[论文解读] An Improved Combinatorial Polynomial Algorithm for the Linear Arrow-Debreu Market

Rann Duan, Jugal Garg+1 more|arXiv (Cornell University)|Oct 9, 2015

Game Theory and Applications被引用 6

一句话总结

本文提出了一种组合多项式时间算法，用于计算线性Arrow-Debreu市场模型中的均衡价格，将时间复杂度提升至 $ O(n^7 \log^3(nU)) $，其中 $ n $ 为代理人数量，整数效用值上限为 $ U $。该方法通过改进价格调整机制、平衡流计算以及引入一种新型扰动技术以处理退化问题，对先前的组合方法进行了优化，相较于之前最优算法实现了近乎 $ n^3 $ 倍的加速。

ABSTRACT

We present an improved combinatorial algorithm for the computation of equilibrium prices in the linear Arrow-Debreu model. For a market with $n$ agents and integral utilities bounded by $U$, the algorithm runs in $O(n^7 \log^3 (nU))$ time. This improves upon the previously best algorithm of Ye by a factor of $ Omega(n)$. The algorithm refines the algorithm described by Duan and Mehlhorn and improves it by a factor of $ Omega(n^3)$. The improvement comes from a better understanding of the iterative price adjustment process, the improved balanced flow computation for nondegenerate instances, and a novel perturbation technique for achieving nondegeneracy.

研究动机与目标

• 开发一种更快的组合算法，用于计算线性Arrow-Debreu市场模型中的均衡价格。
• 克服先前组合算法的局限性，这些算法由于价格调整效率低下和退化问题导致时间复杂度较高。
• 在现有方法中实现显著的渐近性能提升，特别是相较于Duan和Mehlhorn提出的算法。
• 通过优化迭代价格调整过程并引入稳健的扰动方案以避免退化，提供一种实用且高效的解决方案。

提出的方法

• 该算法基于在派生网络中计算平衡流的迭代价格调整过程，其中流表示买家与商品之间的资金流动。
• 引入一种乘法近似技术以计算最优价格更新因子，确保收敛性的同时保持数值稳定性。
• 提出一种新颖的扰动方案，利用不同的素数和对数近似方法，打破效用图中的退化性，保证计算过程中的非退化实例。
• 价格更新步骤使用从均衡和基于流的近似中推导出的乘法因子 $ x $，确保所有商品出清且预算被完全耗尽。
• 通过位长为 $ O(n \log(nU)) $ 的整数算术运算计算近似价格，使得在具有对数字长的RAM模型上能够高效实现。
• 结合效用值和价格表示的扰动，以在保持均衡问题结构的同时维持非退化性。

实验结果

研究问题

• RQ1 能否设计一种线性Arrow-Debreu市场模型的组合算法，使其时间复杂度优于此前最优的 $ O(n^7 \log^3(nU)) $，特别是对Duan-Mehlhorn算法实现改进？
• RQ2 如何有效处理效用图中的退化性，以确保在迭代价格更新过程中能够高效且正确地计算平衡流？
• RQ3 何种扰动策略可将退化实例转化为非退化实例，而不会扭曲均衡解？
• RQ4 价格调整过程在多大程度上可被优化，以减少阶段数并提升整体运行时间？
• RQ5 该改进后的算法在实践中是否能够高效实现，如在随机实例上的实证结果所示？

主要发现

• 所提出的算法实现了 $ O(n^7 \log^3(nU)) $ 的时间复杂度，相较于Duan-Mehlhorn算法实现了近乎 $ n^3 $ 倍的性能提升。
• 性能提升源于优化的价格调整过程、增强的平衡流计算以及一种确保非退化的新型扰动技术。
• 算法使用位长为 $ O(n \log(nU)) $ 的整数算术运算，使得在具有对数字长的RAM模型上能够高效实现。
• 扰动方案利用不同的素数和乘法近似方法消除退化性，确保效用图中所有环路均为非退化。
• 该算法在保持组合解结构的同时实现了多项式时间复杂度，优于内点法和椭球法等方法。
• 基于实际实现的实证结果表明，该算法在随机实例上的运行时间显著优于 $ n^7 $ 的增长趋势，显示出强大的实际性能。