[论文解读] Amplified Hardness of Approximation for VCG-Based Mechanisms

Shaddin Dughmi, Hu Fu+1 more|ArXiv.org|Jul 13, 2009

Auction Theory and Applications参考文献 16被引用 5

一句话总结

该论文证明，对于组合拍卖中的任意最大范围（MIR） truthful 机制，其近似比不可能优于 $1/k$，即使底层的社会福利最大化问题为 APX-hard 或存在 FPTAS 也是如此。该结果适用于确定性、普遍 truthful 的随机化机制，以及一类期望 truthful 的机制，前提是估值函数具有温和的闭包性质。

ABSTRACT

If a two-player social welfare maximization problem does not admit a PTAS, we prove that any maximal-in-range truthful mechanism that runs in polynomial time cannot achieve an approximation factor better than 1/2. Moreover, for the k-player version of the same problem, the hardness of approximation improves to 1/k under the same two-player hardness assumption. (We note that 1/k is achievable by a trivial deterministic maximal-in-range mechanism.) This hardness result encompasses not only deterministic maximal-in-range mechanisms, but also all universally-truthful randomized maximal in range algorithms, as well as a class of strictly more powerful truthful-in-expectation randomized mechanisms recently introduced by Dobzinski and Dughmi. Our result applies to any class of valuation functions that satisfies some minimal closure properties. These properties are satisfied by the valuation functions in all well-studied APX-hard social welfare maximization problems, such as coverage, submodular, and subadditive valuations. We also prove a stronger result for universally-truthful maximal-in-range mechanisms. Namely, even for the class of budgeted additive valuations, which admits an FPTAS, no such mechanism can achieve an approximation factor better than 1/k in polynomial time.

研究动机与目标

• 识别 truthful 机制在组合拍卖中可实现近似比的根本限制。
• 探究最大范围（MIR）机制是否能超越 $k$ 个竞标者下的 $1/k$ 近似障碍。
• 将硬度结果扩展至普遍 truthful 的随机化 MIR 机制，以及更广泛的期望 truthful 机制类别。
• 分析估值类闭包性质对改进近似比可行性的影响。
• 证明即使对于可解于 FPTAS 的估值类（如预算加法估值），在 MIR 约束下也无法突破 $1/k$ 障碍。

提出的方法

• 将问题简化为两人社会福利最大化场景，并应用硬度放大技术。
• 应用 Chernoff 不等式与概率分析，以界定随机分配中的期望福利损失。
• 引入 $\frac{\rho}{\rho}$-接近度的概念，用于分析 $k$-划分之间的分配范围。
• 采用类似破碎（shattering-style）的论证方法，表明若机制实现 $>1/k + \epsilon$ 的近似比，则其范围必须包含大量跨子集的分配。
• 基于存在大量 $\frac{\rho}{\ell^2}$-接近划分集合的存在性，采用反证法，强制限定近似比的上界。
• 通过模拟与概率平均方法，将确定性 MIR 机制的结果扩展至普遍 truthful 的随机化 MIR 与 MIWR 机制。

实验结果

研究问题

• RQ1 是否存在多项式时间的 MIR truthful 机制，可在组合拍卖中为 $k$ 个竞标者实现优于 $1/k$ 的近似比？
• RQ2 当底层社会福利最大化问题存在 FPTAS 时，$1/k$ 障碍是否依然存在？
• RQ3 对于预算加法估值，普遍 truthful 的随机化 MIR 机制能否突破 $1/k$ 近似阈值？
• RQ4 估值类的闭包性质在多大程度上影响 truthful 机制的近似难度？
• RQ5 该 $1/k$ 障碍对更一般的 truthful-in-expectation 机制类别（如基于 MIDR 或 MIWR 的机制）是否依然稳健？

主要发现

• 对于任意估值类，若两人社会福利最大化问题不可 PTAS 近似，则任何多项式时间的随机化 MIWR 机制都无法实现超过 $1/k + \epsilon$ 的近似比，除非 $\mathsf{NP} \subseteq \mathsf{P}/\mathsf{poly}$。
• 即使对于可解于 FPTAS 的预算加法估值——其本身存在 FPTAS——任何普遍 truthful 的随机化 MIR 机制也无法在多项式时间内实现优于 $1/k + \epsilon$ 的近似比。
• $1/k$ 的近似因子对确定性 MIR 机制是紧致的，即使使用随机化或分布范围机制也无法改进该界。
• 证明技术的关键在于：任何实现超过 $1/k + \epsilon$ 近似比的机制，其范围必须包含过多分配，与底层问题的硬度不一致。
• 该结果适用于广泛的估值函数类，包括覆盖、子模、XOS、次模以及预算加法估值，因其具有闭包性质。
• 该硬度结果具有鲁棒性：其从确定性 MIR 机制扩展至普遍 truthful 的随机化 MIR 与 MIWR 机制，甚至扩展至 Dobzinski 和 Dughmi 提出的一类期望 truthful 机制。