[论文解读] A constant-factor approximation algorithm for Nash Social Welfare with submodular valuations

Wenzheng Li, J. Vondrák|arXiv (Cornell University)|Mar 18, 2021

Cryptography and Data Security被引用 4

一句话总结

本文提出了一种针对单调子模估值下纳什社会福利问题的多项式时间380-近似算法，采用了一种新颖的非凸松弛方法（混合多重线性松弛）、近似求解方法以及带有集中度界限的随机化舍入。该方法扩展了先前针对Rado估值的工作，并为目前已知最广泛的子模估值类提供了常数因子保证。

ABSTRACT

We present a $380$-approximation algorithm for the Nash Social Welfare problem with submodular valuations. Our algorithm builds on and extends a recent constant-factor approximation for Rado valuations.

研究动机与目标

• 设计一种针对具有子模估值的纳什社会福利问题的常数因子近似算法，该类问题在一般情况下尚未知可实现常数因子近似。
• 通过模块化框架，将先前针对Rado估值的工作方法扩展至一般单调子模函数。
• 克服在子模设定下确保每位代理获得非零价值的同时维持近似保证的挑战。
• 提供一种多项式时间算法，具有有界近似比，优于先前针对子模估值的O(n)-近似结果。
• 为纳什社会福利在非对称及公平性约束变体中的常数因子近似奠定基础。

提出的方法

• 引入一种名为混合多重线性松弛的新非凸松弛方法，以建模纳什社会福利目标。
• 开发一种近似求解混合多重线性松弛的算法，利用凸规划技术。
• 应用一种受限的随机化舍入过程，以稀疏化分数解，同时保持价值保证。
• 通过基于匹配的精炼步骤，将额外物品分配给代理，利用子模函数的集中性确保价值保持。
• 利用组合匹配与概率分析，限制各代理几何平均值的退化程度。
• 将舍入与匹配步骤与参数化分析相结合，推导出最终的近似因子。

实验结果

研究问题

• RQ1 是否仅通过价值预言机访问，就能在一般单调子模估值下实现纳什社会福利的常数因子近似？
• RQ2 如何将用于Rado估值的技术扩展至更广泛的子模函数类？
• RQ3 何种松弛与舍入框架能够在凸松弛对子模目标失效时实现常数因子近似？
• RQ4 是否可能在确保每位代理在解中获得非平凡价值的同时，维持有界的近似比？
• RQ5 能否通过所提出的框架方法，将近似因子提升至380以上？

主要发现

• 本文针对单调子模估值下的纳什社会福利问题实现了380-近似，这是该一般类别中首次实现常数因子保证。
• 近似因子通过新颖的混合多重线性松弛、受限随机化舍入以及基于匹配的精炼步骤的结合推导得出。
• 该算法在多项式时间内运行，且仅依赖于子模估值函数的值预言机访问。
• 该方法优于先前针对子模估值的O(n)-近似结果，并将常数因子方法的适用范围扩展至Rado和预算加法估值之外。
• 分析表明，即使在随机化舍入与匹配之后，代理估值的几何平均值仍保持在最优值的380倍以内。
• 该结果表明，在仅使用值预言机访问的前提下，子模估值是可实现常数因子近似的最大自然类别。