[论文解读] Smoothed and Average-case Approximation Ratios of Mechanisms: Beyond the Worst-case Analysis

Xiaotie Deng, Yansong Gao+1 more|arXiv (Cornell University)|May 19, 2017

Auction Theory and Applications参考文献 29被引用 5

一句话总结

本文提出了机制设计中的平滑化与平均情况近似比分析，超越了最坏情况边界的局限。针对单边匹配问题，证明了随机优先权机制——尽管其最坏情况近似比为 Θ(√n)——却具有常数平滑化近似比和最多 1+e 的平均情况比，从而解释了其在实际应用中虽最坏性能不佳却仍表现成功的原因。

ABSTRACT

The approximation ratio has become one of the dominant measures in mechanism design problems. In light of analysis of algorithms, we define the \emph{smoothed approximation ratio} to compare the performance of the optimal mechanism and a truthful mechanism when the inputs are subject to random perturbations of the worst-case inputs, and define the \emph{average-case approximation ratio} to compare the performance of these two mechanisms when the inputs follow a distribution. For the one-sided matching problem, \citet{FFZ:14} show that, amongst all truthful mechanisms, \emph{random priority} achieves the tight approximation ratio bound of $Θ(\sqrt{n})$. We prove that, despite of this worst-case bound, random priority has a \emph{constant smoothed approximation ratio}. This is, to our limited knowledge, the first work that asymptotically differentiates the smoothed approximation ratio from the worst-case approximation ratio for mechanism design problems. For the average-case, we show that our approximation ratio can be improved to $1+e$. These results partially explain why random priority has been successfully used in practice, although in the worst case the optimal social welfare is $Θ(\sqrt{n})$ times of what random priority achieves. These results also pave the way for further studies of smoothed and average-case analysis for approximate mechanism design problems, beyond the worst-case analysis.

研究动机与目标

• 为解决最坏情况近似比分析在机制设计中的局限性，因其可能无法反映真实世界的表现。
• 提出平滑化与平均情况近似比分析框架，作为更现实的 truthful 机制性能度量标准。
• 在新指标下分析随机优先权机制在单边匹配问题中的表现。
• 展示 truthful 机制在最坏情况与平滑化/平均情况表现之间存在理论上的分离。
• 为未来在更广泛的机制设计问题中开展平滑化与平均情况分析研究奠定基础。

提出的方法

• 将平滑化近似比定义为：在最坏情况输入的轻微随机扰动下，最优机制与 truthful 机制之间性能比的期望值。
• 将平均情况近似比定义为：在输入估值的均匀分布下，性能比的期望值。
• 利用概率界与集中不等式，分析不同估值配置下随机优先权机制的社会福利。
• 根据随机优先权的社会福利，将估值空间划分为三个区域：低、中、高，并分别界定各区域的近似比。
• 利用对称性与均匀分布的性质，证明 Pr[SW_RP ≥ n/2] ≥ 1/2。
• 结合条件期望与渐近分析，推导出平均情况比的最终上界为 1+e。

实验结果

研究问题

• RQ1 即使机制的最坏情况比为渐近大值，是否仍能实现常数平滑化近似比？
• RQ2 在单边匹配问题中，尽管随机优先权机制的最坏情况比为 Θ(√n)，其平均情况近似比是否仍保持有界？
• RQ3 平滑化与平均情况分析能否为随机优先权等机制的实际成功提供更准确的解释？
• RQ4 不同估值分布如何影响机制设计中的平均情况近似比？
• RQ5 平滑化与平均情况分析框架能否扩展至单边匹配之外的其他机制设计问题？

主要发现

• 尽管最坏情况比为 Θ(√n)，随机优先权机制仍实现了常数平滑化近似比。
• 在估值的均匀分布下，随机优先权机制的平均情况近似比上界为 1+e。
• 在均匀输入分布下，随机优先权机制实现至少最优社会福利一半的概率至少为 1/2。
• 该分析清晰展示了 truthful 机制在最坏情况与平滑化/平均情况表现之间的理论分离。
• 研究结果为随机优先权机制在课程分配、轮班安排等实际应用中取得成功提供了理论依据。
• 该框架为研究机制设计中平滑化与平均情况性能开辟了新方向，尤其适用于调度与资源分配问题。