[论文解读] Well-Supported versus Approximate Nash Equilibria: Query Complexity of Large Games

Xi Chen, Yu Cheng+1 more|arXiv (Cornell University)|Nov 3, 2015

Complexity and Algorithms in Graphs参考文献 30被引用 11

一句话总结

本文建立了在大型二元动作博弈中计算 $\epsilon$-近似纳什均衡（ANE）的随机查询复杂度的近乎紧致下界，表明任何此类算法对于某个常数 $\epsilon > 0$ 都需要 $2^{\Omega(n/\log n)}$ 次支付查询。关键贡献是提出了一种从满足支持的纳什均衡（WSNE）到 ANE 的新颖约化，同时保持近似质量，从而解决了在 $\epsilon = O(1/n)$ 范围之外 ANE 复杂性的一个开放问题。

ABSTRACT

We study the randomized query complexity of approximate Nash equilibria (ANE) in large games. We prove that, for some constant $ε>0$, any randomized oracle algorithm that computes an $ε$-ANE in a binary-action, $n$-player game must make $2^{Ω(n/\log n)}$ payoff queries. For the stronger solution concept of well-supported Nash equilibria (WSNE), Babichenko previously gave an exponential $2^{Ω(n)}$ lower bound for the randomized query complexity of $ε$-WSNE, for some constant $ε>0$; the same lower bound was shown to hold for $ε$-ANE, but only when $ε=O(1/n)$. Our result answers an open problem posed by Hart and Nisan and Babichenko and is very close to the trivial upper bound of $2^n$. Our proof relies on a generic reduction from the problem of finding an $ε$-WSNE to the problem of finding an $ε/(4α)$-ANE, in large games with $α$ actions, which might be of independent interest.

研究动机与目标

• 解决 Hart 和 Nisan（2013）以及 Babichenko（2014）提出的关于常数 $\epsilon > 0$ 时近似纳什均衡（ANE）的随机查询复杂性的开放问题。
• 弥合已知的 $2^{\Omega(n)}$ 下界（针对满足支持的纳什均衡，WSNE）与 ANE 的较弱 $2^{\Omega(n)}$ 下界之间的差距，后者仅在 $\epsilon = O(1/n)$ 时成立。
• 在具有有界动作的大型博弈中，建立从 WSNE 到 ANE 的一般约化，以实现下界转移。

提出的方法

• 引入一种通用约化方法，将寻找 $\epsilon$-WSNE 的问题约化为在每个玩家有 $\alpha$ 个动作的大型博弈中寻找 $\epsilon/(4\alpha)$-ANE 的问题。
• 构造一个新博弈 $\mathcal{G}'$，其中原始博弈中的每个玩家被替换为 $s = 2\alpha^2 \cdot \lceil \ln(n/\epsilon) \rceil$ 个玩家，通过多数决机制模拟支付聚合。
• 利用耦合与集中不等式（Hoeffding 不等式）证明：若策略组合 $\boldsymbol{x}$ 是 $\mathcal{G}'$ 中的 $\epsilon$-ANE，则其在 $\mathcal{G}$ 中诱导出的策略 $\boldsymbol{y}$ 是 $4\alpha\epsilon$-WSNE。
• 利用 Babichenko 的 $2^{\Omega(n)}$ 下界（针对 $\epsilon$-WSNE）推导出原始博弈中 $\epsilon$-ANE 的下界，其中因每个玩家被 $O(\log n)$ 个玩家模拟而引入了放大因子。
• 应用该约化方法，证明任何在 $n$-玩家二元动作博弈中计算 $\epsilon$-ANE 的随机算法，对于常数 $\epsilon > 0$，必须进行 $2^{\Omega(n/\log n)}$ 次查询。

实验结果

研究问题

• RQ1 在常数 $\epsilon > 0$ 条件下，大型二元动作博弈中计算 $\epsilon$-近似纳什均衡（ANE）的随机查询复杂度是多少？
• RQ2 已知的 $2^{\Omega(n)}$ 下界（针对满足支持的纳什均衡，WSNE）能否扩展到 $\epsilon = O(1/n)$ 范围之外的近似纳什均衡（ANE）？
• RQ3 是否存在一种从 WSNE 到 ANE 的通用约化，能保持近似质量并实现查询复杂度下界的转移？

主要发现

• 本文证明了在 $n$-玩家二元动作博弈中，对于某个常数 $\epsilon > 0$，计算 $\epsilon$-ANE 的随机查询复杂度下界为 $2^{\Omega(n/\log n)}$，从而解决了 Hart 和 Nisan（2013）以及 Babichenko（2014）提出的开放问题。
• 从 $\epsilon$-WSNE 到 $\epsilon/(4\alpha)$-ANE 的约化在查询效率上表现良好，并保持了近似质量，从而实现了下界的转移。
• 该构造使用 $s = 2\alpha^2 \cdot \lceil \ln(n/\epsilon) \rceil$ 个玩家来模拟每个原始玩家，通过多数决机制实现支付聚合，确保了测度的集中性。
• 从新博弈 $\mathcal{G}'$ 中的 $\epsilon$-ANE 所诱导出的策略 $\boldsymbol{y}$ 在原始博弈 $\mathcal{G}$ 中以高概率是 $4\alpha\epsilon$-WSNE。
• 该方法表明，在此约化框架中，指数中的 $\log n$ 因子是不可避免的，因为每个玩家被 $O(\log n)$ 个玩家模拟，因此尚不清楚是否存在更高效的模拟方式。