[论文解读] A Polynomial-Time Algorithm for 1/3-Approximate Nash Equilibria in Bimatrix Games

Argyrios Deligkas, Michail Fasoulakis+1 more|arXiv (Cornell University)|Jan 1, 2022

Game Theory and Applications被引用 1

一句话总结

本论文提出了一种多项式时间算法，可在双矩阵博弈中计算出 (1/3 + δ)-纳什均衡，其中 δ 为任意正常数，优于15年前的最优结果 0.3393 + δ。该方法通过在原始策略与对偶策略的凸组合基础上，引入其最佳响应策略，丰富了策略池，从而在关键情形下通过基于辅助收益差参数的细化案例分析，实现了更紧的后悔边界。

ABSTRACT

Since the celebrated PPAD-completeness result for Nash equilibria in bimatrix games, a long line of research has focused on polynomial-time algorithms that compute $\varepsilon$-approximate Nash equilibria. Finding the best possible approximation guarantee that we can have in polynomial time has been a fundamental and non-trivial pursuit on settling the complexity of approximate equilibria. Despite a significant amount of effort, the algorithm of Tsaknakis and Spirakis, with an approximation guarantee of $(0.3393+δ)$, remains the state of the art over the last 15 years. In this paper, we propose a new refinement of the Tsaknakis-Spirakis algorithm, resulting in a polynomial-time algorithm that computes a $(\frac{1}{3}+δ)$-Nash equilibrium, for any constant $δ>0$. The main idea of our approach is to go beyond the use of convex combinations of primal and dual strategies, as defined in the optimization framework of Tsaknakis and Spirakis, and enrich the pool of strategies from which we build the strategy profiles that we output in certain bottleneck cases of the algorithm.

研究动机与目标

• 弥合迄今为止已知的多项式时间近似保证与理论下限之间的长期差距。
• 克服Tsaknakis-Spirakis（TS）算法中的瓶颈，该算法尽管经过广泛研究，但15年来未发生改变。
• 对任意 δ > 0 实现 (1/3 + δ)-纳什均衡，优于先前的 0.3393 + δ 保证。
• 通过引入辅助参数（如 vr、tr、ˆµ）实现细化的案例分析，以更好地控制策略组合中的最大后悔值。
• 通过提升近似保证，将该算法的适用性扩展至多人博弈。

提出的方法

• 在原始策略（平稳）与对偶策略的凸组合基础上，通过引入对这些组合的最佳响应策略，进一步丰富策略池。
• 引入新的辅助参数 vr、tr 和 ˆµ，用于捕捉收益差异与后悔值，从而实现更细致的案例分析。
• 修改TS算法的策略构造阶段，通过从更丰富的候选策略组合中选择，以处理瓶颈情形。
• 以 δ-平稳策略和对偶策略作为基础策略，但在问题情形下，允许一名玩家使用其最佳响应与对偶策略的凸组合。
• 基于 vr、tr 和 ˆµ 的取值，实施细化的案例分析，以推导出每种情形下最大后悔值的更紧上界。
• 运用代数不等式与反证法，证明在新构造下，任何策略组合的最大后悔值均不会超过 1/3，从而确立 (1/3 + δ)-NE 的保证。

实验结果

研究问题

• RQ1 双矩阵博弈中多项式时间近似纳什均衡的15年基准近似界 0.3393 + δ 是否可以改进？
• RQ2 Tsaknakis-Spirakis 算法中存在何种结构性限制，导致其无法实现 1/3 + δ 的保证？
• RQ3 策略构造阶段的策略池是否可以扩展，以包含对凸组合策略的最佳响应，从而改善后悔边界？
• RQ4 捕捉收益差异与后悔值的辅助参数是否能实现更有效的案例分析，以进一步收紧近似保证？
• RQ5 改进后的算法是否可扩展至多人博弈？若可扩展，其对应的近似边界是什么？

主要发现

• 所提出的算法对任意 δ > 0 实现了 (1/3 + δ)-纳什均衡，这是15年来首次在 0.3393 + δ 基准上取得突破。
• 该算法的策略构造阶段通过引入原始策略与对偶策略凸组合的最佳响应策略，成功解决了原始TS算法中的瓶颈问题。
• 利用辅助参数 vr、tr 和 ˆµ 实现了精细化的案例分析，显著提升了关键情形下的后悔边界紧度。
• 基于三个推导出的不等式，通过反证法证明：在新构造下，任何策略组合的最大后悔值均不会超过 1/3，从而确认了 (1/3 + δ)-NE 的保证。
• 该算法在 k 人正常形式博弈中也实现了状态领先：对三人博弈可获得 (0.6 + δ)-NE，对四人博弈可获得 (5/7 + δ)-NE。
• 结果表明 TS 算法的分析是紧致的，而新方法通过扩展策略空间并细化案例分解，成功克服了其局限性。