Spieltheorie
Spieltheorie
Spieltheorie
Erfolgreiche ePaper selbst erstellen
Machen Sie aus Ihren PDF Publikationen ein blätterbares Flipbook mit unserer einzigartigen Google optimierten e-Paper Software.
6 Mechanismusdesign<br />
Eingabe: Gebote (Si ∗, v∗ i ) für i = 1, . . . , n<br />
Ausgabe: W ⊆ {1, . . .,n} mit Si ∗ ∩ S∗ j = ∅ für i, j ∈ W, i ≠ j, so dass ∑ i∈W v∗ i maximal.<br />
Wir wollen zeigen, dass APSMB NP-vollständig ist. Da das APSMB ein Optimierungsproblem<br />
ist, müssen wir für den Beweis das entsprechende Entscheidungsproblem betrachten.<br />
Definition 105 (Allokationsproblem für single-minded bidders (Entscheidungsproblem)).<br />
Die Entscheidungsproblemvariante von APSMB (APSMB-D) ist definiert durch folgende<br />
Ein- und Ausgaben.<br />
Eingabe: Gebote (Si ∗, v∗ i ) für i = 1, . . . , n und k ∈ N<br />
Ausgabe:<br />
∑<br />
Existiert ein W ⊆ {1, . . .,n} mit Si ∗ ∩ S∗ j<br />
i∈W v∗ i ≥ k?<br />
Satz 28. APSMB-D ist NP-vollständig.<br />
= ∅ für i, j ∈ W, i ≠ j, so dass<br />
Beweis. Reduktion von Independent-Set. Als Independent-Set-Instanz sei ein ungerichteter<br />
Graph (V, E) und ein k IS ∈ N gegeben. Gefragt ist also, ob (V, E) eine unabhängige<br />
Menge der Größe k IS enthält. In der entsprechenden APSMB-D-Instanz ist dann k = k IS ,<br />
die Menge der Güter G = E, die Menge der Bieter N = V , und für jeden Bieter i ∈ V<br />
haben wir das Gebot (Si ∗, v∗ i ) mit S∗ i = {e ∈ E | i ∈ e} und vi ∗ = 1. Die Knoten bieten<br />
also um ihre inzidenten Kanten. Wegen Si ∗ ∩ S∗ j = ∅ für i, j ∈ W, i ≠ j, repräsentiert die<br />
Menge der Gewinner W eine unabhängige Menge der Mächtigkeit |W | = ∑ i∈W v∗ i . Also<br />
existiert eine unabhängige Menge der Kardinalität mindestens k IS genau dann, wenn es eine<br />
Menge W von Gewinnern mit ∑ i∈W v∗ i ≥ k gibt. Damit ist die NP-Schwere gezeigt. Dass<br />
APSMB-D ∈ NP, ist klar (Gewinner raten und verifizieren).<br />
Wir sind also zur Lösung des Allokationsproblems auf Approximationsalgorithmen oder<br />
heuristische Ansätze angewiesen. Im folgenden Teilabschnitt wollen wir uns mit einem Approximationsalgorithmus<br />
für das Allokationsproblem beschäftigen.<br />
Approximationsalgorithmen<br />
Zunächst wollen wir die Güte einer Approximation definieren.<br />
Definition 106 (Approximationsgüte). Sei c ≥ 1. Eine Allokation (S 1 , . . .,S n ) ist eine c-<br />
Approximation der optimalen Allokation, falls für eine optimale Allokation (T 1 , . . .,T n )<br />
gilt, dass ∑ n<br />
i=1 v i(T i ) ≤ c · ∑n<br />
i=1 v i(S i ).<br />
Satz 29. APSMB innerhalb eines Faktors c ≤ m 1 /2−ε zu approximieren ist NP-schwer.<br />
Das Beste, worauf wir im Spezialfall von single-minded bidders noch hoffen können, ist also<br />
ein anreizkompatibler m 1 /2<br />
-Approximationsalgorithmus mit polynomieller Laufzeit. Einen<br />
solchen wollen wir im folgenden vorstellen.<br />
Definition 107 (Mechanismus für single-minded bidders). Sei V sm die Menge aller singleminded<br />
bids und A die Menge aller Allokationen. Ein Mechanismus für single-minded<br />
bidders ist ein Tupel (f, p 1 , . . .,p n ), bestehend aus einer sozialen Entscheidungsfunktion<br />
f : Vsm n → A und Bezahlfunktionen p i : Vsm n → R für alle i = 1, . . .,n.<br />
55