[论文解读] Truthful Allocation in Graphs and Hypergraphs

George Christodoulou, Ηλίας Κουτσουπιάς+1 more|arXiv (Cornell University)|Jan 1, 2021

Advanced Graph Theory Research被引用 3

一句话总结

本文提出了混合机制（Hybrid Mechanism），这是一种新颖的 truthful 机制，适用于图和超图中的分配问题，其中任务只能由特定机器（节点）处理。通过结合 VCG 类似效率与单维机制设计原则，该机制在星形结构图中实现了最优的 2-近似比，并可扩展至一般多重图、树、平面图、k-退化图以及有界树宽图，对 Lp-范数目标（包括完工时间（p=∞））提供了性能界。

ABSTRACT

We study truthful mechanisms for allocation problems in graphs, both for the minimization (i.e., scheduling) and maximization (i.e., auctions) setting. The minimization problem is a special case of the well-studied unrelated machines scheduling problem, in which every given task can be executed only by two pre-specified machines in the case of graphs or a given subset of machines in the case of hypergraphs. This corresponds to a multigraph whose nodes are the machines and its hyperedges are the tasks. This class of problems belongs to multidimensional mechanism design, for which there are no known general mechanisms other than the VCG and its generalization to affine minimizers. We propose a new class of mechanisms that are truthful and have significantly better performance than affine minimizers in many settings. Specifically, we provide upper and lower bounds for truthful mechanisms for general multigraphs, as well as special classes of graphs such as stars, trees, planar graphs, $k$-degenerate graphs, and graphs of a given treewidth. We also consider the objective of minimizing or maximizing the $L^p$-norm of the values of the players, a generalization of the makespan minimization that corresponds to $p=\infty$, and extend the results to any $p>0$.

研究动机与目标

• 设计图和超图中任务受限于特定机器的 truthful 分配机制。
• 克服多维机制设计中 VCG 和仿射最小化器的差劲近似比。
• 通过结合 VCG 与单维设计原则，将 truthful 机制推广至单维域之外。
• 为各类图类（包括星形图、树、平面图、k-退化图和有界树宽图）提供近似比的紧致上下界。
• 将结果扩展至 Lp-范数目标，将完工时间最小化（p=∞）推广至任意 p>0。

提出的方法

• 提出混合机制，通过最小化根玩家成本（按 λi 加权）与叶玩家成本函数 gT(ℓ) 的组合，仅当根玩家成本低于阈值时才将任务分配给根玩家。
• 使用临界值函数 ψi(ℓi) 决定任务 i 由叶玩家还是根玩家接收，基于其与最小加权根成本的比较。
• 通过弱单调性与集合函数递增条件（gT(ℓ) 关于 ℓi 递增，其中 i∉T）确保叶玩家的 truthful 性。
• 通过将分配规则推广至 k 个根玩家，并使用修改后的辅助函数 ˜gT(ℓ, r−h) 来维护超星形图中的 truthful 性。
• 通过定义适当的成本函数与阈值，将机制应用于 Lp-范数最小化，确保在特定条件下保持 truthful 性。
• 通过 gT(ℓ) 与 ψi 函数的必要与充分条件证明 truthful 性，表明严格递增或单调性是充分但非必要条件。

实验结果

研究问题

• RQ1 能否为任务受限于特定机器的图结构分配问题设计出优于 VCG 和仿射最小化器的 truthful 机制？
• RQ2 在星形平衡问题中，任何 truthful 机制可达到的最佳近似比是多少？是否可实现匹配？
• RQ3 如何将混合机制推广至超图及其他图类（如树、平面图、k-退化图与有界树宽图）？
• RQ4 成本函数 gT(ℓ) 需满足何种条件，才能确保混合机制中叶玩家的 truthful 性？
• RQ5 结果能否扩展至完工时间（p=∞）之外的 Lp-范数目标？性能边界如何？

主要发现

• 混合机制在星形平衡问题中实现了最优的 2-近似比，这是所有 truthful 机制中可达到的最佳结果。
• 对于一般多重图，本文建立了近似比的上下界，显著优于仿射最小化器。
• 在树、平面图、k-退化图及有界树宽图等特殊图类中，本文提供了非平凡的近似保证。
• 当成本函数 gT(ℓ) 关于 ℓi 递增（其中 i∉T）且临界值函数 ψi 严格递增时，混合机制是 truthful 的。
• 该机制可扩展至 Lp-范数最小化目标，混合 Lp 机制在 gT(ℓ) 与 ψi 的条件 (b) 和 (c) 下满足 truthful 性。
• 提供了一个例子表明，条件 (b) 与 (c) 是 truthful 的充分但非必要条件，证明了该机制的鲁棒性。