Computing Voting Rules with Improvement Feedback
University of Southern California（南加州大学）
本文研究不完整反馈下的偏好聚合问题，聚焦改进反馈场景，刻画可计算的位置计分规则，发现相对多数可学习但多数规则及孔多塞一致规则存在不可能性，并通过实验补充理论结果。
2025-02-18 cs.AI 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
Distance Restricted Manipulation in Voting
Indian Institute of Technology Kharagpur（印度理工学院克勒格布尔分校）
我们引入了{ \em距离限制操纵}的概念，其中当合谋操纵者对其他操纵者的选票的了解有点不准确时，合谋操纵者需要计算是否存在使其偏好的替代者赢得选举的选票。我们使用Kendall-Tau距离来模拟操纵者对非操纵者投票的信心。为此，我们在两个设置中研究这个问题-一个是操纵者需要计算成功的操纵投票，而不管其他人的投票中的扰动（{ \em距离限制强操纵}），第二个是操纵者需要计算成功的操纵投票，至少有一个可能的投票配置文件的其他人（{ \em距离限制弱操纵}）。我们表明，{ \em距离限制强操纵}承认多项式时间算法的每一个评分规则，最大，Bucklin，并简化Bucklin投票规则为一个单一的机械手，并为$k$批准规则的任何数量的机械手，但成为棘手的Copeland $^α$投票规则的每一个$α\in[0,1]$，甚至为一个单一的机械手。相比之下，{ \em距离受限弱操纵}对于除多数规则之外的几乎所有常见投票规则都是难以处理的。对于一个常数的替代品，我们表明，这两个问题是多项式时间可解的每一个匿名和有效的投票规则。
2020-11-27 cs.AI cs.DS cs.GT
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
Dominating Manipulations in Voting with Partial Information
Duke University（杜克大学）；NICTA（国家信息与通信技术研究院）；UNSW（新南威尔士大学）
我们考虑操纵问题时，操纵者只有部分信息的nonmanipulators的投票。这样的部分信息描述的信息集，这是一组的配置文件的nonmanipulators是无法区分的机械手。给定这样的信息集，支配操纵是操纵者可以投出的非真实投票，其使得获胜者至少与操纵者真实投票时的获胜者一样优选（有时更优选）。当操纵者具有完全信息时，对于许多常见的投票规则，计算是否存在支配操纵是在P中（通过已知结果）。我们表明，当操纵者没有信息，有许多常见的投票规则没有支配操纵。当操纵者的信息由偏序表示且只有一小部分偏好是未知的时，对于许多常见的投票规则，计算支配操纵是NP难的。因此，我们的研究结果揭示了我们是否可以通过限制其他选民投票的信息来防止策略行为。
2011-06-27 cs.AI cs.CC cs.GT
How Many Vote Operations Are Needed to Manipulate A Voting System?
Harvard University（哈佛大学）
在本文中，我们提出了一个框架来研究一般类的战略行为的投票，我们称之为投票操作。我们证明了以下定理：如果我们固定备选方案的数量，则生成$n$投票i.i.d.根据分布$π$，并使$n$趋于无穷大，则对于任何概率至少为$1-ε$的$ε>0$，策略个体实现其目标所需的最小操作数落入以下四个类别之一：（1）0，（2）$Θ(\sqrt n)$，（3）$Θ(n)$，和（4）$\infty$。该定理适用于任何投票操作集合、任何单个投票分布$π$和任何整数广义评分规则，其包括（但不限于）几乎所有通常研究的投票规则，例如，批准投票，所有位置评分规则（包括Borda，复数和否决），带决选的复数，Bucklin，Copeland，maximin，STV和排名对。我们还表明，许多研究类型的战略行为属于我们的框架，包括（但不限于）建设性/破坏性的操纵，贿赂，并通过增加/删除投票，胜利的边缘，和最小操纵联盟规模的控制。因此，我们的主要定理自然适用于这些问题。
2012-08-14 cs.AI cs.GT
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。
2016-02-24 cs.AI cs.GT cs.MA
Manipulation and gender neutrality in stable marriage procedures
Univ. of Padova（帕多瓦大学）；NICTA（国家信息与通信技术研究院）；UNSW（新南威尔士大学）
稳定的婚姻问题是一个众所周知的问题，即男人和女人的匹配问题，这样没有结婚的男人和女人就不会同时喜欢对方。这个问题有着广泛的实际应用，从住院医生与医院的匹配到学生与学校的匹配。解决这个问题的一个众所周知的算法是Gale-Shapley算法，它在多项式时间内运行。事实证明，稳定的婚姻程序总是可以被操纵的。虽然Gale-Shapley算法在计算上很容易操作，但我们证明了存在稳定的婚姻程序，这些程序是NP-难以操作的。我们还考虑了投票理论和稳定的婚姻程序之间的关系，表明投票规则是NP-难操纵的，可以用来定义稳定的婚姻程序本身是NP-难操纵。最后，我们考虑的问题，稳定的婚姻程序，如盖尔-夏普利有利于一个性别比其他，我们展示了如何使用投票规则，使任何稳定的婚姻程序性别中立。
2009-09-24 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
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
Manipulation of Nanson's and Baldwin's Rules
NICTA（国家信息与通信技术研究院）；UNSW（新南威尔士大学）；Duke University（杜克大学）
南森和鲍德温的投票规则通过连续淘汰Borda分数低的候选人来选择获胜者。我们表明这些规则具有许多理想的计算属性。特别地，对于未加权投票，用一个操纵者操纵任一规则是NP-困难的，而对于加权投票，用少量候选人和操纵者联盟操纵任一规则是NP-困难的。由于只有一对夫妇的其他投票规则是已知的NP难操纵一个单一的操纵者，南森和鲍德温的规则似乎是特别抵制操纵从理论的角度来看。我们还提出了一些近似方法来操纵这两个规则。实验表明，这两种规则在实践中往往难以操作。这些结果表明，淘汰式投票规则值得进一步研究。
2011-06-27 cs.AI
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。
2020-12-04 cs.AI cs.GT cs.MA
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。
2019-05-30 cs.AI cs.GT cs.MA
Complexity of and Algorithms for Borda Manipulation
University of Toronto（多伦多大学）；LRI, Université Paris Sud 11（巴黎第十一大学LRI实验室）；NICTA（国家信息与通信技术研究院）；UNSW（新南威尔士大学）
我们证明了两个操纵者的联盟计算如何操纵Borda投票规则是NP-难的。这解决了操纵公共投票规则的计算复杂性中的最后一个公开问题。由于这种NP-困难，我们把计算操作作为一个近似问题，我们试图最大限度地减少操纵器的数量。基于装箱和多处理器调度的思想，我们提出了两个新的近似方法来计算Borda规则的操作。实验表明，这些方法的性能明显优于现有的近似方法.我们能够在几乎所有随机生成的选举测试中找到最佳操作。我们的研究结果表明，虽然计算操纵的Borda规则的联盟是NP难的，计算复杂性可能只提供了一个薄弱的障碍，在实践中操纵。
2011-05-27 cs.AI
Complexity of Manipulation with Partial Information in Voting
Tata Institute of Fundamental Research（塔塔基础研究所）；Indian Institute of Technology, Gandhinagar（甘地纳格尔印度理工学院）；Indian Institute of Science, Bangalore（班加罗尔印度科学院）
联盟操纵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，大多数研究都集中在完全信息设置，其中操纵者知道非操纵者的投票。虽然这个假设是合理的目的，显示棘手的，它是不现实的算法的考虑。在大多数真实世界的场景中，操纵者对所有其他投票都有准确的了解是不切实际的。在本文中，我们研究了不完全信息下的操纵。在我们的框架中，操纵者知道每个选民的偏序，这与该选民的真实偏好一致。在这种情况下，我们制定了三个自然的计算概念的操纵，即弱，机会主义，和强操纵。我们说偏序的扩张是如果存在对该扩张的操纵投票。1.弱操作（WM）：操纵者试图以使其优选的候选人在非操纵者的部分投票的至少一个扩展中获胜的方式投票。2.操纵者（OM）：操纵者试图以一种方式投票，使他们喜欢的候选人在非操纵者的部分选票的每个可行的扩展中获胜。3.强操纵（SM）：操纵者试图以使其偏好的候选人在非操纵者的部分投票的每次扩展中获胜的方式来投票。我们考虑几种情况下，传统的操纵问题很容易（例如，Borda与一个单一的机械手）。对于其中许多人来说，我们提出的相应的操纵问题在计算上是难以解决的。我们的硬度结果经常保持即使很少的信息丢失，或者换句话说，即使当实例是非常接近完整的信息设置。
2017-07-13 cs.AI cs.CC cs.CY
Majority Voting and the Condorcet's Jury Theorem
Playtika Brain；Yandex School of Data Science（Yandex数据科学学院）；Tel Aviv University（特拉维夫大学）；Technion – Israel Institute of Technology（以色列理工学院）
一个有着三百年历史的政治学定理“孔多塞的陪审团定理”（1785年）和一个现代机器学习概念“弱可学习性的强度”（1990年）之间有着惊人的联系，孔多塞的陪审团定理指出，当个人投票通常是正确和独立的时，多数人更有可能做出正确的选择，其描述了一种用于将弱学习算法转换为实现任意高精度并基于包围学习的算法的方法。尽管孔多塞定理是一种直观的表述，但无论是在经典的机器学习手册中，还是在已发表的论文中，我们都找不到一个简洁而严格的数学证明。无论如何，我们并不声称要发现或重新发明一种理论或一种结果。我们谦卑地想提供一个更公开的定理的简单推导。我们会很高兴看到更多的机器学习入门课程的教师使用我们在这里提供的证明作为练习来解释集成学习的动机。
2020-02-13 cs.AI cs.LG stat.ML
Obvious Manipulability of Voting Rules
UNSW Sydney（悉尼新南威尔士大学）
Gibbard-Satterthwaite定理指出，没有一致和非独裁的投票规则是防策略的。我们重新审视了投票规则，并考虑了Troyan和Morrill（2020）提出的一个较弱的防策略性概念，称为不明显的可操纵性。我们确定了几类投票规则，满足这一概念。我们还表明，一些投票规则，包括k-批准不满足此属性。我们的特征条件下，投票规则显然是操纵。我们的见解之一是，当备选方案的数量与选民数量相比相对较大时，某些规则显然是可以操纵的。与Gibbard-Satterthwaite定理相反，我们研究的许多规则显然是不可操作的。这反映了相对更容易满足的概念和零信息假设不明显的可操作性，而不是完美的信息假设的策略。我们还提出了算法的结果计算明显的操纵和实验报告。
2022-06-14 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
Coalitional Manipulation for Schulze's Rule
UNSW（新南威尔士大学）；NICTA（澳大利亚国家信息与通信技术研究院）；University of Rostock（罗斯托克大学）
Schulze的规则被用于包括Wikimedia和Debian在内的大量组织的选举中。其流行的部分原因是大量的公理性质，如单调性和孔多塞一致性，它满足。我们确定了一个潜在的缺点舒尔茨的规则：它是计算容易受到操纵。特别是，我们证明了计算未加权联盟操纵（UCM）是多项式的任何数量的机械手。这一结果适用于UCM的唯一获胜者和共同获胜者版本。这解决了Parkes and Xia（2012）提出的一个未决问题。我们还证明了计算一个加权联盟操纵（WCM）是多项式的有限数量的候选人。最后，我们讨论了唯一赢家UCM问题和共同赢家UCM问题之间的关系，并认为他们有实质上不同的充分必要条件存在一个成功的操纵。
2013-04-03 cs.AI cs.GT
Lie on the Fly: Strategic Voting in an Iterative Preference Elicitation Process
Ariel University（阿里尔大学）；Nanyang Technological University（南洋理工大学）；Ben-Gurion University（本-古里安大学）
投票中心负责收集和汇总选民的偏好。在迭代过程中，中心向投票者发送比较查询，要求他们提交他们对两个项目的偏好。选民可能会在他们之间讨论候选人，在选举过程中找出哪些候选人有机会获胜，哪些没有。因此，策略选民可能会试图通过偏离他们的真实偏好来操纵，而是提交不同的响应，以试图最大化他们的利润。我们提供了一个实用的算法，战略选民计算最佳操纵投票，并最大限度地提高选民的自私的结果时，这样的投票存在。我们还提供了一个谨慎的投票中心，它知道可能的操纵，并在可能的情况下避免操纵查询。在四个现实世界的领域的实证研究中，我们表明，在实践中操纵发生在一个低比例的设置，并对最终结果的影响很小。谨慎的投票中心甚至进一步减少了操纵，从而允许发生非扭曲的群体决策过程。因此，我们提供了一个投票过程的核心技术研究，可以在意见或信息聚合系统和众包应用中采用，例如，大规模开放式在线课程（MOOC）的同行评分。
2019-05-13 cs.AI cs.CY
Epistemic Filtering and Collective Hallucination: A Jury Theorem for Confidence-Calibrated Agents
Technische Universität Dresden（德累斯顿工业大学）
研究异质代理在时间中学习自我可靠性估计并选择性 abstain 的集体准确性，提出基于置信度校准的框架，推导非渐近下界并证明其在置信度门控设置下的泛化能力，通过蒙特卡洛模拟验证，探讨其在AI安全中的应用。
2026-04-01 cs.AI
Recommender Systems for Democracy: Toward Adversarial Robustness in Voting Advice Applications
ETH Zurich（苏黎世联邦理工学院）
本文针对投票建议应用（VAAs）存在的对抗操纵风险，揭示11种操纵策略并基于Smartvote数据量化其影响，进而提出鲁棒性要求、评估指标及缓解方向，以保障AI类VAAs的安全可靠。
2025-05-19 cs.AI cs.CR cs.CY
