[论文解读] Finding Any Nontrivial Coarse Correlated Equilibrium Is Hard

Siddharth Barman, Katrina Ligett|arXiv (Cornell University)|Apr 23, 2015

Game Theory and Applications参考文献 16被引用 10

一句话总结

本文证明，在简洁多人博弈中，找到任何非平凡的粗相关均衡（CCE），其福利优于最差可能的CCE，即使近似求解也是NP难的。尽管存在高效的CCE计算算法，但除非P = NP，否则没有任何此类算法能保证实现非平凡的福利改进。作者进一步证明了相关均衡的类似困难性，并为聚合博弈中提供了计算近似相关均衡且福利接近最优的多项式时间算法。

ABSTRACT

One of the most appealing aspects of the (coarse) correlated equilibrium concept is that natural dynamics quickly arrive at approximations of such equilibria, even in games with many players. In addition, there exist polynomial-time algorithms that compute exact (coarse) correlated equilibria. In light of these results, a natural question is how good are the (coarse) correlated equilibria that can arise from any efficient algorithm or dynamics. In this paper we address this question, and establish strong negative results. In particular, we show that in multiplayer games that have a succinct representation, it is NP-hard to compute any coarse correlated equilibrium (or approximate coarse correlated equilibrium) with welfare strictly better than the worst possible. The focus on succinct games ensures that the underlying complexity question is interesting; many multiplayer games of interest are in fact succinct. Our results imply that, while one can efficiently compute a coarse correlated equilibrium, one cannot provide any nontrivial welfare guarantee for the resulting equilibrium, unless P=NP. We show that analogous hardness results hold for correlated equilibria, and persist under the egalitarian objective or Pareto optimality. To complement the hardness results, we develop an algorithmic framework that identifies settings in which we can efficiently compute an approximate correlated equilibrium with near-optimal welfare. We use this framework to develop an efficient algorithm for computing an approximate correlated equilibrium with near-optimal welfare in aggregative games.

研究动机与目标

• 研究是否存在高效的算法，能够计算出福利显著优于最差可能CCE的粗相关均衡（CCE）。
• 确定在简洁多人博弈中，是否存在多项式时间算法，可计算出具有非平凡福利保证的CCE或相关均衡（CE）。
• 探索当目标函数改为其他形式（如平等福利或帕累托最优）时，此类困难性是否依然存在。
• 识别在何种条件下，可实现近似均衡的高效计算，且其福利接近最优。
• 为特定博弈类别（如聚合博弈）构建框架，以计算近似相关均衡，使其福利接近最优。

提出的方法

• 通过从福利优化问题进行约简，证明在简洁多人博弈中，计算任何福利严格优于最差CCE的CCE是NP难的。
• 通过类似的复杂性理论论证，将该困难性结果扩展至相关均衡（CE）、平等福利以及帕累托最优性。
• 引入一个离散化的聚合函数和一个修改后的福利函数 $\tilde{w}^y$，以近似原始福利目标。
• 设计一种动态规划算法，针对每个聚合状态 $s$，在动作配置上最大化 $\tilde{w}^y$，并利用多项式有界的状态空间 $\mathcal{G}$。
• 构造一个缩放向量 $y \in [0,n]^{d}$，其中 $d = nm(m-1)+1$，以参数化修改后的福利函数，并确保加法近似保证。
• 将动态规划与加法近似界结合，实现最大福利匹配问题（MWMP）中福利的 $O\left(\frac{\varepsilon^4}{n^4 m^8}\right)$-加法误差。

实验结果

研究问题

• RQ1 在简洁多人博弈中，计算福利优于最差可能CCE的粗相关均衡是否为NP难？
• RQ2 在平等福利或帕累托最优等替代目标下，相关均衡是否也存在类似的困难性结果？
• RQ3 在特定博弈类别中，是否存在高效算法，可计算出近似相关均衡且其社会福利接近最优？
• RQ4 在何种条件下，可实现多项式时间计算近似均衡，使其福利接近最优？
• RQ5 能否通过动态规划在聚合博弈中实现福利优化的加法近似保证？

主要发现

• 在简洁多人博弈中，计算任何福利严格优于最差可能CCE的粗相关均衡是NP难的。
• 该困难性结果同样适用于相关均衡（CE），且在平等福利目标或帕累托最优性下依然成立。
• 对于 $n$-玩家、$m$-动作的聚合博弈，可在时间多项式于 $n$、$m$ 和 $1/\varepsilon$ 的范围内，计算出福利为 $w^* - \varepsilon$ 的 $\varepsilon$-相关均衡。
• 该动态规划方法对最大福利匹配问题（MWMP）实现了 $O\left(\frac{\varepsilon^4}{n^4 m^8}\right)$-加法近似。
• 该框架使得在聚合博弈中能够高效计算出近似相关均衡，且其福利接近最优，从而克服了普遍存在的NP难性障碍。
• 该结果意味着，除非 P = NP，否则在一般简洁博弈中，没有任何高效算法能为CCE或CE提供非平凡的福利保证。