[论文解读] On Budget-Feasible Mechanism Design for Symmetric Submodular Objectives

Georgios Amanatidis, Georgios Birmpas+1 more|arXiv (Cornell University)|Apr 23, 2017

Auction Theory and Applications参考文献 19被引用 4

一句话总结

本文提出了针对对称次模目标（包括预算最大割问题）的首个确定性、真实性和预算可行的机制，算法问题的近似比达到 $rac{2e}{e-1}$，机制设计的近似比为常数因子。该方法利用局部搜索识别单调区域，并结合已知的单调次模函数结果，实现了比之前工作更优近似比的多项式时间机制。

ABSTRACT

We study a class of procurement auctions with a budget constraint, where an auctioneer is interested in buying resources or services from a set of agents. Ideally, the auctioneer would like to select a subset of the resources so as to maximize his valuation function, without exceeding a given budget. As the resources are owned by strategic agents however, our overall goal is to design mechanisms that are truthful, budget-feasible, and obtain a good approximation to the optimal value. Budget-feasibility creates additional challenges, making several approaches inapplicable in this setting. Previous results on budget-feasible mechanisms have considered mostly monotone valuation functions. In this work, we mainly focus on symmetric submodular valuations, a prominent class of non-monotone submodular functions that includes cut functions. We begin first with a purely algorithmic result, obtaining a $\frac{2e}{e-1}$-approximation for maximizing symmetric submodular functions under a budget constraint. We view this as a standalone result of independent interest, as it is the best known factor achieved by a deterministic algorithm. We then proceed to propose truthful, budget feasible mechanisms (both deterministic and randomized), paying particular attention on the Budgeted Max Cut problem. Our results significantly improve the known approximation ratios for these objectives, while establishing polynomial running time for cases where only exponential mechanisms were known. At the heart of our approach lies an appropriate combination of local search algorithms with results for monotone submodular valuations, applied to the derived local optima.

研究动机与目标

• 设计针对对称次模目标（非单调）的真实、预算可行的机制，包括割函数和互信息等重要情形。
• 解决设计在激励相容和硬性预算约束下均成立的机制的挑战，其中标准VCG机制不适用。
• 通过实现常数因子近似比和多项式时间复杂度，超越先前工作，尤其针对预算最大割问题。
• 扩展在预算约束下对称次模最大化问题的算法结果，实现 $rac{2e}{e-1}$ 的近似因子。
• 探索局部搜索技术在识别非单调次模函数中单调子结构方面的适用性，以支持机制设计。

提出的方法

• 使用局部搜索算法识别一个局部最优子集 $S^*$，其成本有界，确保其在预算约束范围内。
• 对局部最优解进行变换，以在受限定义域上导出一个单调次模函数，从而可应用已知的单调函数真实机制。
• 将加法机制与随机选择规则结合，构建具有改进近似保证的真实、预算可行机制。
• 采用混合机制，以特定概率选择单一高价值代理或通过局部搜索选择一组代理，以平衡期望性能与预算可行性。
• 利用概率分析，通过集中不等式和对称次模函数的结构特性，界定机制输出的期望值相对于最优解的上界。
• 引入参数 $κ$ 以控制解质量与预算可行性之间的权衡，并基于 $κ$ 推导出近似因子。

实验结果

研究问题

• RQ1 我们能否为对称次模目标设计具有常数因子近似保证的真实、预算可行机制？
• RQ2 我们能否为预算最大割问题实现多项式时间机制，而此前仅存在指数时间机制？
• RQ3 如何调整局部搜索技术以在非单调次模函数中识别单调区域，以支持机制设计？
• RQ4 确定性、真实性和预算可行机制针对对称次模目标的最优近似比是多少？
• RQ5 能否利用对称次模最大化在预算约束下的 $\frac{2e}{e-1}$ 算法结果，设计出更优的机制？

主要发现

• 本文在预算约束下对称次模函数最大化问题的算法层面实现了 $\frac{2e}{e-1}$ 的近似比，这是确定性算法中已知的最佳因子。
• 对于预算最大割问题，所提出的机制在多项式时间内实现了常数因子近似比，显著优于先前结果。
• 所提出的随机机制在高概率下保证其期望近似比不超过最优解的 244 倍。
• 确定性机制在算法问题上实现了 $\frac{2e}{e-1}$ 的近似比，这是具有独立兴趣的独立结果。
• 利用局部搜索识别单调子结构的方法，使得即使在非单调目标下，也能设计出真实、预算可行的机制。
• 该框架具有通用性，适用于任何对称次模目标，只要最优分数解相对于整数解有界，即可产生多项式时间机制。