[论文解读] Mechanism Design without Money via Stable Matching

Ning Chen, Nick Gravin+1 more|arXiv (Cornell University)|Apr 14, 2011

Auction Theory and Applications参考文献 15被引用 13

一句话总结

本文提出了一种新颖的无货币机制设计框架，通过将稳定匹配作为核心组件，实现了对关键组合优化问题（如拟阵、匹配、背包问题和广义分配问题）的常数因子近似保证。该方法结合稳定匹配、随机抽样和在线机制，确保机制的诚实性与多项式时间可实现性，同时保持较强的福利近似比。

ABSTRACT

Mechanism design without money has a rich history in social choice literature. Due to the strong impossibility theorem by Gibbard and Satterthwaite, exploring domains in which there exist dominant strategy mechanisms is one of the central questions in the field. We propose a general framework, called the generalized packing problem (\gpp), to study the mechanism design questions without payment. The \gpp\ possesses a rich structure and comprises a number of well-studied models as special cases, including, e.g., matroid, matching, knapsack, independent set, and the generalized assignment problem. We adopt the agenda of approximate mechanism design where the objective is to design a truthful (or strategyproof) mechanism without money that can be implemented in polynomial time and yields a good approximation to the socially optimal solution. We study several special cases of \gpp, and give constant approximation mechanisms for matroid, matching, knapsack, and the generalized assignment problem. Our result for generalized assignment problem solves an open problem proposed in \cite{DG10}. Our main technical contribution is in exploitation of the approaches from stable matching, which is a fundamental solution concept in the context of matching marketplaces, in application to mechanism design. Stable matching, while conceptually simple, provides a set of powerful tools to manage and analyze self-interested behaviors of participating agents. Our mechanism uses a stable matching algorithm as a critical component and adopts other approaches like random sampling and online mechanisms. Our work also enriches the stable matching theory with a new knapsack constrained matching model.

研究动机与目标

• 为解决在VCG机制因高支付或计算困难而不适用的场景中，设计无需货币支付的诚实且计算高效的机制所面临的挑战。
• 探索在Gibbard-Satterthwaite不可能性定理存在的情况下，仍能存在主导策略机制的领域，重点关注组合结构而非估值。
• 提出一个通用框架——广义打包问题（gpp），统一并扩展了拟阵、匹配、背包问题和广义分配问题等经典模型。
• 为gpp的特例提供常数因子近似机制，同时确保诚实性和多项式时间计算。
• 通过为无货币的广义分配问题提供首个常数因子近似机制，解决机制设计中的一个开放问题。

提出的方法

• 该框架将广义打包问题（gpp）引入作为无货币转移的组合优化问题的统一模型。
• 采用稳定匹配作为核心算法组件，以管理策略性代理行为并确保诚实性。
• 机制整合了随机抽样以估计最优解，以及在线机制以处理动态或不确定的输入。
• 针对每类问题（拟阵、匹配、背包问题、广义分配问题），设计了基于带背包约束偏好的稳定匹配的定制化机制。
• 理论分析利用概率界和条件期望推导近似比，依赖于在不同分布下期望性能的断言。
• 构建了一个gap-mechanism-main机制，通过参数λ和μ平衡大实例与小实例的性能，确保常数近似比。

实验结果

研究问题

• RQ1 能否系统性地将稳定匹配应用于设计无货币转移场景下的诚实且近似保持的机制？
• RQ2 在不允许支付的情况下，诚实机制对广义分配问题能达到的近似比是多少？
• RQ3 如何将稳定匹配扩展以纳入背包型约束，以建模现实世界的分配问题？
• RQ4 在无货币的组合机制设计中，社会福利与诚实性之间的权衡是什么？
• RQ5 能否开发一个统一框架，以单一机制设计方法涵盖匹配、背包问题和拟阵系统等多样化组合问题？

主要发现

• 本文首次为无货币的广义分配问题提出了常数因子诚实机制，解决了先前工作中提出的一个开放问题。
• 对于拟阵、匹配、背包问题和广义分配问题，所提出的机制在确保诚实性和多项式时间计算的同时，实现了常数近似比。
• 稳定匹配框架被扩展为一种新型的带背包约束匹配模型，丰富了稳定匹配理论，并拓展了其在机制设计中的应用。
• 该机制对整体目标的近似比至少为1/3 × min(1/(2λ), δ₅ / (2 + 1/(λ−1)))，当λ=3且μ=1/6时，可获得有效的常数因子。
• 分析证明，该机制的期望社会福利至少为δ₅ × v(A*)（其中δ₅ > 0），表明在策略行为下近似损失是受控的。
• 该框架通过将出价语言限制为组合结构，成功规避了Gibbard-Satterthwaite不可能性定理，使得在估值因素通常会阻止其存在的场景下，仍能实现诚实机制。