[论文解读] Budget Feasible Mechanism Design via Random Sampling

Xiaohui Bei, Ning Chen+2 more|arXiv (Cornell University)|Jul 15, 2011

Auction Theory and Applications参考文献 10被引用 3

一句话总结

本文提出了一种针对子次可加效用函数的多项式时间、 truthful 预预算是可行机制，其近似比为 $ O\left(\frac{\log n}{\log\log n}\right) $，优于先前的 $ O(\log^2 n) $ 边界。该机制利用随机抽样，并将机制设计与合作博弈论中的近似核心联系起来，证明了 XOS 函数——严格推广了子模函数——在预算约束下可实现常数因子近似机制。

ABSTRACT

Budget feasible mechanism considers algorithmic mechanism design questions where there is a budget constraint on the total payment of the mechanism. An important question in the field is that under which valuation domains there exist budget feasible mechanisms that admit `small' approximations (compared to a socially optimal solution). Singer \cite{PS10} showed that additive and submodular functions admit a constant approximation mechanism. Recently, Dobzinski, Papadimitriou, and Singer \cite{DPS11} gave an $O(\log^2n)$ approximation mechanism for subadditive functions and remarked that: "A fundamental question is whether, regardless of computational constraints, a constant-factor budget feasible mechanism exists for subadditive function." In this paper, we give the first attempt to this question. We give a polynomial time $O(\frac{\log n}{\log\log n})$ sub-logarithmic approximation ratio mechanism for subadditive functions, improving the best known ratio $O(\log^2 n)$. Further, we connect budget feasible mechanism design to the concept of approximate core in cooperative game theory, and show that there is a mechanism for subadditive functions whose approximation is, via a characterization of the integrality gap of a linear program, linear to the largest value to which an approximate core exists. Our result implies in particular that the class of XOS functions, which is a superclass of submodular functions, admits a constant approximation mechanism. We believe that our work could be a solid step towards solving the above fundamental problem eventually, and possibly, with an affirmative answer.

研究动机与目标

• 解决子次可加函数是否存在常数因子预算可行机制这一基本开放问题。
• 将子次可加函数的最佳已知近似比从 $ O(\log^2 n) $ 提升至 $ O\left(\frac{\log n}{\log\log n}\right) $。
• 建立预算可行机制设计与合作博弈论中近似核心之间的联系。
• 证明 XOS 函数——子模函数的超类——在预算约束下可实现常数因子近似机制。
• 提供一种仅使用需求预言机即可实现的多项式时间机制，增强实际可应用性。

提出的方法

• 该机制利用随机抽样来估计代理人的成本和效用，基于抽样数据构建 truthful 分配规则。
• 通过需求预言机计算子次可加函数和 XOS 函数的近似解，确保多项式时间可行性。
• 机制的近似比源于与近似核心相关的线性规划松弛的整数规划间隙。
• 一个关键子程序在变换权重下计算最大匹配，从而在抽样子问题中高效选择具有可加效用的代理人。
• 通过基于抽样数据的阈值支付规则确保机制的 truthfulness，保持主导策略激励。
• 通过利用 XOS 函数作为线性函数点态最大值的表示，将框架扩展至 XOS 函数，从而通过需求查询实现常数因子近似。

实验结果

研究问题

• RQ1 无论计算约束如何，子次可加函数是否存在常数因子预算可行机制？
• RQ2 子次可加函数的近似比能否优于 $ O(\log^2 n) $？
• RQ3 预算可行机制设计与合作博弈论中近似核心之间存在何种关系？
• RQ4 XOS 函数是否可实现常数因子 truthful 预预算是可行机制？
• RQ5 该机制能否仅使用需求预言机高效实现？

主要发现

• 本文首次提出子次可加函数的次对数近似比机制，实现 $ O\left(\frac{\log n}{\log\log n}\right) $，优于先前的 $ O(\log^2 n) $ 边界。
• 该机制是 truthful 的，并在多项式时间内运行，仅使用子次可加效用函数的需求预言机。
• 近似比被证明与存在近似核心的最大值呈线性关系，将机制设计与合作博弈论联系起来。
• XOS 函数——作为子模函数的推广——在预算约束下可实现常数因子 truthful 预预算是可行机制，解决了该类函数的关键问题。
• 该机制可高效实现于匹配和团等特定问题，通过需求查询实现常数因子近似。
• 结果表明，朝着解决子次可加函数是否存在常数因子机制这一开放问题提供了路径，且有强有力证据支持肯定答案。