[论文解读] Information Design in Spatial Resource Competition

Pu Yang, Krishnamurthy Iyer+1 more|arXiv (Cornell University)|Sep 27, 2019

Game Theory and Applications参考文献 30被引用 7

一句话总结

本文利用贝叶斯说服理论研究空间资源竞争中的信息设计，提出高效算法以计算最优私有信号与公开信号机制，从而最大化社会福利。结果表明，这两种机制均可在多项式时间内计算，并在数值实验中显著优于无信息或全信息基准。

ABSTRACT

We consider the information design problem in spatial resource competition settings. Agents gather at a location deciding whether to move to another location for possibly higher level of resources, and the utility each agent gets by moving to the other location decreases as more agents move there. The agents do not observe the resource level at the other location while a principal does and the principal would like to carefully release this information to attract a proper number of agents to move. We adopt the Bayesian persuasion framework and analyze the principal's optimal signaling mechanism design problem. We study both private and public signaling mechanisms. For private signaling, we show the optimal mechanism can be computed in polynomial time with respect to the number of agents. Obtaining the optimal private mechanism involves two steps: first, solve a linear program to get the marginal probability each agent should be recommended to move; second, sample the moving agents satisfying the marginal probabilities with a sequential sampling procedure. For public signaling, we show the sender preferred equilibrium has a simple threshold structure and the optimal public mechanism with respect to the sender preferred equilibrium can be computed in polynomial time. We support our analytical results with numerical computations that show the optimal private and public signaling mechanisms achieve substantially higher social welfare compared with no information or full information benchmarks in many settings.

研究动机与目标

• 为解决在存在负外部性的情境下，设计信息信号以引导参与者在空间资源竞争中实现社会福利最大化的挑战。
• 分析具有信息优势的主体如何通过战略性信号影响具有负外部性的环境中的参与者行为。
• 在双地点模型中，开发计算高效的最优私有与公开信号机制的计算方法。
• 将最优信号机制的性能与无信息和全信息共享等基准进行比较。
• 刻画最优机制实现近似社会最优福利的条件，特别是关于阈值结构与相关性模式的条件。

提出的方法

• 通过使用边际概率 $ p_{ik} $ 重新表述私有信号问题，其中 $ p_{ik} $ 表示当已有 $ k-1 $ 个其他参与者移动时，参与者 $ i $ 被建议移动的概率，从而将问题简化为一个具有 $ O(N^2) $ 个变量的线性规划问题。
• 采用顺序抽样程序生成满足最优边际概率的参与者集合，从而实现私有机制的高效实施。
• 对于公开信号，推导出发送方偏好的均衡中的阈值结构，即只有当状态超过临界阈值时，参与者才会移动。
• 通过利用阈值结构并求解简化后的优化问题，证明最优公开信号机制可在多项式时间内计算得出。
• 在变换后的空间中应用揭示原理，以避免直接对所有信号方案进行优化所导致的指数级复杂度。
• 通过数值模拟，采用不同的资源共享函数 $ F(i) = 1/i^\alpha $ 和成本函数（常数、线性、二次），评估不同基准下的福利表现。

实验结果

研究问题

• RQ1 在存在负外部性的空间资源竞争环境中，主体如何设计私有信号以最大化社会福利？
• RQ2 寻找最优私有信号机制的计算复杂度如何？尽管可能的信号数量呈指数级增长，是否仍可高效计算？
• RQ3 最优公开信号机制是否表现出简单的结构形式（如阈值策略）？是否可在多项式时间内计算？
• RQ4 最优私有与公开信号机制的社会福利与无信息和全信息基准相比如何？
• RQ5 在何种模型参数条件下，最优私有机制可实现接近社会最优的福利水平？在何种情况下则无法实现？

主要发现

• 通过两步法，最优私有信号机制可在多项式时间内计算：首先在 $ O(N^2) $ 个变量上求解线性规划问题，然后应用顺序抽样程序。
• 最优公开信号机制在发送方偏好的均衡中具有简洁的阈值结构，从而可实现多项式时间内的高效计算。
• 数值结果表明，无论在何种设置下，最优私有与公开机制所实现的社会福利均显著高于无信息和全信息基准。
• 当参与者成本相近时，私有信号优于公开信号，因为其能去相关化建议，减少因移动行为相关性导致的拥堵。
• 在大多数测试配置中，最优私有机制实现的社会福利接近社会最优水平，尤其当模型参数满足关于 $ \mu(1) $ 的推导条件时表现更佳。
• 该方法可推广至其他具有匿名外部性的二元行动信息设计问题，其中效用仅取决于采取某行动的参与者数量，而不依赖于其身份。