[논문 리뷰] Methods for finding leader--follower equilibria with multiple followers

Nicola Basilico, Stefano Coniglio외 1명|arXiv (Cornell University)|2017. 07. 07.

Game Theory and Applications참고 문헌 12인용 수 13

한 줄 요약

이 논문은 다수의 후행자가 나시 균형을 취하는 경우 리더-후행자 균형(LFE–N)을 정확하고 근사적으로 계산하기 위한 방법을 제안한다. 이 문제는 계산적으로 어려운 문제로, FNP-난이도이며, P=NP가 아닌 한 Poly-APX에 속하지 않음을 증명하였다. 비볼록 수학적 프로그래밍과 글로벌 최적화 기법을 도입하여, 각 플레이어당 최대 15개의 행동을 가진 게임에 대해 정확한 해를 도출하고, 각 플레이어당 40개 이상의 행동을 가진 경우에도 높은 품질의 근사해를 제공한다.

ABSTRACT

The concept of leader--follower (or Stackelberg) equilibrium plays a central role in a number of real--world applications of game theory. While the case with a single follower has been thoroughly investigated, results with multiple followers are only sporadic and the problem of designing and evaluating computationally tractable equilibrium-finding algorithms is still largely open. In this work, we focus on the fundamental case where multiple followers play a Nash equilibrium once the leader has committed to a strategy---as we illustrate, the corresponding equilibrium finding problem can be easily shown to be $\mathcal{FNP}$--hard and not in Poly--$\mathcal{APX}$ unless $\mathcal{P} = \mathcal{NP}$ and therefore it is one among the hardest problems to solve and approximate. We propose nonconvex mathematical programming formulations and global optimization methods to find both exact and approximate equilibria, as well as a heuristic black box algorithm. All the methods and formulations that we introduce are thoroughly evaluated computationally.

연구 동기 및 목표

• 다수의 후행자가 나시 균형을 취할 때 리더-후행자 균형을 계산하는 데 있어 계산적으로 타당한 알고리즘이 부족한 문제를 해결하기 위해.
• LFE–N 문제의 계산적 난이도를 규명하여, 심지어 다각형 게임에서도 FNP-난이도이며, P=NP가 아닌 한 Poly-APX에 속하지 않음을 보여주기 위해.
• 우호적 및 비우호적 LFE–N 사례 모두에 대해 새로운 비볼록 수학적 프로그래밍 설정과 글로벌 최적화 방법을 설계하기 위해.
• 최신 솔버를 사용하여 정규형 게임과 다각형 게임에서 제안된 방법을 종합적으로 평가하기 위해.
• 각 플레이어당 40개 이상의 행동과 64,000개 이상의 결과를 가진 대규모 게임에서도 메서드의 확장성을 입증하기 위해.

제안 방법

• 우호적 LFE–N 사례에 대해 이중 최적화 설정을 제안하며, 리더의 약속과 후행자들의 최적 반응 나시 균형을 비볼록 비선형 프로그래밍으로 모델링한다.
• 공간 분할 및 분할 정복 기반 글로벌 최적화 솔버(BARON, SCIP, CPLEX)를 사용하여 중간 크기의 게임에 대해 정확한 해를 찾는다.
• 비우호적 LFE–N 사례에 대해서는 표준 단일 수준 재구성 기법이 적용되지 않기 때문에, 글로벌 최적화와 블랙박스 최적화 기법을 융합한다.
• 보편적으로 보안 및 다중 에이전트 응용 분야에서 사용되는 다각형 게임에 특화된 설정을 적응시킨다.
• 대규모 인스턴스에 대해 높은 품질의 근사해를 계산하기 위해 RBFOpt와 SNOPT를 로컬 최적화 솔버로 활용한다.
• 정규형 게임과 다각형 게임에서 다양한 행동 수를 가진 평가를 위해 표준화된 GAMUT 기반 테스트베드를 사용한다.

실험 결과

연구 질문

• RQ1 다수의 후행자가 나시 균형을 취할 때 LFE–N을 계산하는 것이 계산적으로 타당한가? 그 복잡도 클래스는 무엇인가?
• RQ2 표준 재구성 기법이 실패할 경우, 특히 비우호적 및 우호적 LFE–N 변형에 대해 정확하고 근사적인 해법을 개발할 수 있는가?
• RQ3 다양한 게임 크기와 구조에서 글로벌 최적화와 로컬 최적화 기법은 LFE–N 문제 해결에 대해 어떻게 비교되는가?
• RQ4 각 플레이어당 40개 이상의 행동을 가진 대규모 게임에 대해 제안된 방법이 얼마나 확장 가능한가?
• RQ5 지배 기반 가지치기 기법은 LFE–N에 적용 가능한가, 아니면 문제 자체가 이러한 최적화 기법에 저항하는가?

주요 결과

• LFE–N 문제는 심지어 다각형 게임에서도 FNP-난이도이며, P=NP가 아닌 한 Poly-APX에 속하지 않음을 증명하여, 해결하고 근사하는 데 있어 가장 어려운 문제 중 하나임을 시사한다.
• 글로벌 최적화 솔버(BARON, SCIP, CPLEX)는 정규형 게임에서 세 명의 플레이어와 각 플레이어당 최대 15개의 행동을 가진 게임에 대해 정확한 LFE–N 해를 성공적으로 계산한다.
• 정규형 게임의 경우, 각 플레이어당 40개 이상의 행동을 가진 인스턴스에서 다가역 간격이 35% 미만인 근사해를 달성한다.
• 다각형 게임의 경우, 각 플레이어당 45개 이상의 행동을 가진 인스턴스에서 다가역 간격이 30% 미만인 근사해를 달성한다.
• 평가된 가장 큰 인스턴스는 64,000개 이상의 고유한 결과를 포함하여, 이전의 나시 균형 찾기 알고리즘을 초월하는 확장성을 입증한다.
• 논문은 지배 기반 가지치기 기법이 적용 불가능하며, 리더의 행동를 제거할 수 있는지 여부를 판단하는 것이 NP-난이도임을 보여준다.