[论文解读] Query Complexity of Approximate Equilibria in Anonymous Games

Paul W. Goldberg, Stefano Turchetta|arXiv (Cornell University)|Dec 19, 2014

Game Theory and Applications参考文献 30被引用 4

一句话总结

该论文提出了一种随机化、查询高效的算法，通过 $\tilde{O}(n^{3/2})$ 次收益查询和运行时间，计算出在具有两种策略的匿名博弈中 $O(n^{-1/4})$-近似纳什均衡，优于先前的方法。它建立了即使在随机化情况下，寻找 $\epsilon$-充分支持均衡的 $\Omega(n\log n)$ 查询下界，并表明精确均衡无法通过查询高效的方式计算。

ABSTRACT

We study the computation of equilibria of anonymous games, via algorithms that may proceed via a sequence of adaptive queries to the game's payoff function, assumed to be unknown initially. The general topic we consider is \emph{query complexity}, that is, how many queries are necessary or sufficient to compute an exact or approximate Nash equilibrium. We show that exact equilibria cannot be found via query-efficient algorithms. We also give an example of a 2-strategy, 3-player anonymous game that does not have any exact Nash equilibrium in rational numbers. However, more positive query-complexity bounds are attainable if either further symmetries of the utility functions are assumed or we focus on approximate equilibria. We investigate four sub-classes of anonymous games previously considered by \cite{bfh09, dp14}. Our main result is a new randomized query-efficient algorithm that finds a $O(n^{-1/4})$-approximate Nash equilibrium querying $ ilde{O}(n^{3/2})$ payoffs and runs in time $ ilde{O}(n^{3/2})$. This improves on the running time of pre-existing algorithms for approximate equilibria of anonymous games, and is the first one to obtain an inverse polynomial approximation in poly-time. We also show how this can be utilized as an efficient polynomial-time approximation scheme (PTAS). Furthermore, we prove that $Ω(n \log{n})$ payoffs must be queried in order to find any $ε$-well-supported Nash equilibrium, even by randomized algorithms.

研究动机与目标

• 研究通过自适应查询访问收益函数的匿名博弈中计算近似纳什均衡的查询复杂度。
• 确定在查询模型下是否可以高效计算精确纳什均衡，特别是考虑到其表示可能不是有理数。
• 为两种策略的匿名博弈中的近似和充分支持均衡建立紧致的查询复杂度界限。
• 开发一种新的随机化算法，实现在多项式时间内达到逆多项式近似，且查询和运行时间效率更高。

提出的方法

• 该算法采用随机化方法采样收益查询，并在离散化的策略空间上应用二分查找，以定位平滑博弈的不动点。
• 它利用泊松二项分布的结构，从已查询的收益中高效计算期望收益。
• 该方法假设玩家以概率 $\zeta/k$ 和 $1 - (k-1)\zeta/k$ 在两种策略间随机化，为便于处理，聚焦于 $k=2$。
• 关键组成部分是使用平滑博弈近似，其中收益函数被插值以确保利普希茨连续性，从而实现高效的不动点搜索。
• 该算法确保所有玩家的偏离激励被限制在 $O(n^{-1/4})$ 以内，从而实现 $\epsilon$-NE，其中 $\epsilon = O(n^{-1/4})$。
• 通过在博弈上使用对抗性分布和最小最大原理推导下界，将问题简化为从查询响应中学习一个随机的 $\log n$-比特字符串。

实验结果

研究问题

• RQ1 是否可以通过查询高效的算法计算匿名博弈中的精确纳什均衡，即使只是近似？
• RQ2 在两种策略的匿名博弈中，计算 $\epsilon$-充分支持纳什均衡所需的最少收益查询次数是多少？
• RQ3 能否设计一种查询高效的算法，计算出 $\epsilon$-近似纳什均衡，且 $\epsilon$ 为 $n$ 的逆多项式？
• RQ4 该算法方法能否推广到 $k$-策略匿名博弈，同时保持查询效率？
• RQ5 即使对于 $\epsilon < 1/2$，寻找 $\epsilon$-NE 的查询复杂度是否仍随 $n$ 对数增长？

主要发现

• 该论文提出了一种随机化算法，在 $\tilde{O}(n^{3/2})$ 次查询和运行时间内计算出 $O(n^{-1/4})$-近似纳什均衡，优于先前算法。
• 该算法在多项式时间内实现了逆多项式近似，这是匿名博弈中首次实现此类结果。
• 证明了任何随机化算法为计算 $\epsilon$-充分支持纳什均衡所需的查询下界为 $\Omega(n\log n)$，即使 $\epsilon < 1$ 也成立。
• 该论文构造了一个具有两种策略、三名玩家的匿名博弈，其精确纳什均衡不包含有理数解，表明有理数精确均衡并不总是存在。
• 由于存在无理数均衡的可能性以及查询模型的固有复杂性，精确均衡无法通过查询高效的算法计算。
• $\epsilon$-WSNE 的查询复杂度至少为 $\Omega(n\log n)$，表明对于充分支持均衡，对数级查询开销是不可避免的。