[论文解读] A Note on Approximating Weighted Nash Social Welfare with Additive Valuations

Yuda Feng, Shi Li|arXiv (Cornell University)|Jan 1, 2024

Economic theories and models被引用 1

一句话总结

本文首次为具有可加估值的加权纳什社会福利问题提出了一个 O(1)-近似算法，实现了 $ e^{1/e} + \epsilon \approx 1.445 + \epsilon $ 的近似比。该方法采用配置线性规划（LP），并应用 Shmoys-Tardos 四舍五入技术，其分析将解的质量与无权重同质估值情况下最优解与 EF1 分配之间的最坏情况差距联系起来，该差距已知最多为 $ e^{1/e} $。

ABSTRACT

We give the first $O(1)$-approximation for the weighted Nash Social Welfare problem with additive valuations. The approximation ratio we obtain is $e^{1/e} + ε\approx 1.445 + ε$, which matches the best known approximation ratio for the unweighted case. Both our algorithm and analysis are simple. We solve a natural configuration LP for the problem, and obtain the allocation of items to agents using a randomized version of the Shmoys-Tardos rounding algorithm developed for unrelated machine scheduling problems. In the analysis, we show that the approximation ratio of the algorithm is at most the worst gap between the Nash social welfare of the optimum allocation and that of an EF1 allocation, for an unweighted Nash Social Welfare instance with identical additive valuations. This was shown to be at most $e^{1/e} \approx 1.445$ by Barman, Krishnamurthy and Vaish, leading to our approximation ratio.

研究动机与目标

• 为具有可加估值的加权纳什社会福利问题填补近似算法的空白，此前该问题尚未有已知的常数因子近似解。
• 将无权重情况下最佳已知近似比（$ e^{1/e} + \epsilon $）扩展到具有同质可加估值的加权设置。
• 基于一种新颖的配置 LP 公式，开发一种简单且组合式的算法，可高效求解与四舍五入。
• 建立近似比与无权重同质估值情况下最优解与 EF1 分配之间最坏情况差距之间的紧密联系。
• 提供一种时间复杂度为多项式时间的确定性算法，其近似保证与无权重情况下最佳已知结果一致。

提出的方法

• 构建一个配置 LP，其中变量 $ y_{i,S} $ 表示代理人 $ i $ 是否获得物品集合 $ S $，以捕捉所有可能的分配方案。
• 使用椭球法以高精度求解配置 LP，其分离 oracle 通过动态规划检查约束条件。
• 对分数 LP 解应用 Shmoys-Tardos 四舍五入算法，将每个代理人的分数物品分配视为在物品组上的调度问题。
• 对每个代理人，按价值从高到低对分数物品进行分组，每组包含一个完整的单位分数分配，并使用边际概率将分配四舍五入为整数。
• 构建一个辅助的无权重纳什社会福利实例，其中每个代理人的估值相同，其中 LP 解对应于分数分配，四舍五入解对应于 EF1 分配。
• 利用无权重同质估值情况下 EF1 分配的已知 $ e^{1/e} $-近似保证，来界定整体算法的近似比。

实验结果

研究问题

• RQ1 能否为具有可加估值的加权纳什社会福利问题实现常数因子近似，其比值与无权重情况下的最佳已知结果一致？
• RQ2 配置 LP 公式是否具有高效的分离 oracle，并在与 Shmoys-Tardos 四舍五入结合时能产生常数因子近似？
• RQ3 无权重同质估值情况下最优解与 EF1 分配之间的最坏情况差距是否对加权设置中的近似比具有紧致界？
• RQ4 在具有多项式时间分离 oracle 的前提下，椭球法能否有效应用于具有指数级变量数的配置 LP？
• RQ5 能否使该算法在输入规模和 $ \epsilon $ 方面保持确定性与高效性，而无需依赖于 $ n $ 的指数依赖？

主要发现

• 本文首次为具有可加估值的加权纳什社会福利问题实现了 $ O(1) $-近似，其近似比为 $ e^{1/e} + \epsilon \approx 1.445 + \epsilon $，与无权重情况下的最佳已知比值一致。
• 该算法为确定性算法，运行时间在输入规模和 $ 1/\epsilon $ 上为多项式时间，因此在近似目的下高效且实用。
• 尽管配置 LP 具有指数级数量的变量，但通过基于动态规划的多项式时间分离 oracle，可使用椭球法高精度求解。
• 分析表明，近似比受无权重同质估值情况下最优分配与 EF1 分配之间纳什社会福利最坏比值的限制，该比值已知最多为 $ e^{1/e} $。
• 通过猜测关键参数并求解缩放值的背包覆盖问题，分离 oracle 的运行时间为 $ \text{poly}(n, m, 1/\epsilon) $。
• 通过证明对偶变量的多项式有界性，并使用经过仔细选择初始椭球的修改版椭球法，该算法有效处理了潜在的负对偶变量问题。