Weighted Proportional Allocations of Indivisible Goods and Chores: Insights via Matchings
研究不等权益智能体在序数估值下不可分物品与家务的公平分配,通过二部图完美匹配证明并计算了WSD-PROP1分配,刻画其多面体以优化成本与效率,并探讨了BoBW公平性下事前无嫉妒与事后比例分配的存在性。
2023-12-31 cs.DS cs.GT
The Meta-rotation Poset for Student-Project Allocation
School of Computing Science, University of Glasgow(格拉斯哥大学计算科学学院)
该研究针对带讲师偏好的学生项目分配问题(SPA-S),提出元旋转理论并构建元旋转偏序集,证明其闭子集与稳定匹配一一对应,为该问题的稳定匹配枚举、计数及最优匹配计算提供算法设计基础。
2025-10-22 cs.GT
Structural aspects of the Student Project Allocation problem
University of Glasgow(格拉斯哥大学)
本研究针对带讲师偏好的学生项目分配问题(SPA-S),刻画其稳定匹配集合的结构,证明其构成分配格并明确极值匹配,还引入元旋转概念揭示匹配间关系,为相关高效算法设计提供基础。
2025-10-22 cs.GT
Social Welfare in One-sided Matching Markets without Money
我们研究社会福利在单边匹配市场的目标是有效地分配n个项目的n个代理,每个有一个完整的,私人的偏好列表和单位需求的项目。我们的重点是不涉及任何货币支付的分配机制。我们考虑两个自然措施的社会福利:有序的福利因素,措施的数量,至少是快乐的,在一些未知的,任意的基准分配,和线性福利因素,它假设代理的效用线性下降,他的偏好列表,并衡量总效用的最优分配。我们分析了两个匹配机制,已被经济学家广泛研究。第一种机制是随机序列独裁(RSD),其中代理根据随机选择的排列顺序,并连续分配未分配的项目中的最佳选择。第二种机制是Bogomolnaia和Moulin [8]的概率序列(PS)机制,它计算可以表示为整数分配的凸组合的分数分配。机制的福利因子是所有实例的下确界。对于RSD,我们证明了有序福利因子是渐近的1/2,而线性福利因子位于区间[.526,2/3]。对于PS,我们表明,顺序福利因子也是1/2,而线性福利因子大致为2/3。据我们所知,这些结果是这些自然机制的第一个非平凡的性能保证。
2011-04-15 cs.GT
Pareto optimal and popular house allocation with lower and upper quotas
在有上限和下限的房屋分配问题中,我们给出了一组申请人和一组项目。每个申请人都有一个严格排序的优先项目清单,而项目则有一个较低和较高的配额。可行的配对办法是将申请人分配到项目中,使项目要么不与任何申请人配对,要么与介于其配额上限和下限之间的若干申请人配对。在这个模型中,我们研究了两个经典的最优性概念:帕累托最优性和流行度。我们发现,找到一个流行的匹配是很难的,即使最大的较低的配额是2,找到一个完美的帕累托最优匹配,验证帕累托最优,验证流行度都是NP-完全的,即使最大的较低的配额是3。我们补充了最后三个否定的结果表明,问题成为多项式时间可解时,最大的下配额是2,从而回答了两个开放的问题Cechlárová和Fleiner。最后,我们还研究了上述四个问题的参数化复杂性。
2021-07-08 cs.GT
Approximate Core Allocations for Multiple Partners Matching Games
匹配博弈是一个合作博弈,其中每个联盟的价值是联盟中的参与者通过形成成对不相交的合作伙伴所能获得的最大收益。多伙伴匹配博弈通过允许每个参与者有一个以上可能重复的伙伴来推广匹配博弈。本文研究了多伙伴匹配博弈中的利润分享问题。利润分享的一个核心概念是核心,它包括在各个参与者之间分配利润的所有可能方式,以便大联盟保持完整。多个伙伴匹配博弈的核心可能是空的[Deng et al.,数学方面的核心组合优化游戏,数学。结果:1999年];即使当核心非空时,核心成员问题通常也是难以解决的[Biro等人,支付的稳定固定装置问题,游戏经济行为,2018年]。因此,我们研究近似的核心分配后,联盟可能会支付少于它所取得的利润脱离大联盟。我们提供了一个基于LP的机制,保证没有联盟支付低于$2/3$倍的利润,它自己。我们还表明,$2/3$是最好的可能因素相对于潜在的LP松弛。我们的结果将Vazirani [Vazirani,一般图匹配游戏:近似核心,arXiv,2021]的工作从匹配游戏推广到多个合作伙伴匹配游戏。
2021-10-25 cs.GT econ.TH
A note on solving the envy-free perfect matching problem with qualities of items
本文针对带物品质量、买家有固定预算的无嫉妒完美匹配问题,证明估值矩阵具逆Monge性质,提出基于动态规划的二次时间求解算法,改进了原有三次时间复杂度。
2023-08-24 cs.GT
Stable Matching under Matroid Rank Valuations
研究医院具有拟阵秩估值、医生具有序数或基数偏好的双边匹配,提出保证稳定性与策略防护性的顺序分配算法,并证明最大化医院纳什福利的稳定分配是NP困难的。
2025-02-27 cs.GT
Controlled Matching Game for Resource Allocation and User Association in WLANs
在多速率IEEE 802.11无线局域网中,传统的基于最强接收信号的用户关联和众所周知的MAC协议异常会导致接入点(AP)过载,以及性能差或异构。我们的目标是提出一种替代的博弈论方法协会。我们模型的联合资源分配和用户协会作为一个匹配的游戏,互补性和同行的影响,包括自私的球员只关心他们个人的吞吐量。使用最近的博弈论的结果,我们首先表明,各种资源共享协议实际上属于稳定诱导资源分配计划的范围内。这个游戏广泛使用了纳什讨价还价和它的一些相关属性,这些属性允许控制玩家的激励。实验结果表明,该机制可以大大提高802.11在异构节点下的效率,并减少对等体效应(如MAC异常)的负面影响。该机制可以实现为虚拟连接管理层,以实现高效的AP-用户关联,而无需修改MAC层。
2016-05-02 cs.GT cs.NI
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
Mechanism Design for Stable Matching with Contracts in a Dynamic Manufacturing-as-a-Service (MaaS) Marketplace
双边制造即服务(MaaS)市场将请求制造服务的客户与提供这些服务的供应商联系起来。匹配机制,即将客户的订单分配给供应商,是市场平台的一个关键设计参数。平台可以执行分配以最大化其收入或优化所有参与者的社会福利。然而,个人参与者可能无法从他们的比赛中获得最大价值,并拒绝它自己形成比赛(称为阻止组),从而绕过平台。本文考虑了动态环境下MaaS市场中的二部匹配问题,并利用机制设计和数学规划方法提出了近似稳定的匹配解决方案,以限制阻塞组的形成。匹配是基于参与者对合同的非严格、不完整和相互依赖的偏好,从而使双方能够进行谈判。实证模拟用于在模拟的3D打印市场中测试这些机制,并评估稳定性对其性能的影响。研究发现,稳定的匹配导致市场的社会福利的小退化。然而,它在分配稳定性方面导致了更好的结果。不稳定的匹配引入无政府状态的市场参与者拒绝其分配导致性能比稳定匹配差。
2020-10-24 cs.GT cs.MA
Size versus truthfulness in the House Allocation problem
我们研究房屋分配问题(也称为分配问题),即,在一组代理之间分配一组对象的问题,其中每个代理对对象的子集具有顺序偏好(可能涉及关系)。我们专注于真实的机制,没有货币转移,找到大型帕累托最优匹配。这是直接表明,没有确定性的真实机制可以近似的最大基数帕累托最优匹配比优于2。因此,我们考虑随机机制。我们给出了一个自然的和明确的扩展经典的随机序列独裁机制(RSDM),专门为房子分配问题的偏好列表可以包括领带。因此,我们获得了一个普遍真实的随机机制,找到一个帕累托最优匹配,并表明它达到了近似比$\frac{e}{e-1}$。即使当代理有优先级(权重)时,相同的界限也成立,我们的目标是找到最大权重(而不是最大基数)帕累托最优匹配。另一方面,我们给出了$\frac{18}{13}$的下界的近似比的任何普遍真实的帕累托最优机制设置严格的偏好。在这种情况下,该机制必须另外是非专横的一个额外的技术假设,我们表明,利用Bade的结果,一个改进的下限$\frac{e}{e-1}$持有。这个下限是紧的,因为严格偏好列表的RSDM是非专横的。此外,我们解释我们的问题,在经典的秘书问题,并证明我们的机制提供了最好的随机策略的管理员面试的申请人。
2019-05-09 cs.GT
Leveraging Matchings in Constrained Fair Division with a Conflict Graph
Athens University of Economics and Business(雅典经济与商业大学);Archimedes/Athena RC(阿基米德/阿瑞斯研究中心)
研究在冲突图约束下不可分割物品的公平分配问题,通过匹配理论分析EF1分配的存在性与计算,给出参数化结果和近似算法。
2026-06-12 cs.GT
Allocation Problems in Ride-Sharing Platforms: Online Matching with Offline Reusable Resources
University of Maryland, College Park(马里兰大学帕克分校)
双边匹配市场将市场一方的代理人与另一方的代理人、物品或合同配对。以前的工作解决在线二分匹配市场,代理到达随着时间的推移,并动态匹配到一组已知的一次性资源。在本文中,我们提出了一个新的模型,在线匹配与(离线)可重用资源已知的敌对分布(OM-RR-KAD),在离线侧的资源是可重用的,而不是一次性的,也就是说,一旦匹配,资源在未来的某个时候再次变得可用。我们表明,我们的模型是易于处理的,提出了一个基于LP的自适应算法,实现了在线竞争比的1/2 - eps为任何给定的eps大于0。我们还表明,没有非自适应算法可以实现1/2 + o(1)的比例基于相同的基准LP。通过对大量开放数据集的数据驱动分析,我们表明我们的模型足够强大,可以捕获出租车调度服务和乘车共享系统的应用。我们还介绍了在实践中表现良好的化学品。
2017-12-11 cs.AI cs.GT
Complementarities in childcare allocation under priorities
该研究针对儿童托育分配的现有机制缺陷,引入自然偏好域与优先级结构,适配延迟接受机制以实现策略防操纵和学生最优稳定匹配,并给出稳定匹配存在的最大域,为带互补性的不可分割组合分配提供实践参考。
2023-08-28 cs.GT econ.TH
Computing Resource Allocation in Three-Tier IoT Fog Networks: a Joint Optimization Approach Combining Stackelberg Game and Matching
雾计算是为未来基于物联网(IoT)的网络系统提供经济且低延迟的数据服务的有前途的架构。它依赖于一组接近最终用户的低功耗雾节点来卸载最初针对云数据中心的服务。在本文中,我们考虑了一个特定的雾计算网络组成的一组数据服务运营商(DSO),每个控制一组雾节点提供所需的数据服务的数据服务用户(DSS)的集合。如何将有限的雾节点计算资源分配给各个决策支持系统,使系统性能达到最优和稳定是一个重要的问题。在本文中,我们提出了一个联合优化框架,所有的FN,DSO和DSS,以实现最佳的资源分配计划在分布式的方式。在这个框架中,我们首先制定了一个Stackelberg游戏来分析的DSO的定价问题,以及资源分配问题的DSS。在DSO可以知道DSS购买资源的期望量的情况下,应用多对多匹配博弈来研究DSO和FN之间的配对问题。最后,在同一个DSO中,我们在每个配对的FN和服务DSS之间应用另一层多对多匹配来解决FN-DSS配对问题。仿真结果表明,我们提出的框架可以显着提高基于物联网的网络系统的性能。
2017-01-14 cs.DC cs.GT
Batching and Optimal Multi-stage Bipartite Allocations
在在线市场中的需求与供应的实时匹配的几个应用中,平台允许一些延迟来批量处理需求并提高效率。受这些应用的启发,我们研究了对抗性到达下的最佳权衡。作为我们的基础模型,我们考虑了对抗环境中顶点加权b匹配的K阶段变体,其中在线顶点按阶段和K批到达-与在线到达相反。我们对这个问题的主要结果是一个最优的(1-(1-1/K)^K)-竞争(分数)匹配算法,改进了经典的(1-1/e)竞争比界已知其在线变体(Mehta等人,2007; Aggarwal等人,2011年)。我们还将该结果扩展到具有自由分散的多阶段配置分配的丰富模型(Devanur等人,2016年),这是由视频流媒体平台中的显示广告激励的。我们的主要技术是开发工具来改变算法的“贪婪”和“对冲”之间的权衡跨越阶段。我们依赖于一个特定的基于凸规划的匹配家族,该家族以特定的平衡方式在不同阶段的供应之间分配需求,同时仔细修改跨阶段匹配的平衡性。更准确地说,我们确定了一个序列的多项式与减少的程度被用来作为严格凹正则化的最大权匹配线性规划,以形成这些凸计划。在每个阶段,我们的算法返回相应的正则化最优解作为这一阶段的匹配(通过求解凸规划)。利用这些凸规划的结构性质,并递归地将正则化子连接在一起,我们开发了一个新的多阶段原始-对偶框架来分析竞争比。我们进一步证明了该算法是最优竞争的。
2022-11-29 cs.DS cs.GT
Matching-based Spectrum Allocation in Cognitive Radio Networks
提出了一种新的认知无线电网络频谱关联方法。基于推理和信心的措施,以及对服务质量的措施,在网络中的次级用户(SU)和授权给主用户(PU)的频带之间的关联进行了研究。该问题被制定为SU和PU之间的匹配游戏。在这个游戏中,SU采用软决策贝叶斯框架来检测PU的信号,并最终根据后验比的对数对它们进行排名。SU进一步计算捕获排名度量和速率两者的性能度量。使用此性能度量,PU评估其用于构建其自身关联偏好的自身效用函数。提出了一种允许SU和PU相互作用并自组织成稳定匹配的分布式算法。仿真结果表明,相对于延迟接受算法和随机信道分配方法,该算法可以将SU的速率之和分别提高20%和60%。结果还显示了改进的收敛时间。
2015-08-12 cs.GT cs.IT cs.NI
Object Allocation Over a Network of Objects: Mobile Agents with Strict Preferences
在最近的研究中,Gourvès,Lesca和Wilczynski提出了经典住房市场模型的一个变体,其中代理和对象之间的匹配通过社会网络中相邻代理对之间的帕累托改进交换来演变。为了探索他们模型的交换动力学,他们提出了几个关于可达匹配集的基本问题。在他们的工作和其他后续工作中,这些问题已经针对各种类型的图进行了研究:星,路径,广义星(即,树,其中最多一个顶点的度大于2),树和团。对于广义星和树,它仍然开放是否帕累托有效的可达匹配可以找到在多项式时间。在本文中,我们追求相同的一组问题下,他们的模型的自然变体。在我们的模型中,社会网络被替换为一个对象的网络,交换是允许发生在两个代理之间,如果它是帕累托改进和相关的对象是相邻的网络。在社会网络模型的多项式时间可解性与NP难性问题已经解决的情况下,我们能够证明,同样的结果适用于对象网络模型。此外,对于我们的模型,我们提出了一个多项式时间算法计算的Pareto有效的可达匹配广义星形网络。此外,我们提出的路径网络的对象可达性算法是显着快于已知的多项式时间算法在社会网络模型中的同一问题。
2021-10-07 cs.GT
Capacity Variation in the Many-to-one Stable Matching
多对一稳定匹配问题提供了几个现实世界的匹配市场,如学校选择和医院居民分配的基本抽象。双方的代理人通常被称为居民和医院。经典的设置假设代理人排名相反的一方,医院的能力是固定的。据了解,增加单个医院的能力,提高居民的最终分配。另一方面,减少单个医院的能力恶化了居民的分配。在这项工作中,我们研究的计算复杂性找到最佳的变化,导致最好的结果为居民的医院的能力,受到稳定性和能力变化的约束。首先,我们证明了寻找最优容量扩张的决策问题是NP-完全的,相应的优化问题在一定的因子内是不可逼近的。这个结果在严格和完全偏好下成立,即使我们将额外的能力分配给不相交的医院。第二,我们得到类似的计算复杂性的结果,容量减少的问题。最后,我们研究了这些问题的变种时,目标是最大化的大小不完全偏好列表下的最终匹配。
2022-05-03 cs.CC cs.GT
Counting Houses of Pareto Optimal Matchings in the House Allocation Problem
设$A,B$与$|A| = m$和$|B| = n\ge m$是两个集合。我们假设每个元素$a\in A$都有一个对$B$中所有元素的引用列表。我们称从$A$到$B$的单射映射$τ$为匹配。$τ$的阻塞联盟是$A$的子集$A'$,使得存在仅在$A'$的元素上与$τ$不同的匹配$τ'$,并且根据其偏好列表,与$τ$相比,$A'$的每个元素在$τ'$中得到改进。如果不存在阻塞联盟,我们称匹配$τ$为交换稳定匹配(ESM)。如果存在使用$b$的交换稳定匹配,则元素$b\in B$是可达的。所有可达元素的集合由$E^*$表示。我们证明了\[|E^*| \leq \sum_{i = 1,\ldots, m}{\left\lfloor\frac{m}{i}\right\rfloor} = Θ(m\log m).\]这是渐近紧的。一个集合$E\subseteq B$是可达的(分别精确可达),如果存在一个交换稳定匹配$τ$,其图像包含$E$作为子集(分别等于$E$)。我们给出了精确可达集的个数的界。我们发现,我们的结果持有在更一般的设置多匹配,当每个元素$a$的$A$是匹配的$\ell_a$元素的$B$,而不是只有一个。此外,我们给出了相应的算法问题的复杂性结果和算法。最后,我们描述了不可避免的元素,即,所有ESM使用的$B$元素。这产生了有效的算法来确定所有不可避免的元素。
2016-03-17 cs.CC cs.DM cs.GT
Graphical One-Sided Markets with Exchange Costs
本文提出一种允许成本为负的图形单边匹配市场模型以刻画物品交换获利场景,证明了核心稳定分配可能不存在但二稳定分配必定存在,并指出在图最大度数为五时求解二稳定分配是 PLS-hard 的。
2023-06-28 cs.GT
Context-Aware Small Cell Networks: How Social Metrics Improve Wireless Resource Allocation
提出了一种用于在具有设备到设备(D2D)通信的无线小小区网络(SCN)中优化和管理资源分配的新方法。所提出的方法允许联合利用无线用户的无线和社交环境,以优化资源的整体分配并改善SCN中的流量卸载。这种上下文感知的资源分配问题被公式化为匹配游戏,其中用户设备(UE)和资源块(RB)基于捕获无线和社交度量两者的效用函数彼此排名。由于社会的相互关系,这个游戏被证明属于一类匹配的游戏与同行的影响。为了解决这个问题,提出了一种新的自组织算法,使用该算法,UE和RB可以交互以决定它们期望的分配。然后证明所提出的算法收敛到UE和RB之间的双侧稳定匹配。然后研究和评估所得到的稳定结果的性质。使用真实社交数据的仿真结果表明,社交连接的用户的聚类允许卸载比传统的上下文不知道的方法大大增加的流量。这些结果表明,利用社会背景在节省无线链路和回程上的资源方面具有很高的实际意义。
2015-05-15 cs.GT cs.IT math.IT
Dynamic Matching with Post-allocation Service and its Application to Refugee Resettlement
University of California, Berkeley, CA(加州大学伯克利分校);Yale School of Management(耶鲁商学院);University of Chicago Booth School of Business(芝加哥大学布斯商学院);Harvard Business School(哈佛商学院)
本文针对难民安置中的动态匹配问题,提出基于对偶变量学习的算法,在无需分布知识的情况下兼顾匹配奖励、动态资源拥堵和静态资源过度分配成本,并在真实数据上验证其优于现有方法。
2025-07-02 cs.DS cs.GT cs.LG
Distributed Learning Dynamics Converging to the Core of $B$-Matchings
本文研究二部 $B$-匹配的核心求解,提出多项式时间集中式动态和仅依赖局部期望与匹配状态、以概率 1 收敛的分布式学习动态。
2024-09-16 cs.GT
Fair and Welfare-Efficient Constrained Multi-matchings under Uncertainty
University of Massachusetts Amherst(马萨诸塞大学阿默斯特分校)
本文研究不确定性下公平且福利高效的约束多匹配问题,提出基于机器学习估计效用,并在随机与鲁棒优化范式下权衡均值与方差,优化功利和平均福利目标,在三个公开数据集上验证有效性。
2024-11-04 cs.GT cs.LG
Automating Food Drop: The Power of Two Choices for Dynamic and Fair Food Allocation
Purdue University(普渡大学)
本文针对Food Drop食品分配中人工匹配耗时且分配不公的问题,提出基于两种随机选择的加权balls-into-bins匹配算法,实现公平与效率平衡的实时自动化分配,并证明了最大负载的高概率上界。
2024-06-10 cs.AI cs.GT
Dynamic Matching Under Patience Imbalance
Wuhan University(武汉大学);The Chinese University of Hong Kong, Shenzhen(香港中文大学(深圳));Rotman School of Management, University of Toronto(多伦多大学罗特曼管理学院);DeGroote School of Business, McMaster University(麦克马斯特大学德格罗斯特商学院)
研究在有耐心不平衡的双侧平台中,通过调整匹配收益分配,实现去中心化系统与集中化最优的匹配策略,分析不同耐心水平下的社会福利影响。
2026-02-03 cs.CY cs.GT econ.TH
Primal-Dual Algorithms with Predictions for Online Bounded Allocation and Ad-Auctions Problems
LIG(LIG研究所);INRIA(法国国家信息与自动化研究所);University Grenoble-Alpes(格勒诺布尔-阿尔卑斯大学);CNRS(法国国家科学研究中心);Grenoble INP(格勒诺布尔理工学院)
本文针对在线有界分配和广告拍卖问题,提出基于机器学习预测的原始-对偶算法,在预测准确时超越先前性能界限,预测错误时仍保持标准最坏情况保证,并通过实验验证了理论。
2024-02-13 cs.DM cs.DS cs.GT