[论文解读] Combinatorial Auctions with Restricted Complements

Ittai Abraham, Moshe Babaioff+2 more|arXiv (Cornell University)|May 18, 2012

Auction Theory and Applications参考文献 19被引用 7

一句话总结

本文提出了一种基于超图的组合拍卖估值模型，适用于具有有限互补性的拍卖，其参数为超边的秩 $ r $。该研究提出了多项式时间的 truthful 机制与近似算法，实现了对一般超图-$ r $ 估值的 $ O(\log^r m) $-近似，以及对平面图或排除子图的图的 $ (1+\epsilon) $-近似，从而在存在互补性的情况下仍能高效实现福利最大化。

ABSTRACT

Complements between goods - where one good takes on added value in the presence of another - have been a thorn in the side of algorithmic mechanism designers. On the one hand, complements are common in the standard motivating applications for combinatorial auctions, like spectrum license auctions. On the other, welfare maximization in the presence of complements is notoriously difficult, and this intractability has stymied theoretical progress in the area. For example, there are no known positive results for combinatorial auctions in which bidder valuations are multi-parameter and non-complement-free, other than the relatively weak results known for general valuations. To make inroads on the problem of combinatorial auction design in the presence of complements, we propose a model for valuations with complements that is parameterized by the "size" of the complements. A valuation in our model is represented succinctly by a weighted hypergraph, where the size of the hyper-edges corresponds to degree of complementarity. Our model permits a variety of computationally efficient queries, and non-trivial welfare-maximization algorithms and mechanisms. We design the following polynomial-time approximation algorithms and truthful mechanisms for welfare maximization with bidders with hypergraph valuations. 1- For bidders whose valuations correspond to subgraphs of a known graph that is planar (or more generally, excludes a fixed minor), we give a truthful and (1+epsilon)-approximate mechanism. 2- We give a polynomial-time, r-approximation algorithm for welfare maximization with hypergraph-r valuations. Our algorithm randomly rounds a compact linear programming relaxation of the problem. 3- We design a different approximation algorithm and use it to give a polynomial-time, truthful-in-expectation mechanism that has an approximation factor of O(log^r m).

研究动机与目标

• 解决组合拍卖中非无互补性估值下的福利最大化理论难题，此类估值在现实应用（如频谱拍卖）中普遍存在。
• 设计一种能简洁捕捉有限互补性的估值模型，以互补包的大小（秩 $ r $）为参数，支持高效计算与机制设计。
• 在该模型下，开发多项式时间的近似算法与 truthful 机制，以应对一般互补丰富估值下的计算不可解性。
• 在保持机制设计中 truthfulness 的前提下，实现强近似保证，尤其通过随机舍入与代理估值技术。

提出的方法

• 将每位投标人的估值表示为超图-$ r $ 估值，其中物品与超边（大小不超过 $ r $）具有非负权重，且一个物品包的价值为其所含物品与边的权重之和。
• 采用福利最大化问题的紧凑线性规划松弛，变量表示每位投标人-物品包的分配，约束条件确保分配互不重叠。
• 应用 Lavi-Swamy 框架，将最优分数线性规划解分解为多项式多个整数解的凸组合，从而支持随机舍入。
• 采用一种随机分配规则，独立地将每个物品以与 $ 1/B $ 成比例的概率随机分配给在整数解中获得该物品的投标人，其中 $ B = \Omega(\log m) $。
• 引入代理估值以保持 truthfulness，确保机制为 MIDR（均值独立、均值抗性），从而实现期望意义下的 truthful。
• 利用线性规划松弛的整数性间隙与代理估值的近似因子 $ B^{-r} $，将近似比限定在 $ O(\log^r m) $。

实验结果

研究问题

• RQ1 能否设计一种适用于有限互补性的估值的可 tractable 模型，以支持高效计算与机制设计？
• RQ2 在超图-$ r $ 估值的组合拍卖中，福利最大化的近似保证能达到何种程度？
• RQ3 能否在保持强近似比的前提下，为这类估值构造 truthful 机制？
• RQ4 底层超图的结构性质（如平面性、排除子图）如何影响近似质量？

主要发现

• 对于超图-$ r $ 估值，通过紧凑线性规划松弛的随机舍入，实现了多项式时间的 $ r $-近似算法。
• 设计了一种期望意义下 truthful 的机制，其近似因子为 $ O(\log^r m) $，利用代理估值与随机舍入实现。
• 对于估值对应于平面图（或排除固定子图）子图的投标人，实现了期望意义下 $ (1+\epsilon) $-近似的 truthful 机制。
• 该机制为 MIDR（均值独立、均值抗性），通过整数解的凸组合与随机分配规则构造，从而确保期望意义下的 truthful。
• 当 $ B = \Omega(\log m) $ 时，线性规划松弛的整数性间隙被有界为一个绝对常数，从而支持强近似保证。
• 代理估值技术确保机制的期望福利至少为最优值的 $ \frac{1}{\alpha B^r} $，其中 $ \alpha $ 超过整数性间隙。