[论文解读] On the Hardness of Signaling

Shaddin Dughmi|arXiv (Cornell University)|Feb 18, 2014

Game Theory and Applications参考文献 35被引用 13

一句话总结

本文证明，在贝叶斯零和博弈中，设计最优信息结构（即信号机制）在计算上是难以处理的，即使均衡可以高效计算。作者证明，寻找最优信号机制的难度等同于在随机图中恢复一个植入的团，这在标准复杂性假设下意味着极强的不可逼近性结果。

ABSTRACT

There has been a recent surge of interest in the role of information in strategic interactions. Much of this work seeks to understand how the realized equilibrium of a game is influenced by uncertainty in the environment and the information available to players in the game. Lurking beneath this literature is a fundamental, yet largely unexplored, algorithmic question: how should a "market maker" who is privy to additional information, and equipped with a specified objective, inform the players in the game? This is an informational analogue of the mechanism design question, and views the information structure of a game as a mathematical object to be designed, rather than an exogenous variable. We initiate a complexity-theoretic examination of the design of optimal information structures in general Bayesian games, a task often referred to as signaling. We focus on one of the simplest instantiations of the signaling question: Bayesian zero-sum games, and a principal who must choose an information structure maximizing the equilibrium payoff of one of the players. In this setting, we show that optimal signaling is computationally intractable, and in some cases hard to approximate, assuming that it is hard to recover a planted clique from an Erdos-Renyi random graph. This is despite the fact that equilibria in these games are computable in polynomial time, and therefore suggests that the hardness of optimal signaling is a distinct phenomenon from the hardness of equilibrium computation. Necessitated by the non-local nature of information structures, en-route to our results we prove an "amplification lemma" for the planted clique problem which may be of independent interest.

研究动机与目标

• 研究将信息视为设计变量而非外生变量的贝叶斯博弈中，最优信息结构（信号机制）设计的计算复杂性。
• 研究在不完全信息的两人零和博弈中，通过战略性地释放信息以最大化玩家均衡收益的困难性。
• 建立最优信号机制在计算上是难以处理的，即使均衡可被高效计算，从而凸显出一种独立于均衡计算的全新困难来源。
• 提出一个关于植入团问题的新增强引理，表明即使在埃拉多斯-雷尼随机图中植入了多个小团（覆盖常数比例的节点），恢复其中任意常数比例的团，其难度仍与标准的植入团问题相当。
• 探讨最优信号机制与密集子图检测之间的联系，为拍卖设计和机制设计中的应用提供算法启示。

提出的方法

• 通过复杂性理论归约，将贝叶斯零和博弈中最优信号机制的问题归约为植入团问题，从而建立其计算困难性。
• 提出一个“增强引理”，表明即使在图中植入了多个小团（覆盖常数比例的节点），恢复其中任意常数比例的团，其难度仍与标准的植入团问题相当。
• 利用谱方法和半定规划技术分析信息设计问题的结构，特别关注植入团指示向量外积之和的结构。
• 采用凸松弛方法来界定每个植入团对目标函数的贡献，借助集中与平均化论证。
• 应用计数论证，表明若一个植入团与集合族中某个集合的平均交集大小有下界，则至少有常数比例的团会在一个常数比例的顶点上与至少一个集合相交。
• 若存在一个优良的信号机制，则会导致矛盾，因为这样的机制将意味着可以恢复常数比例的植入团，而这一问题是被认为不可能的。

实验结果

研究问题

• RQ1 在贝叶斯零和博弈中，设计最优信息结构（信号机制）的问题在计算上是否可行？
• RQ2 最优信号机制能否在常数因子内近似，甚至在 $1/\operatorname{polylog} n$ 的加法误差范围内近似？
• RQ3 最优信号机制的困难性是否源于均衡计算的困难，还是其本身是一种独立的计算现象？
• RQ4 是否可以对植入团问题进行增强，使得即使在图中存在多个小团（覆盖常数比例节点），恢复其中常数比例的团，其难度仍与原始问题相当？
• RQ5 该困难性对拍卖设计和机制设计等应用的算法实现有何启示？

主要发现

• 在假设在埃拉多斯-雷尼随机图中恢复一个植入团是困难的前提下，贝叶斯零和博弈中的最优信号机制在计算上是难以处理的。
• 在标准植入团猜想成立的前提下，该问题在常数因子内仍不可逼近。
• 最优信号机制的困难性并非源于均衡计算的困难，因为在该设定下，均衡可被多项式时间计算。
• 作者证明了一个增强引理，表明即使在图中存在多个小团（覆盖常数比例的节点），恢复其中常数比例的团，其难度仍与标准的植入团问题相当。
• 在精心构造的集合族中，一个植入团与该族中集合的平均交集大小至少为 $\Omega(\epsilon)$ 倍的团大小，这意味着至少有常数比例的团会在一个常数比例的顶点上与至少一个集合相交。
• 结果表明，最优信号机制很可能不存在完全多项式时间近似方案（FPTAS），尽管考虑到植入团问题存在此类算法，可能存在准多项式时间近似方案（QPTAS）。