[论文解读] Mixture Selection, Mechanism Design, and Signaling

Yu Cheng, Ho Yee Cheung+4 more|arXiv (Cornell University)|Aug 14, 2015

Auction Theory and Applications参考文献 17被引用 9

一句话总结

本文提出了一种新颖的算法框架用于混合选择问题——在概率单纯形上优化函数 $g(Ax)$——通过利用利普希茨连续性与一种新的噪声稳定性概念。当这两种性质均有界时，该框架可实现加法多项式时间近似方案（PTAS），从而解决了机制设计与最优信号传递领域中的关键开放问题。

ABSTRACT

We pose and study a fundamental algorithmic problem which we term mixture selection, arising as a building block in a number of game-theoretic applications: Given a function $g$ from the $n$-dimensional hypercube to the bounded interval $[-1,1]$, and an $n imes m$ matrix $A$ with bounded entries, maximize $g(Ax)$ over $x$ in the $m$-dimensional simplex. This problem arises naturally when one seeks to design a lottery over items for sale in an auction, or craft the posterior beliefs for agents in a Bayesian game through the provision of information (a.k.a. signaling). We present an approximation algorithm for this problem when $g$ simultaneously satisfies two smoothness properties: Lipschitz continuity with respect to the $L^\infty$ norm, and noise stability. The latter notion, which we define and cater to our setting, controls the degree to which low-probability errors in the inputs of $g$ can impact its output. When $g$ is both $O(1)$-Lipschitz continuous and $O(1)$-stable, we obtain an (additive) PTAS for mixture selection. We also show that neither assumption suffices by itself for an additive PTAS, and both assumptions together do not suffice for an additive FPTAS. We apply our algorithm to different game-theoretic applications from mechanism design and optimal signaling. We make progress on a number of open problems suggested in prior work by easily reducing them to mixture selection: we resolve an important special case of the small-menu lottery design problem posed by Dughmi, Han, and Nisan; we resolve the problem of revenue-maximizing signaling in Bayesian second-price auctions posed by Emek et al. and Miltersen and Sheffet; we design a quasipolynomial-time approximation scheme for the optimal signaling problem in normal form games suggested by Dughmi; and we design an approximation algorithm for the optimal signaling problem in the voting model of Alonso and Câmara.

研究动机与目标

• 将混合选择问题形式化并作为机制设计与贝叶斯博弈论中的核心算法原语进行研究。
• 识别出两个平滑性属性——$L^∞$ 范数下的利普希茨连续性与噪声稳定性——以控制混合选择的可计算性。
• 开发一种适用于混合选择的一般近似算法，其性能随函数 $g$ 的平滑参数退化而渐进下降。
• 解决收益最大化信号传递、彩票设计以及投票与标准型博弈中最优信号传递方面的开放问题。
• 通过证明仅凭任一平滑性条件均不足以实现加法PTAS，且两者联合亦无法得到FPTAS，从而建立紧致的复杂度界限。

提出的方法

• 将噪声稳定性定义为一种度量，用于控制低概率、相关输入误差对 $g$ 输出的影响，该定义与以往的稳定性概念相区别。
• 通过从分布 $x$ 中进行经验抽样，构造一个稀疏近似 $\widetilde{x}$，并利用两部分误差来界定 $g(Ax)$ 的期望误差：大误差（受噪声稳定性控制）与小误差（受利普希茨连续性控制）。
• 对 $g$ 的布尔扩展应用傅里叶分析，通过低阶傅里叶系数来界定误差，前提是满足代数稳定性假设。
• 通过设定样本大小 $s = \Omega(\frac{1}{\delta^2} \log \frac{k}{\epsilon})$，将通用框架实例化为PTAS，以确保 $\widetilde{x}$ 在 $x$ 附近集中。
• 证明：对于 $c$-利普希茨连续且 $\beta$-噪声稳定的 $g$，其期望目标 $\mathbb{E}[g(A\widetilde{x})] \geq g(Ax) - \epsilon - c\delta$，从而实现加法近似。
• 利用噪声稳定性与非负、低阶傅里叶谱之间的联系，将结果推广至代数稳定的函数。

实验结果

研究问题

• RQ1 当目标函数 $g$ 同时具备利普希茨连续性与噪声稳定性时，混合选择能否被高效近似？
• RQ2 在混合选择中，噪声稳定性是否为实现加法PTAS所必需的？是否可被其他平滑性条件替代？
• RQ3 该混合选择框架能否解决机制设计与最优信号传递中的开放问题，例如在第二价格拍卖中实现收益最大化的信号传递？
• RQ4 利普希茨连续性与噪声稳定性相结合是否足以实现加法全多项式时间近似方案（FPTAS）？
• RQ5 哪些典型博弈论目标（如彩票设计、投票、收益最大化）满足所需的平滑性与代数稳定性属性？

主要发现

• 当 $g$ 同时为 $O(1)$-利普希茨连续且 $O(1)$-噪声稳定时，混合选择存在加法PTAS，其近似误差为 $\epsilon + c\delta$。
• 仅凭利普希茨连续性或仅凭噪声稳定性均不足以实现加法PTAS，表明两者均为该结果所必需。
• 尽管两者结合，也无法得到加法FPTAS，表明在实现全多项式近似方面存在固有局限性。
• 该框架作为特例解决了 Dughmi、Han 与 Nisan（2014）提出的‘小菜单’彩票设计问题。
• 在贝叶斯第二价格拍卖中，实现了收益最大化信号传递的加法PTAS，从而解决了 Emek 等人（2012）与 Miltersen 和 Sheffet（2012）提出的开放问题。
• 为标准型博弈中的最优信号传递设计了准多项式时间近似方案，并为 Alonso 与 Câmara（2014）的投票模型开发了近似算法。