Complexity of Shift Bribery in Committee Elections
TU Berlin(柏林工业大学);AGH University of Science and Technology(AGH科技大学);Ben-Gurion University(本-古里安大学)
给定一场选举,一个偏好的候选人p和一个预算,贿赂问题询问在某些选民的偏好顺序中将p移高后p是否能赢得选举。当然,改变是有代价的(取决于选民和改变的程度),而且不能超过给定的预算。我们研究的(参数化)计算复杂性的S HIFT贿赂多赢家投票规则,赢得选举意味着一些获胜的委员会的一部分。我们专注于完善的SNTV,Bloc,k-Borda和Chamberlin-Courant规则,以及Chamberlin-Courant规则的近似变体,因为原始规则是NP难计算的。我们表明,贿赂往往是更难在多赢家设置比在单赢家之一,显示设置贿赂是很容易在单赢家的情况下,但很难(和难以近似)在多赢家的。此外,我们表明,这些规则的非单调性,这是基于近似算法的Chamberlin-Courant规则有时会影响复杂性的贿赂。
2018-09-24 cs.AI cs.GT
Is Computational Complexity a Barrier to Manipulation?
NICTA(澳大利亚国家信息与通信技术研究院);University of NSW(新南威尔士大学)
当代理人一起行动时,他们可能需要一个简单的机制来决定联合行动。一种可能性是让智能体以投票的形式表达他们的偏好,并使用投票规则来决定获胜的动作。不幸的是,代理人可能试图通过误报他们的偏好来操纵这样的选举。幸运的是,已经证明了如何操纵许多不同的投票规则是NP难的。然而,NP-困难仅限制了最坏情况的复杂性。最近的理论结果表明,操纵在实践中往往是容易的。为了解决这个问题,我建议从经验上研究计算复杂性在实践中是否是操纵的障碍。在我的调查中使用的基本工具是计算“相变”的识别。这种方法在识别命题可满足性和其他NP难问题的困难实例方面卓有成效。我表明,相变行为使洞察操纵投票规则的硬度,越来越多的关注,计算复杂性确实是任何形式的障碍。最后,我看看其他相关问题的计算操作问题,如稳定婚姻和锦标赛问题。
2010-07-05 cs.AI cs.CC cs.GT
Complexity of Terminating Preference Elicitation
NICTA(国家信息与通信技术研究院);UNSW(新南威尔士大学)
复杂性理论是一个有用的工具来研究计算问题的诱导偏好,以及战略操纵的选举聚集在一起的多个代理人的偏好。我们在这里研究的复杂性,确定何时可以终止引发偏好,并证明了复杂性取决于引发策略。例如,我们表明,从计算的角度来看,一次从一个代理中引出所有偏好可能比从多个代理中引出个人偏好更好。我们还研究了选举的战略操纵和偏好诱导之间的联系。我们表明,我们可以操纵影响操纵的计算复杂性。特别是,我们证明,有投票规则,这是很容易操纵,如果我们可以改变所有的代理人的投票,但计算棘手,如果我们只能改变他们的一些喜好。这表明,与偏好诱导一样,对操纵的细粒度看法可能是有益的。最后,我们研究了预测选举获胜者和偏好诱导之间的联系。基于这种联系,我们确定了一个投票规则,它是计算上很难决定的概率候选人获胜的概率分布在选票上。
2009-03-06 cs.AI cs.CC cs.MA
Learning to Manipulate under Limited Information
University of California, Berkeley(加利福尼亚大学伯克利分校);University of Maryland(马里兰大学)
该研究通过训练不同规模神经网络在有限信息下尝试操纵投票,衡量8种投票方法的抗操纵性,发现孔多塞类方法整体抗操纵性最强,为投票方法选择提供新依据。
2025-02-22 cs.AI cs.GT cs.LG
Eliminating the Weakest Link: Making Manipulation Intractable?
University of Toronto(多伦多大学);NICTA(国家信息与通信技术研究院);UNSW(新南威尔士大学)
候选者的连续消除通常是使操作难以计算的一种途径。我们证明,消除候选人并不一定增加操作的计算复杂性。然而,对于实际中使用的许多投票规则,计算复杂性增加。例如,已经知道计算单个投票人如何操纵单一可转移投票(多数投票的消除版本)的结果是NP难的。我们在这里表明,这是NP-难计算如何一个单一的选民可以操纵的结果的消除版本的否决权投票,密切相关的库姆斯规则,和消除版本的一般类的评分规则。
2012-04-17 cs.AI cs.CC cs.GT
An Empirical Study of the Manipulability of Single Transferable Voting
NICTA(国家信息与通信技术研究院);UNSW(新南威尔士大学)
投票是一种将多个代理人的偏好组合在一起的简单机制。代理人可能试图通过误报他们的偏好来操纵投票结果。这种操作可能存在的一个障碍是计算复杂性。特别是,它已被证明是NP-难计算如何操纵一些不同的投票规则。然而,NP-困难仅限制了最坏情况的复杂性。最近的理论结果表明,操纵在实践中往往是容易的。在本文中,我们实证研究单一可转移投票(STV)的可操纵性,以确定是否计算复杂性是真正的操纵障碍。STV是最早被证明是NP难的投票规则之一。这似乎也是最难操纵的投票规则之一。我们抽样了一些分布的选票,包括统一和真实世界的选举。在我们的实验中,几乎每一次选举都很容易计算出单个代理人如何操纵选举,或者证明单个代理人的操纵是不可能的。
2010-05-28 cs.AI cs.GT cs.MA
Where are the really hard manipulation problems? The phase transition in manipulating the veto rule
NICTA(国家信息与通信技术研究院);UNSW(新南威尔士大学)
投票是一种简单的机制,可以聚合代理人的偏好。许多投票规则被证明是NP难操纵的。然而,最近的一些理论结果表明,这种复杂性可能只是在最坏的情况下,因为操纵往往是很容易在实践中。在本文中,我们表明,实证研究是有用的,在提高我们对这个问题的理解。我们证明,有一个平稳过渡的概率,联盟可以选出一个所需的候选人使用否决权规则的规模的操纵联盟的增加。我们表明,重新标度的概率曲线显示一个简单的和普遍的形式独立的问题的大小。我们认为,操纵的否决权规则是渐近容易许多独立和同分布的选票,即使在联盟的操纵者是关键的大小。基于这一论点,我们确定了一种情况下,操纵是计算困难的。这是当选票高度相关,选举是“挂”。然而,我们表明,即使是一个不相关的选民也足以使操纵再次变得容易。
2009-05-22 cs.AI cs.CC
Manipulation is Harder with Incomplete Votes
Indian Institute of Science(印度科学学院)
联盟操纵(CM)问题已经在许多投票规则的文献中得到了广泛的研究。然而,CM问题,只研究了在完全信息设置,也就是说,当操纵者知道非操纵者的投票。更现实的场景是不完全信息设置,其中操纵者不知道非操纵者的确切投票,但可能具有投票的一些部分知识。在本文中,我们研究了一个设置中的操纵者知道一个偏序为每个选民,这是一致的,该选民的投票。在此背景下,我们引入并研究了两个自然的计算问题:(1)弱操纵(Weak Manipulation,WM)问题,其中操纵者希望以一种方式进行投票,使得他们的首选候选人在非操纵者的部分投票的至少一个扩展中获胜;(2)强操纵(SM)操纵者希望投票的方式,使他们的首选候选人赢得所有可能的扩展的非操纵者的部分选票的问题。我们研究了WM和SM问题的计算复杂性,适用于常用的投票规则,例如多元化、否决权、k-批准、k-否决、最大化、Copeland和Bucklin。我们的主要发现是,除了少数例外,操纵成为一个显着更难的问题,在设置不完整的选票。
2015-04-30 cs.AI cs.MA
Local Distance Constrained Bribery in Voting
Indian Institute of Technology, Kharagpur(印度理工学院卡拉格普尔分校)
研究各种贿赂问题的复杂性一直是计算社会选择领域的主要研究热点之一。在迄今为止研究的所有贿赂模式中,贿赂者必须根据贿赂者希望选民报告的内容向每个选民支付一定数量的钱,并且贿赂者有一些预算可供支配。尽管这些模型成功地捕捉了许多现实世界的应用,但在许多其他场景中,选民可能不愿意偏离他们的真实偏好太多。在本文中,我们研究的计算复杂性的问题,找到一个偏好配置文件,这是尽可能接近真实的偏好配置文件,仍然达到行贿者的目标受到预算约束。我们称之为最优贿赂问题。我们考虑三个重要的措施的距离,即,交换距离,foottrule距离,最大位移距离,并解决了许多常见的投票规则的最优贿赂问题的复杂性。我们发现,这个问题是多项式时间可解的复数和否决投票规则的所有三个措施的距离。另一方面,我们证明了该问题是NP-完全的一类评分规则,其中包括Borda投票规则,极大极小,Copeland $^α$任何$α\in[0,1]$,和Bucklin投票规则,用于所有三种距离测量,即使当每个投票者允许的距离对于交换和最大位移距离是$1$,并且对于脚轨距离是$2$,即使没有预算约束(这相当于拥有无限的预算)。对于$k$批准投票规则的任何常数$k>1$和简化的Bucklin投票规则,我们表明,即使当允许的距离是$2$和foottrule距离,即使当允许的距离是$4$,即使没有预算约束的问题是NP完全的交换距离。
2020-12-11 cs.AI cs.DS cs.GT
The Complexity of Manipulation of k-Coalitional Games on Graphs
Bar Ilan University(巴伊兰大学);Ariel University(阿里埃尔大学)
该研究针对图上k-联盟博弈中智能体谎报友谊关系的操纵问题,分析了普通操纵与新型社会感知操纵的求解复杂性,并通过仿真验证了社会感知操纵的发生频率及算法运行时间。
2024-08-14 cs.AI cs.GT
Complexity Results for Manipulation, Bribery and Control of the Kemeny Procedure in Judgment Aggregation
Technische Universität Wien(维也纳工业大学)
我们研究了在判断聚合的情况下,Kemeny过程的几种策略行为场景的计算复杂性。特别是,我们调查(1)操纵,其中个人旨在通过报告不真诚的个人意见来实现更好的集团结果,(2)贿赂,其中外部代理旨在通过贿赂多个人来实现某些属性的结果,以及(3)控制(通过添加或删除问题),其中外部代理旨在通过影响判断聚合情况中的问题集来实现具有某些属性的结果。我们表明,确定这些类型的战略行为是否是可能的(如果是这样,计算成功的战略行为的政策)是完整的多项式层次结构的第二层。也就是说,我们证明了这些问题是$Σ^p_2$ -完全的。
2016-08-08 cs.AI cs.CC
Where are the hard manipulation problems?
NICTA(澳大利亚国家信息与通信技术研究院)
一个可能的逃避Gibbard-Satterthwaite定理是计算复杂性。例如,如果STV规则可以被操纵,则计算是NP难的。然而,越来越多的人担心,这样的结果可能无法反映实际操作的难度。在本教程中,我调查了这一领域的最新成果。
2010-07-29 cs.AI cs.CC cs.GT
OWMM-Agent: Open World Mobile Manipulation With Multi-modal Agentic Data Synthesis
Shanghai AI Laboratory(上海人工智能实验室);School of Computing, National University of Singapore(新加坡国立大学计算机学院);Shanghai Jiaotong University(上海交通大学);Tsinghua University(清华大学)
针对开放世界移动操作任务,提出多模态智能体架构与数据合成流程,微调OWMM-VLM实现全局理解、状态跟踪和动作生成,达到SOTA性能并具零样本泛化能力。
2025-06-21 cs.AI cs.RO
Knot So Simple: A Minimalistic Environment for Spatial Reasoning
Cornell University(康奈尔大学)
KnotGym是一种用于空间推理的极简交互环境,通过不同复杂度的绳子操作任务测试感知、推理与操作整合的挑战。
2026-01-18 cs.AI cs.CV cs.LG
Curriculum Learning with Hindsight Experience Replay for Sequential Object Manipulation Tasks
Ben-Gurion University of the Negev(内盖夫本-古里安大学)
从头开始学习复杂的任务是具有挑战性的,对于人类和人工智能来说往往是不可能的。可以使用课程,它将复杂任务(目标任务)分解为一系列源任务(课程)。每个源任务都是下一个源任务的简化版本,其复杂性不断增加。然后,通过在每个源任务上进行训练,同时使用来自课程的先前源任务的知识,逐渐进行学习。在这项研究中,我们提出了一个新的算法,结合课程学习与后见之明经验重放(HER),学习顺序对象操作任务的多个目标和稀疏反馈。该算法利用了许多对象操作任务中固有的递归结构,并在原始模拟中实现了整个学习过程,而无需针对每个源任务进行调整。我们已经在三个具有挑战性的投掷任务上测试了我们的算法,与vanilla-HER相比,我们的算法有了很大的改进。
2020-08-21 cs.AI cs.LG cs.NE