Improved Hardness Results for Nash Social Welfare, Budgeted Allocation and GAP via the Unique Games Conjecture
University of Massachusetts, Amherst(马萨诸塞大学阿默斯特分校)
本文通过唯一游戏猜想,针对不可分割商品分配问题,改进了纳什社会福利、预算分配和广义分配问题的近似硬度下界。
2026-07-28 cs.DS cs.GT
Online Knapsack Problem and Budgeted Truthful Bipartite Matching
两个相关的在线问题:背包和真实的二分匹配被认为是。对于这两个问题,共同的主题是如何“匹配”到达的左顶点在一个在线的方式与任何可用的右顶点,如果有的话,以便最大化的值的总和匹配的边缘,满足对匹配的左顶点的总重量约束。假设左顶点按均匀随机顺序到达(秘书模型),分别给出了两个几乎相似的算法:$2e$竞争算法和$24$竞争算法.建议的在线二分匹配算法也被证明是真实的:没有任何左顶点误报其出价/权重的动机。这些问题的直接应用包括具有负载均衡的作业分配、广义广告词、众包拍卖以及使能设备到设备通信的蜂窝网络中的无线用户与协作中继的匹配。
2016-11-28 cs.DS
A Greedy Approach for Budgeted Maximum Inner Product Search
The University of Texas at Austin(德克萨斯大学奥斯汀分校);The University of California, Davis(加利福尼亚大学戴维斯分校)
最大内积搜索(MIPS)是许多机器学习应用中的重要任务,例如推荐系统的低秩矩阵分解模型的预测阶段。近年来,人们对如何在次线性时间内实现MIPS进行了一些研究。然而,他们中的大多数没有灵活性,以控制搜索效率和搜索质量之间的权衡。在本文中,我们研究的MIPS问题的计算预算。通过对MIPS问题结构的深入研究,提出了一种新的Greedy-MIPS算法,该算法能够处理预算MIPS问题。虽然简单直观,但与最先进的方法相比,Greedy-MIPS产生了令人惊讶的卓越性能。作为一个具体的例子,在一个包含50万个维度为200的向量的候选集上,Greedy-MIPS的运行速度比朴素方法快200倍,同时产生的搜索结果的前5个精度大于75%。
2016-10-11 cs.DS cs.LG
Online Budgeted Repeated Matching
一个基本的组合在线资源分配问题被认为是,多个服务器有各自的能力限制,并在每个时隙,一组工作到达,有可能不同的权重不同的服务器。在每个时间段,必须以在线方式在作业和服务器之间找到一对一的匹配,但要受到个人能力的限制。其目标是最大化分配给服务器的作业的总权重,在时隙和服务器之间求和,受个人容量限制。这个问题概括了众所周知的adwords问题,并且也与各种其他现代应用程序相关。一个简单的贪心算法被证明是3-竞争,只要任何边缘的重量是最多的一半,相应的服务器容量。此外,一个随机版本的贪心算法被证明是6-竞争的无限制的边缘权重的情况下。对于并行服务器与小重量的工作,我们表明,负载平衡算法是接近最优的。
2015-12-01 cs.DS
Approximation Algorithms for Norm-Budgeted Packing Problems
Univ. Waterloo(滑铁卢大学);ETH Zurich(苏黎世联邦理工学院)
研究范数预算打包问题,通过涉及单调、对称范数的范数预算约束建模资源,将多种经典打包问题纳入框架,开发框架获得常数因子近似保证及相关问题的PTAS,并为子模版本开发常数因子近似算法。
2026-07-15 cs.DS
Improved Budgeted Connected Domination and Budgeted Edge-Vertex Domination
我们考虑经典\emph{Connected Dominating Set}问题(BCDS)的\emph{Budgeted}版本。给定一个图$G$和一个预算$k$,我们寻求一个连通子集,最多$k$顶点最大化$G$中的支配顶点数。我们改进了以前的$(1-1/e)/13$近似[Khuller,Purohit,Sarpatwar,\ \emph{SODA 2014} ]通过引入一种新的方法进行树分解的算法的最后一部分的分析。这种新方法提供了$(1-1/e)/12$近似保证。通过推广算法第一部分的分析,我们能够对其进行适当的修改,并获得对$(1-e^{-7/8})/11$的进一步改进。另一方面,我们证明了一个$(1-1/e+ε)$不可逼近界,任何$ε> 0$。我们还研究了\emph{edge-vertex domination}变体,其中一条边支配其端点和所有邻近端点的顶点。在\emph{Budgeted Edge-Vertex Domination}(BEVD)中,我们给出了一个图$G$和一个预算$k$,我们寻找一个不一定连通的$k$边的子集,使得$G$中的支配顶点数最大化。我们证明了存在一个$(1-1/e)$ -近似算法。此外,对于任何$ε> 0$,我们提出了一个$(1-1/e+ε)$ -不可逼近的结果,从\emph{maximum coverage}问题的间隙保持减少。最后,我们研究的…
2020-03-25 cs.DS
An FPTAS for Budgeted Laminar Matroid Independent Set
针对预算层状拟阵独立集问题,论文利用层状拟阵的树状结构设计简单动态规划,给出优于既有 EPTAS 的 FPTAS,并推广相关背包结果。
2023-04-27 cs.DS
Budgeted Out-tree Maximization with Submodular Prizes
我们考虑一个变种的奖金收集斯坦纳树问题,在其中,我们给出了一个\emph{directed graph} $D=(V,A)$,一个单调的子模块奖金函数$p:2^V \rightarrow \mathbb{R}^+ \cup \{0\}$,成本函数$c:V \rightarrow \mathbb{Z}^{+}$,一个根顶点$r \in V$,和一个预算$B$。目的是找到一个外子树$T$的$D$植根于$r$,成本最多$B$和最大化的奖励功能。我们称这个问题为\emph{Directed Rooted Submodular Tree}(\textbf{DRSO})。最近,Ghugge和Nagarajan [SODA\ 2020]给出了一个最优准多项式时间$O\left(\frac{\log n'}{\log \log n'}\right)$ -近似算法,其中$n'$是最优解中的顶点数,用于成本与边相关联的情况。在本文中,我们给出了一个多项式时间算法\textbf{DRSO},保证了近似因子$O(\sqrt{B}/ε^3)$的成本的预算违反一个因素$1+ε$,任何$ε\in (0,1]$。同样的结果适用于边成本的情况下,据我们所知,这是第一个多项式时间近似算法这种情况下。我们进一步证明了\textbf{DRSO}的无根版本可以近似为$O(Δ\sqrt{B})$的一个因子而不违反预算,这是对…
2022-10-01 cs.DS
Tight Bounds for Budgeted Maximum Weight Independent Set in Bipartite and Perfect Graphs
本文研究二分图与完美图上的 BMWIS,基于 SSEH 证明 $(2-\varepsilon)$ 下界,并用拉格朗日松弛给出紧的 2-近似,同时证明 CMWIS 不存在 EPTAS。
2023-07-17 cs.DS
Multi-budgeted directed cuts
我们研究了经典的最小割问题和图分离问题的多预算变体,这些问题在参数化复杂性中很重要:斜多割和定向反馈弧集。在我们的推广中,我们将颜色$1,2,...,\ell$分配给一些边,并给出单独的预算$k_{1},k_{2},...,k_{\ell}$。令$E_{i}$为颜色$i$的边的集合。图分离问题的多预算变量的解$C$不仅需要满足通常的分离要求,而且需要满足每个$i\in \{1,...,\ell\}$的$|C\cap E_{i}|\leq k_{i}$。与经典的最小割问题相反,即使对于$\ell = 2$,多预算变量也是NP难的。我们提出了FPT算法参数$k=k_{1}+...+k_{\ell}$的所有三个问题。为此,我们开发了一个分支程序的多预算的最小割问题,测量的算法的进展,而不是像往常一样减少$k$,但提高了一些边缘的容量,从而增加了最大的源到汇流量的大小。使用一个类似的策略是用来枚举一个给定的大小的所有重要的分隔符的事实,我们合并这个过程与流引导的分支,并显示FPT绑定的数量(适当定义)重要的多预算分隔符。这使我们能够将我们的算法扩展到斜多切和定向反馈弧集问题。此外,我们显示连接的多预算的变量与加权变量的定向切割问题和链$\ell$ -SAT问题,其参数化的复杂性仍然是一个开放的问题。我们表明,这些问题承认一个有界的参数数量的“最大限度地推动”的解决方案(在类似的精神,重要的…
2019-07-08 cs.DS
The Budgeted Transportation Problem
考虑一个具有多个源和汇的运输问题。利润和价格都在边缘。目标是在满足以下约束的情况下实现利润最大化:从源流出的总流量不得超过其容量,汇上流入流量的总价格不得超过其预算。这个问题与广义流问题密切相关。我们提出了一个基于拍卖的原始对偶近似算法来解决这个问题。复杂度是$O(ε^{-1}(n^2+ n\log{m})m\log U)$,其中$n$是源的数量,$m$是汇的数量,$U$是最大利润/价格与最小利润/价格的比率。我们还展示了如何推广的计划,以解决更一般的版本的问题,有边缘的能力和/或利润函数是凹的和分段线性。该算法的复杂性取决于利润函数的线性段的数量,称为${\cal L}$。
2013-02-24 cs.DS
Budgeted Matroid Maximization: a Parameterized Viewpoint
本文首次从参数化复杂性角度研究带预算的 $\ell$-matchoid 最大化问题,证明其关于解大小是 $W[1]$ 难的,并基于代表集概念给出 FPT 近似方案及代表集规模下界。
2023-07-09 cs.DS
Online Budgeted Truthful Matching
研究了二部图的在线真实预算匹配问题,其中右顶点提前到达,左顶点顺序到达。当一个左顶点到达时,它对所有右顶点的边效用(或权重)和相应的成本(或出价)被揭示出来。如果一个左顶点匹配到任何一个右顶点,那么它至少需要支付与它的成本一样多的费用。问题是在支付预算约束下,将每个左顶点即时且可重复地匹配到任何一个右顶点,如果有的话,以找到真实的最大权重匹配。真实性条件要求没有左顶点有误报成本的动机。假设顶点到达的均匀随机顺序(秘书模型)与任意的效用,提出了一个真实的算法,是$24β$ -竞争(其中$β$是最大和最小效用的比率),并满足支付预算约束。该问题的直接应用包括众包拍卖,以及在支持设备到设备的蜂窝网络中将无线用户匹配到协作中继。
2016-06-02 cs.DS cs.GT
Generalized budgeted submodular set function maximization
在本文中,我们考虑一个推广的著名的预算最大覆盖问题。我们给出了一组基本元素和一组bin。目标是找到元素的子集以及相关联的一组bin,使得总成本至多是给定的预算,并且利润最大化。每个bin都有自己的成本,每个元素的成本取决于其相关的bin。利润是衡量一个单调的子模函数的元素。首先,我们提出了一个算法,保证近似因子的$\frac{1}{2}\left(1-\frac{1}{e^α}\right)$,其中$α\leq 1$是一个子问题的算法的近似因子。我们给出了两个多项式时间算法来解决这个子问题。第一个给出了$α=1- ε$,如果成本满足一个特定的条件,这是满足在几个相关的情况下,包括酉成本的情况下,最大化一个单调的子模函数的背包约束下的问题。第二个保证一般情况下的$α=1-\frac{1}{e}-ε$。我们的近似保证和已知的不可近似性界限之间的差距是$\frac{1}{2}$。我们将我们的算法扩展到一个双标准近似算法,在该算法中,我们被允许花费额外的预算高达一个因素$β\geq 1$,以保证一个$\frac{1}{2}\left(1-\frac{1}{e^{αβ}}\right)$近似。如果我们设置$β=\frac{1}α\ln \left(\frac{1}{2ε}\right)$,则对于任意小的$ε>0$,算法实现$\frac{1}{2}-ε$的近似因子。
2018-08-09 cs.DS
A Variant of the Maximum Weight Independent Set Problem
我们研究了最大权独立集问题(MWIS)的一个自然扩展,MWIS是图论中研究最多的优化问题之一。我们给出一个图$G=(V,E)$,一个权函数$w: V \rightarrow \mathbb{R^+}$,一个预算函数$b: V \rightarrow \mathbb{Z^+}$,和一个正整数$B$。重量(Resp.)budget)是顶点子集的权重(分别为预算)。$G$中的$k$预算独立集是顶点的子集,使得该子集中没有顶点对是相邻的,并且该子集的预算至多是$k$。目标是在$G$中找到一个$B$预算的独立集,使得它的权重在$G$中的所有$B$预算的独立集中是最大的。我们把这个问题称为MWBIS。作为MWIS的推广,MWBIS在调度、无线网络等方面也有着广泛的应用。我们为树、森林、循环图和区间图设计精确算法。在未赋权的情况下,我们设计了一个$d+1$ -无爪图的逼近算法,它的逼近比($d$)与MWIS(未赋权)的逼近比($\frac{d}{2}$)是竞争的.此外,我们将Baker的方法\cite{Baker83}推广到平面图上,得到了MWBIS的PTAS.
2014-09-28 cs.CG cs.DM cs.DS
Cost Preserving Dependent Rounding for Allocation Problems
提出一种保持成本不超过分数解的相依随机舍入方案,结合经典方法与线性规划技术,为 Budgeted Santa Claus Problem 导出了 O(log n)-近似算法。
2025-04-28 cs.DS
An Approximation Algorithm for the Connected Maximum Coverage Problem in Directed Graphs
Gran Sasso Science Institute(格兰萨索科学研究所)
本文针对有向图的有根带预算最大覆盖问题(DRCC)提出一种近似算法,获预算违反因子1+ε的近似比,还改进了其特例带预算节点赋权施泰纳问题的近似比。
2026-08-06 cs.DS
Profile-based optimal matchings in the Student/Project Allocation problem
在学生/项目分配问题(SPA)中,我们试图将学生分配到讲师提供的个人或小组项目中。学生提供一个他们认为可以接受的项目列表,按优先顺序排列。每个学生最多只能被分配到一个项目,并且每个项目和讲师的最大学生人数有限制。我们寻求学生的匹配项目是最佳的方面的配置文件,这是一个向量,其第r个组成部分表明有多少学生有他们的第r个选择项目。我们提出了一个有效的算法,找到一个贪婪的最大匹配的SPA上下文中-这是一个最大的匹配,其配置文件是字典最大的。然后,我们将展示如何适应这种算法找到一个慷慨的最大匹配-这是一个匹配的反向配置文件是字典最小。我们的算法涉及到在网络中寻找最优流量。我们演示了这种方法如何可以允许额外的限制,如讲师较低的配额,灵活处理。最后,我们提出了从经验评估的算法得到的结果。
2015-07-03 cs.DS
Fast Budgeted Influence Maximization over Multi-Action Event Logs
在社交网络中,影响力最大化是识别在整个网络中拥有最大{ \it影响力}的一组用户的问题。在本文中,一种新的信用分布(CD)为基础的模型,被称为多动作CD(mCD)模型,被引入到量化的影响力,每个用户,它与实际的数据集,其中一种类型的动作可以记录多次。基于该模型,将影响力最大化问题转化为一般背包约束下的子模块最大化问题,该问题是NP-难的。一个有效的流媒体算法与一轮扫描的用户集,以找到一个次优的解决方案。具体来说,我们首先解决背包约束的特殊情况,即,的基数约束,并表明开发的流算法可以实现($\frac{1}{2}-ε$)-近似的最优性。此外,对于一般的背包的情况下,我们表明,修改后的流算法可以实现($\frac{1}{3}-ε$)-近似的最优性。最后,在真实的Twitter数据集上进行了实验,结果表明,与传统的CD模型相比,mCD模型在估计社交网络中受影响的总人数方面具有较高的准确性.此外,通过与传统的CD模型、非CD模型以及基于贪心算法的mCD模型在影响力最大化问题上的性能比较,验证了基于流算法的mCD模型的有效性和效率。
2018-01-26 cs.DS cs.SI
Derandomized Balanced Allocation
本文研究了在$d$ -choice方案中,当按顺序将$n$球分配到$n$ bin中时,显式哈希族的最大负载.我们考虑了\emph{Uniform-Greedy}方案,它为每个球提供$d$独立的箱子,并将球放入具有最小负载的箱子中,以及它的非均匀变体-由Vöcking引入的\emph{Always-Go-Left}方案。基于Celis等人的工作,我们构造了一个具有$O(\log n \log \log n)$随机位的散列族,并给出了以下结果。1.在\emph{Uniform-Greedy}方案中,该散列族具有高概率的最大负载$\frac{\log \log n}{\log d} + O(1)$。2.对于恒定的$ϕ_d>1.61$,它在\emph{Always-Go-Left}方案中具有最大负载$\frac{\log \log n}{d \log ϕ_d} + O(1)$的概率很高。我们的散列族的最大负载匹配的最大负载的一个完全随机的散列函数在\emph{Uniform-Greedy}和\emph{Always-Go-Left}计划分别,直到低阶项的常数。以前,在$d$选择方案中,与完全随机散列函数的相同最大负载匹配的最佳已知散列族是$O(\log n)$独立函数,它需要$Θ(\log^2 n)$随机位.
2018-11-12 cs.DS
Balanced Allocation on Hypergraphs
我们考虑一个变化的球到箱随机分配$m$球到$n$箱。根据Godfrey的模型(SODA,2008),我们假设每个球$t$,$1\le t\le m$,都有一个超图$\mathcal{H}^{(t)}=\{B_1,B_2,\ldots,B_{s_t}\}$,每条边$B\in\mathcal{H}^{(t)}$至少包含对数数量的bin。给定$d\ge 2$,我们的$d$ -选择算法均匀随机地选择一个边$B\in \mathcal{H}^{(t)}$,然后从所选边$B$中选择一组$d$随机箱$D$.球被分配到$D$中负载最小的仓中,平局被随机打破。我们证明了如果超图$\mathcal{H}^{(1)},\ldots, \mathcal{H}^{(m)}$满足\emph{balancedness}条件并且具有低的\emph{pair visibility},那么在分配$m=Θ(n)$球之后,在任何bin处的球的最大数目,称为\emph{maximum load},最多为$\log_d\log n+O(1)$,具有高概率。平衡性条件强制仓几乎均匀地出现在$\mathcal{H}^{(t)}$、$1\le t\le m$的超边内,而对可见性条件测量在分配球期间选择一对仓的频率。此外,我们建立了一个下界的超图序列中的对可见性的平衡分配所达到的最大负载,显示的相关性的可见性参数的最大负载。在God…
2022-09-03 cs.DS
Balanced Allocation on Graphs
在本文中,我们研究了两个选择球和箱过程时,球不允许选择任何两个随机箱,但只有箱是由一个边缘连接的基础图。我们发现,对于$n$球和$n$箱,如果图几乎是定期与度$n^ε$,其中$ε$不是太小,以前的最大负载的界限继续举行。准确地说,最大负载是$\log \log n + O(1/ε) + O(1)$。对于一般的$Δ$ -正则图,我们证明了最大负载是$\log\log n + O(\frac{\log n}{\log (Δ/\log^4 n)}) + O(1)$,并给出了$\log \log n + \frac{\log n}{\log (Δ\log n)}$的一个几乎匹配的下界. V{<$}cking [Voc 99]表明,$d$选择负载平衡的最大bin大小可以通过打破左侧的关系进一步改进为$O(\log\log n /d)$。这需要$d$随机箱选择。我们表明,这样的界限,可以通过只做两个随机访问和查询$d/2$连续箱在每个访问。通过将一系列$n$仓分组为$2n/d$组,每个$d/2$连续仓,如果每个球随机选择两个组并将新球插入较小负载组中的最小负载仓,则最大负载以高概率为$O(\log\log n/d)$。
2005-10-27 cs.DS
Online Matching in Sparse Random Graphs: Non-Asymptotic Performances of Greedy Algorithm
受顺序预算分配问题的启发,我们研究了顶点之间的连接不是i.i.d.的在线匹配问题,但它们有固定的度分布--所谓的配置模型。我们估计竞争比的最简单的算法,贪婪,通过近似一些相关的随机离散过程,其连续的同行,这是一个显式系统的偏微分方程的解决方案。这种技术给出了精确的估计误差的界限,随着问题大小的增加,具有任意高的概率。特别是,它允许不同的配置模型之间的正式比较。我们还证明,相当令人惊讶的是,贪婪可以有更好的性能保证比排名,另一个著名的在线匹配算法,通常优于前者。
2021-07-02 cs.DS stat.ML
Balanced Allocations: The Heavily Loaded Case with Deletions
在2-选择分配问题中,$m$球被放入$n$箱中,并且每个球必须在它被分配到的两个随机箱$i, j \in [n]$之间进行选择。二十多年来,人们已经知道,如果每个球都遵循贪婪策略(即,总是选择不太满的仓),则最大负载将是在$n$中具有高概率的$m/n + O(\log \log n)$(以及在$m$中具有高概率的$m / n + O(\log m)$)。在同一游戏的动态版本中是否保持相同的边界仍然是开放的,其中球被插入/删除,一次最多出现$m$球。我们表明,这些界限不持有的动态设置:已经在$4$箱,存在一个序列的插入/删除,导致{贪婪}招致最大负载的$m/4 + Ω(\sqrt{m})$概率$Ω(1)$-这是相同的约束,如果每个球被简单地分配到一个随机箱!这就提出了一个问题,即任何2-选择分配策略是否可以在动态环境中提供强约束。我们的第二个结果回答这个问题是肯定的:我们提出了一个新的策略,称为ModulatedGreedy,保证最大负载的$m / n + O(\log m)$,在任何给定的时刻,在$m$的概率很高。推广ModulatedGreedy,我们得到动态保证的$(1 + β)$的选择设置,并设置球和箱子上的图。最后,我们考虑一种设置,其中球在被删除后可以重新插入,并且给定球使用的对$i, j$在插入过程中是一致的。这个看似很小的修改使得紧密的负载平衡不可能:在4个箱上,任何…
2022-05-13 cs.DS
Maximum weighted independent sets with a budget
给定一个图$G$,一个非负整数$k$,以及一个将$G$中的每个顶点映射到正实数的权重函数,\emph{Maximum Weighted Budgeted Independent Set (MWBIS) problem}是关于在$G$中找到基数至多为$k$的最大加权独立集。MWBIS的一个特殊情况,当分配给每个顶点的权重等于它在$G$中的度时,称为\emph{Maximum Independent Vertex Coverage (MIVC)}问题。换句话说,MIVC问题是关于找到具有最大覆盖率的至多$k$的基数的独立集。由于它是众所周知的最大加权独立集(MWIS)问题的推广,MWBIS也没有任何常数因子多项式时间近似算法假设$P \neq NP$。在本文中,我们研究的背景下,二部图的MWBIS。我们证明,与MWIS不同,二部图中的MIVC(从而MWBIS)问题是NP难的。然后,我们表明,MWBIS问题承认一个$\frac{1}{2}$ -因子近似算法的二分图类,它匹配的完整性差距的自然LP松弛。
2015-07-19 cs.CC cs.DS
Long-term balanced allocation via thinning
针对球盒模型的双稀疏化变体,研究长期负载均衡问题,给出三类最大负载的紧估计,揭示典型与全局最优负载的差距并提出达到对应界的策略。
2021-10-11 cs.DC cs.DS math.PR
Fair Allocation with Binary Valuations for Mixed Divisible and Indivisible Goods
针对二值估值下混合可分与不可分物品的公平分配问题,证明了不可分物品相同时问题为NP难,给出了可分物品相同时的多项式时间算法,为凸优化混合领域提供理论洞见。
2023-11-08 cs.DS cs.GT
Multivariate Algorithmics for Eliminating Envy by Donating Goods
在某些应用中,将一组不可分割的资源公平地分配给一组代理是至关重要的。然而,在分配实施后,代理人的偏好可能会改变,嫉妒可能会出现。我们研究以下问题来应对此类情况:给定将不可分割的资源分配给具有基于附加效用的偏好的代理,是否有可能在社会上捐赠一些资源(这意味着从分配实例中删除这些资源),以便得到修改后的分配是无羡慕的(最多一件商品)。我们要求被删除的资源的数量和/或所造成的功利福利损失的分配是有界的。我们对这个问题的(参数化的)计算复杂性进行了彻底的研究,考虑了各种自然和问题特定的参数(例如,代理数量、删除的资源数量或初始分配中分配给代理的最大资源数量)和不同的偏好模型,包括一元和0/1估值。在我们的研究中,我们获得了一组丰富的(参数化)易处理性和棘手性的结果,并发现了几个令人惊讶的对比,例如,两个密切相关的公平性概念之间的嫉妒-免费和嫉妒-免费高达一个好的和之间的影响的参数最大数量和福利的删除资源。
2022-02-03 cs.DS cs.GT
Private Matchings and Allocations
我们考虑一个私人变量的经典分配问题:给定k个商品和n个代理人与个人,私人的价值函数的捆绑的商品,我们如何分配的代理人之间的货物,以最大限度地提高社会福利?一个重要的特殊情况是当每个代理人最多只需要一种商品,并为每种商品指定她的(私人)价值:在这种情况下,问题就是二分图中的最大权重匹配问题。私人匹配和分配问题在差分隐私文献中没有被考虑,并且有很好的理由:它们显然不可能在差分隐私下解决。非正式地说,分配必须使代理人与他们偏好的商品相匹配,以使社会福利最大化,但这种偏好正是代理人希望隐藏的。因此,我们考虑联合差分隐私的放松约束下的问题:对于任何代理i,没有联盟的代理,除了i应该能够了解代理i的估值函数。在这种设置下,不再发布全部分配-相反,每个代理都被告知要获得什么好处。我们首先表明,每个好的相同的副本的数量很少,它是可以有效地和准确地解决最大权重匹配问题,同时保证联合差分隐私。然后,我们考虑更一般的分配问题,当投标人的估值满足总替代品的条件。最后,我们证明了在联合差分隐私下,如果不需要每种类型的好的多个副本,分配问题不能解决到非平凡的精度。
2016-08-19 cs.CR cs.DS cs.GT
Balanced Allocations with Incomplete Information: The Power of Two Queries
我们考虑分配$m$球到$n$箱与不完全信息。在经典的二选过程中,球首先查询两个随机选择的箱子的负载,然后被放置在负载最小的箱子中。在我们的设置中,每个球也采样两个随机箱,但只能通过发送形式为“负载是否至少是中位数?或“负载是否至少为100?".对于轻负载情况$m=O(n)$,Feldheim和Gurel-Gurevich(2021)表明,通过一个查询可以实现$O(\sqrt{\log n/\log \log n})$的最大负载,并提出了$m/n+O(\sqrt{\log n/\log \log n})$的最大负载是否可能用于任何$m = Ω(n)$的问题。在这项工作中,我们解决了这个开放的问题,证明了一个固定的$m=Θ(n \sqrt{\log n})$的$m/n+Ω( \sqrt{\log n})$的下限,和一个下限的$m/n+Ω(\log n/\log \log n)$的一些$m$取决于所使用的策略。我们通过证明多个查询的正结果来补充这个负结果。特别是,我们表明,只有两个二进制查询每个选择斌,有一个不经意的策略,确保最大负载的$m/n+O(\sqrt{\log n})$的任何$m \geq 1$。此外,对于任何数量的$k = O(\log \log n)$二进制查询,对于任何$m \geq 1$,最大负载的上限都提高到$m/n + O(k(\log n)^{1/k})$。此外,…
2022-01-26 cs.DM cs.DS math.CO