WikiDer > Цена анархии

В Цена анархии (PoA) ^[1] это концепция в экономика и теория игры это измеряет, как эффективность системы деградирует из-за эгоистичный поведение его агентов. Это общее понятие, которое может быть распространено на различные системы и понятия эффективности. Например, рассмотрим систему передвижения по городу и множество агентов, пытающихся перейти из некоторого исходного места в пункт назначения. Под эффективностью в данном случае будем понимать среднее время, за которое агент достигает пункта назначения. В «централизованном» решении центральный орган может указывать каждому агенту, какой путь выбрать, чтобы минимизировать среднее время в пути. В «децентрализованной» версии каждый агент выбирает свой собственный путь. Цена анархии измеряет соотношение между средним временем в пути в двух случаях.

Обычно система моделируется как игра а эффективность - это некоторая функция результатов (например, максимальная задержка в сети, перегрузка в транспортной системе, социальное обеспечение на аукционе, ...). Для моделирования эгоистичного поведения агентов можно использовать различные концепции равновесия, среди которых наиболее распространенным является равновесие по Нэшу. Различные вкусы равновесия по Нэшу приводят к вариациям понятия цены анархии как Чистая цена анархии (для детерминированных равновесий), Смешанная цена анархии (для рандомизированных состояний равновесия) и Байес-Нэш Цена анархии (для игр с неполной информацией). Концепции решения, отличные от равновесия по Нэшу, приводят к таким вариациям, как Цена погружения.^[2]

Термин Цена анархии впервые был использован Элиас Кутсупиас и Христос Пападимитриу,^[1] но идея измерения неэффективности равновесия старше.^[3] Концепция в ее нынешнем виде была разработана как аналог «отношения аппроксимации» в алгоритм аппроксимации или «конкурентоспособность» в онлайн алгоритм. Это в контексте современной тенденции анализа игр с использованием алгоритмических линз (алгоритмическая теория игр).

Математическое определение

Рассмотрим игру ${ Displaystyle G = (N, S, u)}$, определяемый набором игроков ${ displaystyle N}$, наборы стратегий ${ displaystyle S_ {i}}$ для каждого плеера и утилит ${ displaystyle u_ {i}: S rightarrow mathbb {R}}$ (куда ${ Displaystyle S = S_ {1} раз ... раз S_ {п}}$ также называется набором результатов). Мы можем определить меру эффективности каждого результата, которую мы называем функцией благосостояния. ${ displaystyle Welf: S rightarrow mathbb {R}}$. Естественные кандидаты включают сумму полезностей игроков (утилитарная цель) ${ Displaystyle Welf (s) = сумма _ {я in N} и_ {я} (s),}$ минимальная полезность (справедливость или эгалитарная цель) ${ Displaystyle Welf (s) = min _ {я in N} и_ {я} (s),}$ ... или любую функцию, которая имеет значение для конкретной анализируемой игры и желательно максимизировать.

Мы можем определить подмножество ${ displaystyle Equil substeq S}$ быть набором стратегий в равновесии (например, набор Равновесия Нэша). Затем цена анархии определяется как соотношение между «наихудшим равновесием» и оптимальным «централизованным» решением:

${ displaystyle PoA = { frac { min _ {s in S} Welf (s)} { min _ {s in Equil} Welf (s)}}}$

Если вместо «благосостояния», которое мы хотим «максимизировать», функция измерения эффективности является «функцией затрат». ${ displaystyle Стоимость: S rightarrow mathbb {R}}$ которые мы хотим «минимизировать» (например, задержку в сети), которую мы используем (следуя соглашению в алгоритмах аппроксимации):

${ displaystyle PoA = { frac { max _ {s in Equil} Cost (s)} { min _ {s in S} Cost (s)}}}$

Связанное с этим понятие - понятие Цена стабильности (PoS), который измеряет соотношение между «наилучшим равновесием» и оптимальным «централизованным» решением:

${ displaystyle PoS = { frac { max _ {s in S} Welf (s)} { max _ {s in Equil} Welf (s)}}}$

или в случае функций затрат:

${ displaystyle PoS = { frac { min _ {s in Equil} Cost (s)} { min _ {s in S} Cost (s)}}}$

Мы знаем это ${ displaystyle 1 leq PoS leq PoA}$ по определению. Ожидается, что потеря эффективности из-за ограничений теории игр находится где-то между PoS и PoA.

И PoS, и PoA были рассчитаны для различных типов игр. Некоторые примеры представлены ниже.

Дилемма заключенного

Рассмотрим игру 2x2 под названием Дилемма заключенного, задаваемый следующей матрицей затрат:

и пусть функция стоимости будет ${ displaystyle C (s_ {1}, s_ {2}) = u_ {1} (s_ {1}, s_ {2}) + u_ {2} (s_ {1}, s_ {2}).}$ Теперь минимальная стоимость будет, когда оба игрока будут сотрудничать, а итоговая стоимость будет равна ${ Displaystyle 1 + 1 = 2}$. Однако единственный равновесие по Нэшу возникает, когда оба дефекта, и в этом случае стоимость ${ displaystyle 5 + 5 = 10}$. Таким образом, PoA этой игры будет ${ displaystyle 10/2 = 5}$.

Поскольку в игре есть уникальное равновесие по Нэшу, PoS равно PoA, а также 5.

Планирование работы

Более естественный пример - это один из планирование работы. Есть ${ displaystyle N}$ игроков, и у каждого из них есть своя работа. Они могут выбрать один из ${ displaystyle M}$ машины для выполнения работы. Цена анархии сравнивает ситуацию, когда выбор машин осуществляется централизованно, с ситуацией, когда каждый игрок выбирает машину, которая будет выполнять свою работу быстрее всего.

У каждой машины есть скорость ${ displaystyle s_ {1}, ldots, s_ {M}> 0.}$ Каждая работа имеет вес ${ displaystyle w_ {1}, ldots, w_ {N}> 0.}$Игрок выбирает машину для выполнения своей работы. Итак, стратегии каждого игрока ${ displaystyle A_ {i} = {1,2, ldots, M }.}$ Определить нагрузка на машине ${ displaystyle j}$ быть:

${ displaystyle L_ {j} (a) = { frac { sum _ {i: a_ {i} = j} w_ {i}} {s_ {j}}}.}$

Стоимость для игрока ${ displaystyle i}$ является ${ Displaystyle c_ {я} (а) = L_ {а_ {я}} (а),}$ то есть загрузка машины, которую они выбрали. Мы рассматриваем эгалитарную функцию затрат ${ Displaystyle { mbox {MS}} (а) = max _ {j} L_ {j} (а)}$, здесь называется сковорода.

Мы рассматриваем две концепции равновесия: чистый Нэш и смешанный Нэш. Должно быть ясно, что смешанное PoA ≥ чистое PoA, потому что любое чистое равновесие по Нэшу также является смешанным равновесием по Нэшу (это неравенство может быть строгим: например, когда ${ Displaystyle N = 2}$, ${ displaystyle w_ {1} = w_ {2} = 1}$, ${ displaystyle M = 2}$, и ${ displaystyle s_ {1} = s_ {2} = 1}$, смешанные стратегии ${ Displaystyle sigma _ {1} = sigma _ {2} = (1 / 2,1 / 2)}$ достичь средней продолжительности выполнения 1,5, в то время как любая PoA чистой стратегии в этой настройке ${ displaystyle leq 4/3}$). Сначала нам нужно доказать, что существуют чистые равновесия по Нэшу.

Запрос. Для каждой игры с планированием заданий существует по крайней мере одно равновесие по Нэшу в чистой стратегии.

Доказательство. Мы хотим создать социально оптимальный профиль действий ${ displaystyle a ^ {*}}$. Это будет означать просто профиль действия с минимальным временем создания. Однако этого будет недостаточно. Таких профилей действия может быть несколько, что приводит к множеству различных распределений нагрузок (все имеют одинаковую максимальную нагрузку). Среди них мы также ограничимся тем, у которого минимальная вторая по величине нагрузка. Опять же, это приводит к набору возможных распределений нагрузки, и мы повторяем, пока ${ displaystyle M}$th-самая большая (то есть самая маленькая) нагрузка, где может быть только одно распределение нагрузок (уникальное до перестановки). Это также будет называться лексикографический наименьший отсортированный вектор нагрузки.

Мы утверждаем, что это равновесие по Нэшу в чистой стратегии. Рассуждая от противного, предположим, что какой-то игрок ${ displaystyle i}$ можно значительно улучшить, перейдя с машины ${ displaystyle j}$ машина ${ displaystyle k}$. Это означает, что повышенная нагрузка на машину ${ displaystyle k}$ после переезда все еще меньше, чем нагрузка на машину ${ displaystyle j}$ перед переездом. Как нагрузка на машину ${ displaystyle j}$ должен уменьшиться в результате перемещения, и никакая другая машина не будет затронута, это означает, что новая конфигурация гарантированно уменьшит ${ displaystyle j}$th-самая большая (или более высокая) нагрузка в раздаче. Однако это нарушает предполагаемую лексикографическую минимальность ${ displaystyle a}$. Q.E.D.

Запрос. Для каждой игры с планированием заданий чистый PoA составляет не более ${ displaystyle M}$.

Доказательство. Легко оценить сверху благосостояние, получаемое при любом равновесии по Нэшу со смешанной стратегией. ${ displaystyle sigma}$ к

${ displaystyle w ( sigma) leq { frac { sum _ {i} {w_ {i}}} { max _ {j} {s_ {j}}}}.}$

Рассмотрим для ясности изложения любой профиль действия, основанный на чистой стратегии. ${ displaystyle a}$: четко

${ displaystyle w (a) geq { frac { sum _ {i} {w_ {i}}} { sum _ {j} {s_ {j}}}} geq { frac { sum _ {i} {w_ {i}}} {M cdot max _ {j} {s_ {j}}}}.}$

Поскольку вышесказанное справедливо и для социального оптимума, сравнение соотношений ${ Displaystyle ш ( сигма)}$ и ${ Displaystyle ш (а)}$ доказывает иск. Q.E.D

Эгоистичный маршрут

Парадокс Браесса

Рассмотрим дорожную сеть, в которой фиксированное количество водителей должно переехать из общего источника в общий пункт назначения; Предположим, что каждый водитель выбирает свой маршрут эгоистично, и что время на пересечение дороги линейно зависит от количества водителей, выбравших эту дорогу.

Мы можем формализовать эту настройку как задачу маршрутизации в ориентированном связном графе. ${ Displaystyle G = (V, E)}$, в котором мы хотим отправить одну единицу потока из исходного узла ${ displaystyle s in V}$ к узлу назначения ${ displaystyle t in V}$ (представьте, что поток состоит из решений о поездках разных водителей). В частности, пусть поток является функцией ${ displaystyle f: E mapsto Re}$ присваивая каждому ребру неотрицательное действительное число, и рассмотрим набор линейных функций ${ displaystyle L = {l_ {e} (f_ {e}) = a cdot f_ {e} + b ; | ; e in E, ; a geq 0, ; b geq 0 }}$ которые сопоставляют поток, пересекающий каждый край, с задержкой для прохождения края. Давайте также определим социальное благополучие потока ${ displaystyle f}$ так как ${ Displaystyle ш (е) = сумма _ {е} {е_ {е} cdot l_ {е} (е_ {е})}}$

Рассмотрим пример на рисунке: если пунктирная дорога недоступна, равновесие по Нэшу смешанной стратегии происходит, когда каждый игрок выбирает верхний и нижний маршруты с одинаковой вероятностью: это равновесие имеет социальные издержки 1,5, и каждому водителю требуется 1,5 единицы времени, чтобы перейти от ${ displaystyle s}$ к ${ displaystyle t}$. В надежде улучшить производительность сети, законодатель мог бы решить сделать пунктирную границу с низкой задержкой доступной для водителей: в этом случае единственное равновесие по Нэшу произойдет, когда каждый водитель будет использовать новую дорогу, поэтому социальные издержки увеличится до 2, и теперь каждому игроку потребуется 2 единицы времени, чтобы перейти от ${ displaystyle s}$ к ${ displaystyle t}$.

Следовательно, необычный результат отказа централизованного управления доступом к самой быстрой дороге в некоторых случаях приносит пользу населению.

Обобщенная проблема маршрутизации

Проблема маршрутизации, представленная в парадоксе Браесса, может быть обобщена на множество различных потоков, пересекающих один и тот же граф в одно и то же время.

Определение (обобщенный поток). Позволять ${ Displaystyle G = (V, E)}$, ${ displaystyle L}$ и ${ displaystyle w}$ быть таким, как определено выше, и предположим, что мы хотим направить количество ${ Displaystyle R = {r_ {1}, r_ {2}, точки, r_ {k}, ; | ; r_ {i}> 0 }}$ через каждую отдельную пару узлов в ${ Displaystyle Gamma = {(s_ {1}, t_ {1}), (s_ {2}, t_ {2}), dots, (s_ {k}, t_ {k}) } substeq (V раз V)}$.A поток ${ displaystyle f _ { Gamma, R}}$ определяется как задание ${ Displaystyle п mapsto Re}$ действительного неотрицательного числа к каждому дорожка ${ displaystyle p}$ идущий от ${ displaystyle s_ {i}}$ к ${ displaystyle t_ {i}}$ ${ displaystyle in Gamma}$, с ограничением, что

${ displaystyle sum _ {p: , s_ {i} rightarrow t_ {i}} {f_ {p}} = r_ {i} ; ; forall (s_ {i}, t_ {i}) in Gamma.}$

Поток, пересекающий определенный край ${ displaystyle G}$ определяется как

${ displaystyle f_ {e, Gamma, R} = sum _ {p: , e in p} {f_ {p}}.}$

Для краткости запишем ${ displaystyle f_ {e}}$ когда ${ displaystyle Gamma, R}$ ясны из контекста.

Определение (поток равновесия по Нэшу). Поток ${ displaystyle f _ { Gamma, R}}$ это Поток равновесия по Нэшу если только ${ displaystyle forall (s_ {i}, t_ {i}) in Gamma}$ и ${ displaystyle forall p, q}$ из ${ displaystyle s_ {i}}$ к ${ displaystyle t_ {i}}$

${ displaystyle f_ {p}> 0 Rightarrow sum _ {e in p} {l_ {e} (f_ {e})} leq sum _ {e in q} {l_ {e} (f_ {e})}.}$

Это определение тесно связано с тем, что мы говорили о поддержке равновесий по Нэшу в смешанных стратегиях в играх нормальной формы.

Определение (Условное благополучие потока). Позволять ${ displaystyle f _ { Gamma, R}}$ и ${ displaystyle f _ { Gamma, R} ^ {*}}$ быть двумя потоками в ${ displaystyle G}$ связанные с теми же наборами ${ displaystyle Gamma}$ и ${ displaystyle R}$. В дальнейшем мы будем опускать индекс, чтобы обозначения были понятнее. Предположим, чтобы исправить задержки, вызванные ${ displaystyle f}$ на графике: условное благосостояние из ${ displaystyle f ^ {*}}$ относительно ${ displaystyle f}$ определяется как

${ displaystyle w ^ {f} (f ^ {*}) = sum _ {e in E} {f_ {e} ^ {*} cdot l_ {e} (f_ {e})}}$

Факт 1. Учитывая равновесный по Нэшу поток ${ displaystyle f}$ и любой другой поток ${ displaystyle f ^ {*}}$, ${ Displaystyle ш (е) = ш ^ {е} (е) Leq ш ^ {е} (е ^ {*})}$.

Доказательство (от противного). Предположить, что ${ Displaystyle ш ^ {е} (е ^ {*}) <ш ^ {е} (е)}$. По определению,

${ displaystyle sum _ {я = 1} ^ {k} sum _ {p: s_ {i} rightarrow t_ {i}} f_ {p} ^ {*} cdot sum _ {e in p } l_ {e} (f_ {e}) < sum _ {i = 1} ^ {k} sum _ {p: s_ {i} rightarrow t_ {i}} f_ {p} cdot sum _ {e in p} l_ {e} (f_ {e})}$.

С ${ displaystyle f}$ и ${ displaystyle f ^ {*}}$ связаны с одними и теми же наборами ${ displaystyle Gamma, R}$, мы знаем это

${ displaystyle sum _ {p: s_ {i} rightarrow t_ {i}} f_ {p} = sum _ {p: s_ {i} rightarrow t_ {i}} f_ {p} ^ {*} = r_ {i} ; ; forall i.}$

Следовательно, должна быть пара ${ displaystyle (s_ {i}, t_ {i})}$ и два пути ${ displaystyle p, q}$ из ${ displaystyle s_ {i}}$ к ${ displaystyle t_ {i}}$ такой, что ${ displaystyle f_ {p} ^ {*}> f_ {p}}$, ${ displaystyle f_ {q} ^ {*}$, и

${ displaystyle sum _ {е in p} l_ {e} (f_ {e}) < sum _ {e in q} l_ {e} (f_ {e}).}$

Другими словами, поток ${ displaystyle f ^ {*}}$ может достичь более низкого благосостояния, чем ${ displaystyle f}$ только если есть два пути из ${ displaystyle s_ {i}}$ к ${ displaystyle t_ {i}}$ имея разные затраты, и если ${ displaystyle f ^ {*}}$ перенаправляет поток ${ displaystyle f}$ от дорогостоящего пути к более дешевому. Эта ситуация явно несовместима с предположением, что ${ displaystyle f}$ является равновесным по Нэшу потоком. Q.E.D.

Обратите внимание, что Факт 1 не предполагает какой-либо конкретной структуры на множестве ${ displaystyle L}$.

Факт 2. Учитывая любые два действительных числа ${ displaystyle x}$ и ${ displaystyle y}$, ${ Displaystyle х cdot y leq x ^ {2} + y ^ {2} / 4}$.

Доказательство. Это еще один способ выразить истинное неравенство ${ Displaystyle (х-у / 2) ^ {2} geq 0}$. Q.E.D.

Теорема. Чистый PoA любой обобщенной проблемы маршрутизации ${ Displaystyle (G, L)}$ с линейными задержками ${ displaystyle leq 4/3}$.

Доказательство. Обратите внимание, что эта теорема эквивалентна утверждению, что для каждого равновесного по Нэшу потока ${ displaystyle f}$, ${ Displaystyle ш (е) Leq (4/3) cdot мин _ {е ^ {*}} {ш (е ^ {*}) }}$, куда ${ displaystyle f ^ {*}}$ любой другой поток. По определению,

${ displaystyle w ^ {f} (f ^ {*}) = sum _ {e in E} f_ {e} ^ {*} (a_ {e} cdot f_ {e} + b_ {e}) }$

${ displaystyle = sum _ {e} (a_ {e} f_ {e} f_ {e} ^ {*}) + sum _ {e in E} f_ {e} ^ {*} b_ {e} .}$

Используя факт 2, мы получаем, что

${ displaystyle w ^ {f} (f ^ {*}) leq sum _ {e in E} left (a_ {e} cdot left ((f_ {e} ^ {*}) ^ { 2} + (f_ {e}) ^ {2} / 4 right) right) + sum _ {e in E} f_ {e} ^ {*} cdot b_ {e}}$

${ displaystyle = left ( sum _ {е in E} a_ {e} (f_ {e} ^ {*}) ^ {2} + f_ {e} ^ {*} b_ {e} right) + sum _ {e in E} a_ {e} (f_ {e}) ^ {2} / 4}$

${ Displaystyle Leq вес (е ^ {*}) + { гидроразрыва {ш (е)} {4}},}$

поскольку

${ displaystyle (1/4) cdot w (f) = (1/4) cdot sum _ {e in E} f_ {e} (a_ {e} f_ {e} + b_ {e}) }$

${ displaystyle = (1/4) cdot sum _ {e in E} (f_ {e}) ^ {2} + underbrace {(1/4) cdot sum _ {e in E} f_ {e} b_ {e}} _ { geq 0}.}$

Можно сделать вывод, что ${ Displaystyle ш ^ {е} (е ^ {*}) leq ш (е ^ {*}) + ш (е) / 4}$, и докажите тезис, используя Факт 1. Q.E.D.

Отметим, что в доказательстве мы широко использовали предположение, что функции из ${ displaystyle L}$ линейны. На самом деле имеет место более общий факт.

Теорема. Учитывая обобщенную задачу маршрутизации с графом ${ displaystyle G}$ и полиномиальные функции задержки степени ${ displaystyle d}$ с неотрицательными коэффициентами чистая PoA ${ displaystyle leq d + 1}$.

Обратите внимание, что PoA может расти с ${ displaystyle d}$. Рассмотрим пример, показанный на следующем рисунке, где мы предполагаем единичный поток: потоки равновесия по Нэшу имеют общественное благосостояние 1; однако наилучшее благополучие достигается, когда ${ displaystyle x = 1-1 / { sqrt {d + 1}}}$, в таком случае

${ displaystyle w = left (1 - { frac {1} { sqrt {d + 1}}} right) ^ {d} cdot left (1 - { frac {1} { sqrt { d + 1}}} right) +1 cdot { frac {1} { sqrt {d + 1}}}}$

${ displaystyle = left ( left (1 - { frac {1} { sqrt {d + 1}}} right) ^ { sqrt {d + 1}} right) ^ { sqrt {d +1}} + { frac {1} { sqrt {d + 1}}}}$

${ displaystyle leq e ^ {- { sqrt {d + 1}}} + { frac {1} { sqrt {d + 1}}}.}$

Эта величина стремится к нулю, когда ${ displaystyle d}$ стремится к бесконечности.

Смотрите также

• Трагедия общественного достояния
• Соревновательная игра по поиску объектов - игра с небольшой ценой анархии.
• Цена анархии на аукционах

Рекомендации

• Тим Рафгарден и Ева Тардос, «Введение в неэффективность равновесий». Глава 17 в Вазирани, Виджай В.; Нисан, Ноам; Roughgarden, Тим; Тардос, Ива (2007). Алгоритмическая теория игр (PDF). Кембридж, Великобритания: Издательство Кембриджского университета. ISBN 0-521-87282-0..
• Тим Рафгарден (2005). Эгоистичный путь и цена анархии. MIT Press. ISBN 0-262-18243-2.CS1 maint: использует параметр авторов (ссылка на сайт)

дальнейшее чтение

• Фабио Куниал, Цена анархии