[논문 리뷰] Finding Any Nontrivial Coarse Correlated Equilibrium Is Hard

Siddharth Barman, Katrina Ligett|arXiv (Cornell University)|2015. 04. 23.

Game Theory and Applications참고 문헌 16인용 수 10

한 줄 요약

이 논문은 요약형 다중 플레이어 게임에서 가장 나쁜 가능한 CCE보다 복잡도가 높은 비자명한 공통된 상관 균형(CCE)을 찾는 것은 NP-난이도임을 증명한다. 비록 CCE를 계산하는 효율적인 알고리즘이 존재하지만, P = NP가 아닐 경우 이러한 알고리즘은 비자명한 복잡도 향상을 보장할 수 없다. 저자들은 또한 유사한 난이도를 상관 균형(Correlated Equilibria, CE)에 대해 보여주며, 집계 게임에서는 근사적으로 최적의 복잡도를 갖는 상관 균형을 계산하는 다항 시간 알고리즘을 제공한다.

ABSTRACT

One of the most appealing aspects of the (coarse) correlated equilibrium concept is that natural dynamics quickly arrive at approximations of such equilibria, even in games with many players. In addition, there exist polynomial-time algorithms that compute exact (coarse) correlated equilibria. In light of these results, a natural question is how good are the (coarse) correlated equilibria that can arise from any efficient algorithm or dynamics. In this paper we address this question, and establish strong negative results. In particular, we show that in multiplayer games that have a succinct representation, it is NP-hard to compute any coarse correlated equilibrium (or approximate coarse correlated equilibrium) with welfare strictly better than the worst possible. The focus on succinct games ensures that the underlying complexity question is interesting; many multiplayer games of interest are in fact succinct. Our results imply that, while one can efficiently compute a coarse correlated equilibrium, one cannot provide any nontrivial welfare guarantee for the resulting equilibrium, unless P=NP. We show that analogous hardness results hold for correlated equilibria, and persist under the egalitarian objective or Pareto optimality. To complement the hardness results, we develop an algorithmic framework that identifies settings in which we can efficiently compute an approximate correlated equilibrium with near-optimal welfare. We use this framework to develop an efficient algorithm for computing an approximate correlated equilibrium with near-optimal welfare in aggregative games.

연구 동기 및 목표

• 효율적인 알고리즘이 가장 나쁜 가능한 CCE보다 복잡도가 높은 CCE를 계산할 수 있는지 조사하기.
• 요약형 다중 플레이어 게임에서 CCE 또는 상관 균형(Correlated Equilibria, CE)을 비자명한 복잡도 보장을 갖는 다항 시간 알고리즘이 존재하는지 판단하기.
• 평등 복잡도 또는 파레토 최적성과 같은 대체 목표에 대해서도 난이도가 유지되는지 탐색하기.
• 근사 균형을 근사적으로 최적의 복잡도로 효율적으로 계산할 수 있는 조건을 특정하기.
• 집계 게임과 같은 특정 게임 유형에서 근사적으로 최적의 복잡도를 갖는 상관 균형을 계산하는 프레임워크 개발하기.

제안 방법

• 요약형 다중 플레이어 게임에서 가장 나쁜 CCE보다 복잡도가 높은 어떤 CCE도 계산하는 것이 NP-난이도임을 증명하기 위해, 복잡도 최적화 문제에서의 감소를 사용한다.
• 유사한 복잡도 이론적 추론을 통해 CCE의 난이도 결과를 상관 균형(Correlated Equilibria, CE), 평등 복잡도, 파레토 최적성으로 확장한다.
• 원래 복잡도 목표를 근사하기 위해 이산화된 집계 함수와 수정된 복잡도 함수 $\tilde{w}^y$ 를 도입한다.
• 다항 시간으로 유한한 상태 공간 $\mathcal{G}$ 를 활용하여, 각 집계 상태 $s$ 에 대해 $\tilde{w}^y$ 를 행동 프로파일에 대해 최대화하는 동적 프ogramming 알고리즘을 설계한다.
• 수정된 복잡도를 매개변수화하고, 덧셈 근사 보장을 확보하기 위해 $d = nm(m-1)+1$ 차원의 스케일링 벡터 $y \in [0,n]^{d}$ 를 구성한다.
• 동적 프로그래밍과 덧셈 근사 경계를 결합하여 최대 복잡도 매칭 문제(MWMP)에서 복잡도에 대해 $O\left(\frac{\varepsilon^4}{n^4 m^8}\right)$-덧셈 오차를 달성한다.

실험 결과

연구 질문

• RQ1 요약형 다중 플레이어 게임에서 가장 나쁜 가능한 CCE보다 복잡도가 높은 CCE를 계산하는 것은 NP-난이도인가?
• RQ2 평등 복잡도 또는 파레토 최적성과 같은 대체 목표에 대해서도 유사한 난이도 결과가 성립하는가?
• RQ3 특정 게임 유형에서 근사적으로 최적의 사회적 복잡도를 갖는 효율적인 알고리즘이 상관 균형을 계산할 수 있는가?
• RQ4 근사 균형을 근사적으로 최적의 복잡도로 다항 시간 내에 계산할 수 있는 조건는 무엇인가?
• RQ5 집계 게임에서 동적 프로그래밍을 통해 복잡도 최적화의 덧셈 근사 보장을 달성할 수 있는가?

주요 결과

• 요약형 다중 플레이어 게임에서 가장 나쁜 가능한 CCE보다 복잡도가 높은 어떤 CCE도 계산하는 것은 NP-난이도이다.
• 동일한 난이도 결과는 상관 균형(Correlated Equilibria, CE)에도 적용되며, 평등 복잡도 또는 파레토 최적성과 같은 목표에서도 유지된다.
• n-플레이어, m-행동 집합을 가진 집계 게임에서 $\varepsilon$-상관 균형을 $n$, $m$, $1/\varepsilon$ 에 대해 다항 시간 내에 계산할 수 있으며, 복잡도는 $w^* - \varepsilon$ 이다.
• 동적 프로그래밍 접근법은 최대 복잡도 매칭 문제(MWMP)에서 $O\left(\frac{\varepsilon^4}{n^4 m^8}\right)$-덧셈 근사를 달성한다.
• 이 프레임워크는 일반적인 요약형 게임에서 CCE 또는 CE에 대해 비자명한 복잡도 보장을 제공할 수 없는 NP-난이도 장벽을 극복하며, 집계 게임에서 근사적으로 최적의 복잡도를 갖는 근사 상관 균형을 효율적으로 계산할 수 있게 한다.
• 결과적으로, P = NP가 아닐 경우 일반적인 요약형 게임에서 CCE 또는 CE에 대해 비자명한 복잡도 보장을 제공하는 효율적 알고리즘이 존재하지 않음을 암시한다.