log²n) 상한보다 향상시켰다.
• 두 번째 선수 없는 메커니즘은 하위가소적 함수에 대해 하향 대수적 O(log n / log log n) 근사치를 달성하여 최신 기술 수준을 더욱 향상시켰다.
• XOS 함수의 경우, 논문은 선수 없는 설정에서 LP 정수성 간극을 성능 상한으로 사용하여 상수 요율 근사치를 달성하였다.
• 베이지안 프레임워크에서 논문은 모든 하위가소적 함수에 대해 상수 근사치를 달성하는 보편적 진실 메커니즘을 구축하여 도브지니스 등이 제기한 열린 질문을 해결했다.
• 비단조성 하위가소적 함수의 경우 v̂(S) = max_{T⊆S} v(T)로 변환하여 단조성으로 변환함으로써 메커니즘은 여전히 유효하다.
• 결과는 평가치가 평균 주변에서 지수적 집중과 관련하여 XOS와 하위가소적 함수 간의 근본적인 근사 가능성 차이를 드러냈다.