[论文解读] A Faithful Distributed Implementation of Dual Decomposition and Average Consensus Algorithms

Takashi Tanaka, Farhad Farokhi+1 more|arXiv (Cornell University)|Apr 10, 2013

Auction Theory and Applications参考文献 15被引用 3

一句话总结

本文提出了一种税收机制，通过一种新颖的渐近激励相容性概念，激励策略性代理在分布式网络中忠实地执行对偶分解和平均一致性算法。该机制确保随着算法收敛，代理偏离的动机逐渐减弱，从而实现对具有私有数据的渐近分布式优化的诚实实施。

ABSTRACT

We consider large scale cost allocation problems and consensus seeking problems for multiple agents, in which agents are suggested to collaborate in a distributed algorithm to find a solution. If agents are strategic to minimize their own individual cost rather than the global social cost, they are endowed with an incentive not to follow the intended algorithm, unless the tax/subsidy mechanism is carefully designed. Inspired by the classical Vickrey-Clarke-Groves mechanism and more recent algorithmic mechanism design theory, we propose a tax mechanism that incentivises agents to faithfully implement the intended algorithm. In particular, a new notion of asymptotic incentive compatibility is introduced to characterize a desirable property of such class of mechanisms. The proposed class of tax mechanisms provides a sequence of mechanisms that gives agents a diminishing incentive to deviate from suggested algorithm.

研究动机与目标

• 解决在代理为策略性且自利时，确保其在分布式优化中诚实参与的挑战。
• 设计一种机制，使代理在拥有私有信息和最小化个体成本的激励下，仍能遵循预定算法。
• 将经典机制设计扩展至对偶分解和平均一致性等渐近分布式算法。
• 形式化一种新概念——渐近激励相容性——用于描述随时间推移减少偏离动机的机制序列。
• 实现在无需完全共享数据的前提下，保护隐私并实现分布式社会决策计算。

提出的方法

• 引入一种受维克里-克拉克-格罗夫斯（VCG）机制启发的税收机制，专为分布式、迭代算法设计。
• 设计一系列机制，使代理在算法趋近收敛时，偏离的动机逐渐减弱。
• 使用对偶分解和一致性算法的连续时间近似来建模代理行为和收敛过程。
• 应用事后的纳什均衡概念，确保即使在存在私有类型的情况下，诚实报告在极限下仍为最优策略。
• 采用基于对偶函数梯度和基于一致性校正项的递归更新规则，以推动收敛。
• 定义净成本函数，结合个体成本与税收，确保理性代理在机制下最小化其总成本。

实验结果

研究问题

• RQ1 当代理具有策略性且可能谎报其私有信息时，如何忠实地实现分布式优化算法？
• RQ2 何种机制设计原则可确保代理随时间推移对偏离预定算法的动机逐渐减弱？
• RQ3 VCG机制能否推广至适用于对偶分解和平均一致性等渐近、迭代的分布式算法？
• RQ4 如何在确保收敛至社会最优解的同时，保护分布式优化中的隐私？
• RQ5 在机制序列中，何种条件可确保诚实报告在渐近意义上成为最优选择？

主要发现

• 所提出的税收机制确保了渐近激励相容性，即随着算法推进，代理偏离的动机逐渐减弱。
• 该机制是对VCG机制的推广，专为具有私有数据的迭代式分布式算法量身定制。
• 即使代理采取策略行为，该机制仍能保证收敛至最优解。
• 算法输出的极限满足可行性要求，且诚实报告的净成本在长期中被最小化。
• 该框架允许在不披露代理私有信息的前提下实现分布式计算。
• 理论分析证明，在机制序列的事后纳什均衡中，诚实报告是最优策略。