arXiv 1111.36902011-11-15cs.AI

欢迎新的候选人！关于增加新候选人的可能获胜者

New Candidates Welcome! Possible Winners with respect to the Addition of New Candidates

LIPN；Univ. Paris 13（巴黎第十三大学）；LAMSADE；Univ. Paris-Dauphine（巴黎多芬纳大学）；LIP6；Univ. Pierre et Marie Curie（皮埃尔与玛丽·居里大学）；SEAS；Harvard University（哈佛大学）

Yann Chevaleyre, Jérôme Lang, Nicolas Maudet, Jérôme Monnot, Lirong Xia

备注：: 34 pages
发表信息：: Mathematical Social Sciences 64(1), 2012

阅读 PDF ↗

arXiv 页面 ↗HTML 原文 ↗

摘要英文摘要相关论文

摘要：

在投票过程中，可能会出现一些新的候选人。在这种情况下，我们可能希望确定哪些初始候选者是可能的获胜者，假定将添加固定数量的新候选者$k$。我们给这个问题的计算研究，侧重于评分规则，我们提供了一个正式的比较与相关的问题，如通过添加候选人或克隆控制。

英文摘要：

In voting contexts, some new candidates may show up in the course of the process. In this case, we may want to determine which of the initial candidates are possible winners, given that a fixed number $k$ of new candidates will be added. We give a computational study of this problem, focusing on scoring rules, and we provide a formal comparison with related problems such as control via adding candidates or cloning.

机构、总结、中文摘要均由AI分析而来，可能存在错误，请以论文正文为准。

阅读原文

阅读 PDF ↗

arXiv 页面 ↗HTML 原文 ↗

本文内容

摘要英文摘要相关论文

机构、总结、中文摘要均由AI分析而来，可能存在错误，请以论文正文为准。

继续探索

相关论文

基于选区的选举中查询高效的获胜者预测

Query-efficient winner prediction in district-based elections

Indian Institute of Technology Kharagpur（印度理工学院卡拉格普尔分校）；Indian Institute of Science（印度科学学院）；University of Sheffield（谢菲尔德大学）

针对基于选区的选举，提出一种自适应随机算法，以约 O~(1/eps^2 log m/del log 1/del) 次查询预测获胜者，改进现有结果并接近理论下界。

2026-10-02cs.AIcs.DS

从投票流中钓出获胜者

Fishing out Winners from Vote Streams

Indian Institute of Science（印度科学学院）

我们从计算社会选择理论的数据流模型中的赢家决定的问题。具体来说，我们认为总结任意顺序的流$n$投票$m$候选人到一个小空间数据结构，以便能够获得流行的投票规则确定的赢家的任务。正如我们所展示的，找到确切的获胜者需要存储基本上所有的选票。因此，我们关注的问题是找到一个{ \em $\eps$ -winner}，一个候选人谁可以赢得最多$\eps$分数的选票变化。我们展示了非平凡的上界和下界的空间复杂度的$\eps$ -赢家确定几个投票规则，包括$k$ -批准，$k$ -否决，评分规则，批准，最大，Bucklin，Copeland，和运行的多。

2015-09-07cs.AIcs.CCcs.DM

选举中缺席选票的获胜者判定

Determining Winners in Elections with Absent Votes

Rensselaer Polytechnic Institute（伦斯勒理工学院）；Rutgers University（罗格斯大学）

研究选票缺席时判定候选人能否获胜的WAV问题，证明其在多种投票规则下为NP完全，并给出可多项式求解的特例。

2023-10-11cs.AIcs.GT

多赢家批准投票中的启发式算法

Heuristics in Multi-Winner Approval Voting

Tulane University（杜兰大学）；IHMC

在许多现实世界中，集体决策是通过投票做出的。此外，委员会或董事会选举等场景需要返回多个获胜者的投票规则。在多赢家批准投票（AV）中，代理人可以投票给他们想要的候选人。获胜者是通过计算选票和选择获得最多选票的前$k$候选人来选出的。代理人可能会操纵投票，通过以不反映其真实偏好的方式投票来实现更好的结果。在复杂和不确定的情况下，代理人可以使用策略来制定策略，而不是承担计算最有利于他们的操纵所需的额外工作。在本文中，我们研究了投票行为在多个赢家批准投票的情况下，完全信息。我们发现，人们通常操纵他们的投票，以获得更好的结果，但往往不确定的最佳操纵。相反，选民倾向于优先考虑效用最高的候选人。使用模拟，我们证明了这些代理人只能获得部分信息的情况下，这些prostistics的有效性。

2019-05-30cs.AIcs.GTcs.MA

社会调查中可能与必要的赢家问题

Possible and Necessary Winner Problem in Social Polls

NICTA（国家信息与通信技术研究院）；The University of New South Wales（新南威尔士大学）；University of Southampton（南安普顿大学）

社交网络越来越多地被用来进行民意调查。我们介绍一个简单的模型，这样的社会调查。我们假设代理人按顺序投票，但代理人选择投票的顺序不一定是固定的。我们还假设代理人的投票受到已经投票的朋友的投票的影响。尽管它的简单性，这个模型提供了有用的见解，包括社会民意调查，顺序投票和操纵的一些领域。我们证明了候选人的数量和网络结构影响计算的计算复杂性的候选人必然或可能会赢得这样的社会调查。对于具有有限树宽和有限候选数量的社交网络，我们为这两个问题提供了多项式算法。在其他情况下，我们证明，计算哪些候选人必然或可能赢得计算上是棘手的。

2013-02-07cs.AIcs.DScs.GT

用最小支持解释竞赛解

Explaining Tournament Solutions with Minimal Supports

本文研究了如何通过最小支持来解释竞赛解，提出了多项式时间算法计算各竞赛规则下的最小支持，并展示了其在生成认证解释中的应用。

2026-01-21cs.AI

更多相关论文收起更多论文

多赢家批准投票中的选民模型

Modeling Voters in Multi-Winner Approval Voting

Tulane University（杜兰大学）；Louisiana State University（路易斯安那州立大学）；University of West Florida（西佛罗里达大学）；Institute for Human and Machine Cognition（人机认知研究所）

在许多现实世界的情况下，集体决策是通过投票做出的，在委员会或董事会选举等情况下，采用返回多个获胜者的投票规则。在多获胜者批准投票（AV）中，代理人提交一张选票，其中包括对任意多个候选人的批准，通过清点选票并选择获得最多批准的前$k$候选人来选择获胜者。在许多情况下，代理人可能会操纵他们提交的选票，以便通过以不反映其真实偏好的方式投票来实现更好的结果。在复杂和不确定的情况下，代理人可能会使用人工智能，而不是招致额外的努力，计算最有利于他们的操纵。在本文中，我们研究了投票行为，在单赢家和多赢家批准投票的情况下，不同程度的不确定性，从机械土耳其获得的行为数据。我们发现，人们通常操纵他们的投票，以获得更好的结果，但往往不确定最佳的操纵。在COMSOC和心理学文献中，有许多基于认知上合理的启发式策略的智能体行为预测模型。我们表明，现有的方法不足以模拟真实世界的数据。我们提出了一个新的模型，考虑到获胜集的大小和人类的认知约束，并证明该模型是更有效地捕捉现实世界中的行为在多个赢家批准投票的情况下。

2020-12-04cs.AIcs.GTcs.MA

Schulze投票方法的细粒度复杂性及其算法

Fine-Grained Complexity and Algorithms for the Schulze Voting Method

AGH University（AGH大学）；MIT CSAIL（麻省理工学院计算机科学与人工智能实验室）

我们研究了一个著名的单一赢家投票规则的计算方面称为舒尔茨方法[舒尔茨，2003]，这是在实践中广泛使用。在这种方法中，选民给出（弱）顺序偏好选票，用于定义候选人对之间直接比较的加权多数图（WMG）。获胜者的选择来自图中的间接比较，更具体地说，来自考虑有向路径而不是候选者之间的直接比较。当输入是WMG时，据我们所知，Schulze方法中计算所有获胜者的最快算法使用对所有配对瓶颈路径问题的民间传说简化，并在$O(m^{2.69})$时间内运行，其中$m$是候选者的数量。这是一个有趣的问题，是否可以改善。我们的第一个结果是一个组合算法，几乎二次运行时间计算所有的赢家。这个运行时间基本上是最佳的。如果舒尔茨获胜者问题的输入不是WMG而是偏好配置文件，那么构造WMG是一个瓶颈，它会显著增加运行时间;在存在$m$候选者和$n=O(m)$投票者的特殊情况下，运行时间是$O(m^{2.69})$，或者如果存在用于乘稠密方阵的近似线性时间算法，则运行时间是$O(m^{2.5})$。为了解决这一瓶颈，我们证明了一个正式的等价性之间的研究优势产品的问题和计算的WMG的问题。我们证明了一个类似的连接之间的所谓的支配对问题和问题的赢家在舒尔茨方法。我们的论文是第一个将细粒度复杂性引入计算社会选择领域的论文。使用它，我们可以识别不太可能适用于大量候选人和/或选民的投票协议，因为它们的复杂性可能至少是立方的。

2021-06-24cs.AIcs.DScs.GT

带论证选票的多获胜者投票

Multi-Winner Voting with Argumentative Ballots

Kyoto University（京都大学）；Nagoya University（名古屋大学）

该研究提出带论证选票的多获胜者投票（MVArg），推广了相关公理，证明其表达能力更强，部分公理总能满足、部分不能，且相关验证问题的复杂度与构造性。

2026-08-31cs.AIcs.GT

投票中计分规则的溯因与对比解释

Abductive and Contrastive Explanations for Scoring Rules in Voting

IRIT, Université de Toulouse（图卢兹大学IRIT研究所）

将投票规则视为分类器，提出基于形式可解释性的溯因和对比解释方法，识别蕴含获胜者或解释候选人落选的最小偏好子集，设计了计分规则的计算算法，并分析了Borda规则下解释大小的下界及相关性。

2024-08-26cs.AI

LLM 自我改进循环中的赢家诅咒：选择噪声、锁定与接受规则

The Winner's Curse in LLM Self-Improvement Loops: Selection Noise, Lock-in, and Acceptance Rules

Meta；Microsoft（微软）

本研究揭示 LLM 自我改进循环中因小评估集导致的赢家诅咒，提出选择噪声模型，并实证表明保留增益常被高估，建议报告带不确定性的保留增益。

2026-10-08cs.AIcs.LG

从发现到决策：LLM投票中的有限预算可恢复性

From Discovery to Decision: Finite-Budget Recoverability in LLM Voting

Stony Brook University（石溪大学）

本研究针对LLM投票中的发现-决策差距，提出可恢复性阈值与精确锁定机制，在固定预算下提升多数票准确性并节省调用成本。

2026-10-02cs.AI

组合逆向拍卖中双目标获胜者确定问题的Pareto元启发式算法

A Pareto-metaheuristic for a bi-objective winner determination problem in a combinatorial reverse auction

University of Bremen（不来梅大学）

运输合同组合采购拍卖的双目标中标者确定问题（2 WDP-SC）的特征在于一个捆绑投标集合B，其中B中的每个捆绑投标b由投标承运人c_b、投标价格p_b和运输合同集合tau_b组成，所述运输合同集合tau_b是投标运输合同集合T的子集。此外，给出了运输质量q_{t,c_b}，当运输合同t由承运人c_b执行时，期望实现该运输质量。拍卖师的任务是找到一组X中标（X子集B），使得每个运输合同至少是一个中标的一部分，总采购成本最小化，总运输质量最大化。本文提出了一种元启发式方法的2 WDP-SC集成贪婪随机自适应搜索过程与两阶段的候选组件选择过程，大邻域搜索，自适应参数设置，以找到一个有竞争力的一组非支配的解决方案。启发式优于所有现有的方法。对于七个小的基准测试实例，启发式是唯一的方法，找到所有帕累托最优的解决方案。对于30个大型实例中的28个，现有的方法都不能计算出主导所提出的启发式算法找到的解决方案的解决方案。

2013-04-22cs.AIcs.GTmath.OC

基于序贯多数表决的不完全偏好和不确定议程群决策

Dealing with incomplete agents' preferences and an uncertain agenda in group decision making via sequential majority voting

University of Padova（帕多瓦大学）；NICTA（国家信息与通信技术研究院）；UNSW Sydney（悉尼新南威尔士大学）

我们考虑多代理系统，其中代理的偏好通过顺序多数表决聚合：每个决定是通过执行一系列成对比较，其中每个比较是代理之间的加权多数表决。由于隐私问题或正在进行的启发过程，代理偏好的不完整性在许多现实生活中很常见。此外，如何汇总偏好可能存在不确定性。例如，议程（一棵树，其叶子被标记为正在比较的决定）可能还不知道或固定。因此，我们研究如何确定集体最优决策（也称为赢家）时，偏好可能是不完整的，当议程可能是不确定的。我们表明，它是计算上很容易确定，如果一个候选人的决定总是赢，或可能会赢，无论议程。另一方面，在计算上很难知道候选决策是否在至少一个议程中获胜，至少一个完成代理的偏好。即使议程必须平衡，以便每个候选人的决定都面临相同数量的多数票，这些结果也是有效的。这样的结果是有用的推理偏好诱导。它们有助于理解任务的复杂性，例如确定是否可以集体做出决定，以及了解是否可以通过适当安排议程来操纵获胜者。

2009-09-24cs.AIcs.GTcs.MA

DiRe委员会：多赢家选举中的多样性和代表性限制

DiRe Committee : Diversity and Representation Constraints in Multiwinner Elections

New York University（纽约大学）

多赢家选举中的公平性研究集中在候选人具有属性的环境中。然而，投票者也可以根据一个或多个属性（例如，"州"属性下的"加利福尼亚州"和"伊利诺斯州"人口），其可以与候选属性相同或不同。仅关注候选人属性的模型可能会系统地代表较小的选民群体。因此，我们开发了一个模型，迪雷委员会WinnerDetermination（DRCWD），划定候选人和选民的属性来选择一个委员会，通过指定多样性和代表性的限制和投票规则。我们分析了它的计算复杂性、不可逼近性和参数化复杂性。我们开发了一个基于启发式的算法，该算法在两分钟内找到了63%的合成数据集实例和100%的真实数据集实例的获胜DiRe委员会。我们提出了一个实证分析的运行时间，可行性和效用权衡。总体而言，DRCWD的动机是，多赢家选举的研究应该考虑其行为者，即候选人和选民，因为特定于候选人的模式可能会在不知不觉中伤害选民群体，反之亦然。此外，即使候选人和选民的属性相同，也必须将他们分开对待，因为多样性并不意味着代表性，反之亦然。这就是说，例如，委员会中有一名女性候选人不同于委员会中有一名女性选民喜欢的候选人，而后者本身可能是女性，也可能不是女性。

2021-09-24cs.AIcs.CYcs.GT

关于战略均衡的新结果

New Results on Equilibria in Strategic Candidacy

Université Paris-Dauphine（巴黎第九大学）；Université Pierre et Marie Curie（皮埃尔和玛丽·居里大学）；University of Southampton（南安普顿大学）

我们考虑一种投票设置，候选人对选举结果有偏好，可以自由加入或退出选举。Dutta等人最初研究了相应的候选人资格博弈，其中候选人策略性地选择参与或不参与，他指出，没有一个满足随机性的非独裁投票程序是不受候选人策略影响的，也就是说，所有候选人参加选举的联合行动总是一个纯策略纳什均衡。Dutta等人还表明，对于某些投票树程序，存在没有纯纳什均衡的候选人博弈，并且对于通过连续淘汰输出复杂的投票获胜者的规则，所有博弈都有纯纳什均衡。其他投票规则没有结果。在这里，我们证明了几个这样的结果。对于四个候选人，我们得到的信息大致是，大多数评分规则（博尔达除外）都不能保证纯纳什均衡的存在，但对于奇数选民，孔多塞相容规则可以保证。对于五个候选人，我们研究的大多数规则不再有这种保证。最后，我们确定了一个突出的规则，保证存在一个纯纳什均衡的任何数量的候选人（和奇数选民）：科普兰规则。我们还表明，在温和的假设下的投票规则，强均衡的存在性不能得到保证。

2016-02-24cs.AIcs.GTcs.MA