[论文解读] Learning Sparse Polymatrix Games in Polynomial Time and Sample Complexity

Asish Ghoshal, Jean Honorio|arXiv (Cornell University)|Jun 18, 2017

Game Theory and Applications参考文献 3被引用 3

一句话总结

该论文提出了一种基于 $\varepsilon$-Nash 平衡恢复方法，用于稀疏多矩阵博弈，采用 $\varepsilon_{1,2}$-组正则化逻辑回归，在 $\mathcal{O}(m^4d^4\log(pd))$ 的多项式时间与样本复杂度下实现。该方法证明了在可分性条件下具有信息论最优性及精确 Nash 平衡恢复能力，并通过合成数据和真实世界数据（包括最高法院、国会及联合国投票记录）进行了验证。

ABSTRACT

We consider the problem of learning sparse polymatrix games from observations of strategic interactions. We show that a polynomial time method based on $\ell_{1,2}$-group regularized logistic regression recovers a game, whose Nash equilibria are the $ε$-Nash equilibria of the game from which the data was generated (true game), in $\mathcal{O}(m^4 d^4 \log (pd))$ samples of strategy profiles --- where $m$ is the maximum number of pure strategies of a player, $p$ is the number of players, and $d$ is the maximum degree of the game graph. Under slightly more stringent separability conditions on the payoff matrices of the true game, we show that our method learns a game with the exact same Nash equilibria as the true game. We also show that $Ω(d \log (pm))$ samples are necessary for any method to consistently recover a game, with the same Nash-equilibria as the true game, from observations of strategic interactions. We verify our theoretical results through simulation experiments.

研究动机与目标

• 开发一种从观测到的战略互动中学习稀疏多矩阵博弈的多项式时间算法。
• 建立稀疏多矩阵博弈中 Nash 均衡一致恢复的样本复杂度边界。
• 证明任何一致恢复方法所需样本量的信息论下界。
• 在合成数据和真实世界投票数据集（最高法院、国会、联合国大会）上验证该方法。
• 恢复反映现实世界结盟模式的博弈结构与 Nash 均衡。

提出的方法

• 使用 $\ell_{1,2}$-组正则化逻辑回归，从观测到的策略组合中学习稀疏多矩阵博弈的收益矩阵。
• 将博弈建模为图博弈，其中每个玩家的收益取决于其在最大度数为 $d$ 的图中邻居的互动。
• 将问题视为分类任务：利用具有组稀疏性的逻辑回归，区分 Nash 均衡策略组合与非均衡策略组合。
• 对每个玩家特定的收益矩阵施加组 Lasso 惩罚，以在博弈图结构中强制实现稀疏性。
• 采用一种改进的观测模型，允许非 Nash 组合具有零测度，从而推广了先前的工作。
• 使用带 $\ell_{1,2}$ 正则化的经验风险最小化，恢复出其 Nash 均衡近似于真实博弈的博弈。

实验结果

研究问题

• RQ1 能否通过多项式时间方法，从观测到的策略组合中恢复稀疏多矩阵博弈的 $\varepsilon$-Nash 均衡？
• RQ2 一致恢复稀疏多矩阵博弈的 Nash 均衡集所需的最少样本数是多少？
• RQ3 在何种条件下，该方法可恢复真实博弈的精确 Nash 均衡集？
• RQ4 该方法在样本复杂度方面是否具有信息论最优性？
• RQ5 该方法能否在真实世界投票数据中揭示有意义的结盟结构？

主要发现

• 所提出的 $\ell_{1,2}$-正则化逻辑回归方法，以高概率在 $\mathcal{O}(m^4d^4\log(pd))$ 个样本下恢复真实博弈的 $\varepsilon$-Nash 均衡。
• 在收益矩阵满足可分性条件时，该方法可恢复与真实博弈完全相同的 Nash 均衡。
• 该方法实现了信息论最优性，因为 $\Omega(d\log(pm))$ 个样本是实现 Nash 均衡集一致恢复的必要条件。
• 仿真结果表明，PSNE 恢复成功率存在相变现象，与理论样本复杂度边界一致。
• 在真实世界数据中，该方法恢复出与最高法院中的自由派/保守派阵营、国会议员中的政党阵营以及联合国中的区域投票结盟相对应的有意义连通分量。
• 从恢复的博弈中计算出的无支配价格（PoA）在不同数据集中介于 1.6 到 3.0 之间，量化了自私行为导致的效率损失。