Existence and Computation of Maximin Fair Allocations Under Matroid-Rank Valuations
我们研究公平和经济有效的分配不可分割的商品之间的代理商的估值是秩函数的拟阵。这样的赋值构成了一类研究得很好的子模函数（即，它们表现出收益递减属性），并在若干资源分配设置中模拟偏好。我们证明了，拟阵秩估值，一个社会福利最大化的分配，使每个代理她的最大最小份额总是存在的。此外，这种分配可以在多项式时间内计算。我们建立了类似的存在性和算法的结果，成对的最大最小份额保证。为了补充这些结果，我们表明，如果代理有二进制XOS估值或加权排名估值，那么最大最小公平分配不保证存在。这两个估值类都是拟阵秩函数的直接推广。
2021-02-04 cs.GT
The Fairness of Leximin in Allocation of Indivisible Chores
leximin解决方案-选择最大化最小效用的分配，然后是第二个最小效用，等等-已知在分配不可分割商品时，在某些情况下提供EFX（任何商品都不嫉妒）公平保证。然而，当用来分配不可分割的家务时，leximin解决方案的公平性仍然是未知的。在本文中，我们证明了leximin解决方案可以修改，也提供了令人信服的公平保证分配不可分割的家务。首先，我们推广了leximin解的定义。然后，我们表明，leximin解决方案发现一个PROP 1（比例高达一个好）和PO（帕累托最优）分配3或4代理的背景下，家务分配与添加剂不同的估值。此外，我们证明了leximin解决方案是EFX的商品和家务的组合，一般但相同的估价代理。
2020-05-11 cs.GT
Fair Allocation of Two Types of Chores
研究两类不可分家务在加性估值下的公平分配问题，提出了计算EF1和帕累托最优分配、EFX分配的多项式时间算法，并证明可在多项式时间内验证无嫉妒分配的存在性。
2023-05-24 cs.GT
Strategyproof and Approximately Maxmin Fair Share Allocation of Chores
我们发起了关于公平和战略性地分配不可分割的家务的工作。公平性的概念，我们认为在本文中是最大最小份额（MMS）公平性。我们考虑三个以前研究过的模型，从代理商的信息：顺序模型，基数模型，和公共排名模型，其中顺序偏好是公开的。我们提出了积极和消极的MMS近似的水平上的结果，可以保证，如果我们需要的算法是strategyproof。我们的研究结果揭示了一些有趣的对比之间的近似比率实现家务与货物。
2019-05-22 cs.GT
On Fair Allocation of Indivisible Goods to Submodular Agents
我们考虑的问题，公平分配不可分割的商品与子模块的估价功能，代理人可能有平等的权利或任意（可能不平等）的权利。我们专注于基于份额的公平性概念，特别是，最大最小份额（MMS）平等的权利和任意价格份额（APS）的任意权利，并设计分配算法，给每个代理的价值束至少有一些恒定的分数，她的份额价值。对于平等权利情况（和子模块估值），Ghodsi，Hajiaghayi，Seddighin，Seddighin和Yami [EC 2018]设计了一种用于$\frac{1}{3}$ -最大最小公平分配的多项式时间算法。我们以两种不同的方式改进这个结果。我们认为一般情况下的任意权利，并提出了一个多项式时间算法，保证子模块代理$\frac{1}{3}$的APS。对于平等的权利的情况下，我们提高了近似比，并获得$\frac{10}{27}$ -最大最小公平分配。我们的算法基于Babaioff，Ezra和Feige [EC 2021]先前介绍的某个投标游戏的设计策略。
2023-03-22 cs.GT
Fair Allocation with Special Externalities
现有的公平分割算法大多没有考虑外部性。在外部性下，一个代理人获得的效用不仅取决于其分配，而且取决于其他代理人的分配。代理人对分配的货物（家务）具有正（负）值。这项工作的重点是一个特殊的情况下，外部性，即，一个代理接收未分配的项目独立于其他代理得到它的积极或消极的价值。我们表明，它是可能的，以适应现有的算法使用的转换，以确保一定的公平性和效率的概念，在这种设置。尽管取得了积极的成果，但需要重新定义相称性等公平概念。此外，我们证明了最大最小份额（MMS）可能没有任何乘法近似在此设置。研究这一领域是迈向完全外部性的垫脚石，在这种情况下，确保公平更具挑战性。
2022-02-25 cs.GT
Mechanism Design without Money for Fair Allocations
在资源分配的范围内对公平问题进行了很好的研究。研究人员提出了各种公平概念，如无嫉妒（EF）及其放松，比例和最大最小份额（MMS）。有大量的文献对这些概念的存在和计算方面。在计算公平分配时，任何算法都假设代理人真实地报告了他们对资源的估值。而在现实世界中的基于网络的应用程序的公平分工，代理人参与的战略，并可能操纵个人效用收益。在本文中，我们研究了无货币转移的防策略机制，它满足各种公平性标准。我们知道，对于加法估值，为EF、MMS和比例设计真实的机制是不可能的。在这里，我们表明，不可能有一个真实的机制EFX和现有的算法EF1是可操纵的。然后，我们研究专一代理的特殊情况。对于这种情况，我们提供了一个串行独裁机制，该机制是防策略的，并且满足除EF之外的所有公平性标准。
2021-12-14 cs.GT
Fair and consistent prize allocation in competitions
在比赛的最终排名中，总奖金应如何在参赛者之间分配？我们研究了满足基本团结和公平原则的一致奖金分配规则。特别是，我们公理化的特点几个家庭的规则，满足匿名性，秩序保持，和养老金的单调性，这都属于平分规则和赢家通吃规则。直接得到规则和子族的具体刻画。据我们所知，本文是第一个开发和激励奖金分配规则的排名顺序竞争直接从公理。
2021-07-29 cs.GT
Fair Allocation of Conflicting Items
我们研究不可分割物品的公平分配，其中物品具有一组冲突，并且不允许代理人接收冲突的物品。例如，这类约束捕获了参与时间上重叠的事件，或者在存在利益冲突的情况下承担角色。我们从理论和实验两方面证明，公平性特征，如EF 1，MMS和MNW仍然是适用的和有用的项目冲突。在其他存在性，不存在性和可计算性的结果，我们表明，$1/Δ$ -近似MMS分配$n$代理可能会发现在多项式时间时，$n>Δ>2$，任何冲突图与最大程度$Δ$，并且，如果$n > Δ$，1/3近似MMS分配总是存在。
2022-01-31 cs.GT
Mechanism Design for Fair Allocation
社会效用是代理效用之和的机制设计是一个研究得很好的问题。然而，有一些理论和实际利益的问题，设计师可能有一个不同的目标比最大化的SoU。这样做的动机之一是希望在各代理人之间更公平地分配资源。第二个更微妙的动机是，更公平的分配间接意味着税收变化较小，这在（隐性）个人代理人预算限制使支付大笔税收不现实的情况下是可取的。在本文中，我们研究了一个家庭的社会公用事业，提供公平的分配（与SoU被归入作为一个极端的情况下），并得出条件下，贝叶斯和显性策略的实施是可能的。此外，它示出了如何一个简单的修改，上述机制可以保证充分的贝叶斯实现。通过算例表明，该方法在分配公平性和税收减免方面都有显著的收益。
2015-09-28 cs.GT
The Price of Opportunity Fairness in Matroid Allocation Problems
本研究刻画并界定了拟阵分配问题中机会公平的代价，证明在无主导组时公平约束不损社会福利，为权衡提供理论依据。
2025-10-23 cs.GT
Fair Allocation with Interval Scheduling Constraints
研究了一个公平的资源调度问题，其中一组间隔作业被分配给由代理控制的异构机器。每个作业都与发布时间、截止日期和处理时间相关联，使得如果其完整处理周期在其发布时间和截止日期之间，则可以处理该作业。机器通过处理不同的作业获得可能不同的效用，并且分配给同一台机器的所有作业应该不重叠地处理。我们认为两个广泛研究的解决方案的概念，即，最大化分享公平和无嫉妒。对于这两个标准，我们讨论在何种程度上存在公平的分配和目前的恒定近似算法的各种设置。
2021-12-30 cs.GT
Fair Graphical Resource Allocation with Matching-Induced Utilities
受实际应用的启发，我们研究了图形资源的公平分配问题，其中资源是图中的顶点。在接收到一组资源时，代理的效用等于导出子图中的最大匹配的权重。我们关心最小份额（MMS）的公平性和最多一项（EF1）的无嫉妒性。关于MMS的公平性，问题不承认一个有限的近似比异构代理。对于同质代理，我们设计了常数近似多项式时间算法，并指出，显着的社会福利是不可避免地牺牲，以确保（近似）MMS公平。然后，我们考虑EF1分配的存在是有保证的。然而，EF1分配的社会福利保证不能优于$1/n$的一般情况下，其中$n$是代理的数量。幸运的是，对于三种特殊情况，二进制权重，两个代理和代理，我们能够设计多项式时间算法，也确保一个常数的最大社会福利的分数。
2022-12-02 cs.GT
Weighted Envy-Freeness Revisited: Indivisible Resource and House Allocations
University of Electronic Science and Technology of China（电子科技大学）
提出SumAvg-无嫉妒性概念，显著提高公平分配的存在性，并系统研究新旧加权公平概念在不可分资源分配和房屋分配中的计算复杂性。
2026-06-26 cs.GT
Best of Both Worlds: Ex-Ante and Ex-Post Fairness in Resource Allocation
研究了具有可加性估值的不可分商品在代理人之间的分配问题。当随机化被允许时，就有可能实现令人信服的公平概念，例如无嫉妒，即任何代理人都不应该喜欢任何其他代理人的分配。当分配必须是确定性的，实现精确的公平是不可能的，但近似的概念，如嫉妒自由到一个好可以保证。我们在这项工作中的目标是同时实现这两个，通过构建一个随机分配，是完全公平的事前和近似公平的事后。我们要解决的关键问题是，事前的无嫉妒是否可以与事后的无嫉妒结合起来实现。我们通过设计一个同时实现这两个属性的有效算法来解决这个问题。如果我们另外要求经济效率，我们得到一个不可能的结果。然而，我们表明，经济效率和事前嫉妒免费可以同时实现，如果我们稍微放松我们的事后公平保证。在我们的方式，我们的特点是著名的最大纳什福利分配规则，最近推出的公平性保证，适用于群体的代理，而不仅仅是个人。
2020-05-28 cs.GT
Epistemic vs. Counterfactual Fairness in Allocation of Resources
本文通过人类受试者实验比较资源分配中EF的反事实与认知松弛，发现认知EF被感知为更公平，并分析规模、结果平衡和认知努力对公平推理的影响。
2025-06-10 cs.GT
Fair allocation of combinations of indivisible goods and chores
我们考虑公平划分一组项目的问题。许多公平分配的文献假定这些物品是"货物"，即，它们为代理人带来了积极的效用。也有一些工作的项目是"家务"，产生负效用的代理人。在本文中，我们考虑一个更一般的情况下，代理可能有负或正效用的每一个项目。该框架捕捉，例如，公平的任务分配，其中代理可以为每个任务提供正效用和负效用。我们表明，而一些积极的公理和计算结果扩展到这个更一般的设置，其他人没有。我们提出了几个新的和有效的算法，在这个一般设置中找到公平的分配。我们还指出了文献中存在的一些差距，满足一定的公平性和效率属性的分配，并进一步研究计算这种分配的复杂性。
2021-03-17 cs.GT
Fair and Efficient Allocations of Chores under Bivalued Preferences
我们研究的问题，公平和有效的分配一组不可分割的家务代理加性成本函数。我们认为，流行的公平概念的嫉妒免费高达一个好（EF1）与帕累托最优（PO）的效率概念。虽然已知存在EF 1 +PO分配并且在货物的情况下可以在伪多项式时间中计算，但是对于杂务也存在相同的问题。我们的第一个结果是一个强多项式时间算法计算EF1+PO分配的双值实例，代理有（最多）两个负效用值的家务。据我们所知，这是第一个非平凡类不可分割的家务承认EF1+PO分配和有效的算法计算。我们还研究了可分割家务的情况下，计算无嫉妒（EF）和PO分配的问题。虽然EF+PO分配的存在性是通过收入相等的竞争均衡已知的，但其有效计算是开放的。我们的第二个结果表明，对于双值实例，EF+PO分配可以在强多项式时间内计算。
2021-10-18 cs.GT
Improved maximin fair allocation of indivisible items to three agents
考虑了具有可加性评价函数的三个代理之间不可分项目的近似最大最小份额（MMS）分配问题。对于商品，我们表明，$\frac{11}{12}$ - MMS分配总是存在的，提高了以前已知的界限$\frac{8}{9}$。此外，在我们的分配，我们可以预先指定一个代理，是接收她的全部比例份额（PS），我们还提出的例子表明，这种分配的比例$\frac{11}{12}$是最好的可能。对于家务，我们表明，一个$\frac{19}{18}$ -MMS分配总是存在的。此外，在这种情况下，我们可以预先指定一个代理，是接收不超过她的PS，我们提出的例子表明，这种分配的比例$\frac{19}{18}$是最好的可能。
2022-05-11 cs.GT
Fair Allocation of Indivisible Items With Externalities
公平分配中的一个重要而又缺乏充分研究的课题是代理人之间的外部性效应。对于一个资源分配问题，外部性意味着分配给一个代理的捆绑可能会影响其他代理的效用。本文研究了在外部性不可忽略的情况下，不可分割商品的公平分配问题。我们提出了一个简单而自然的模型，即\emph{network externalities}，捕捉外部性。为了评价网络外部性模型中的公平性，我们推广了最大最小份额（$\MMS$）概念背后的思想，以实现一个新的标准，即\emph{extended-maximin-share}（$\EMMS$）。接下来，我们考虑与我们的模型有关的两个问题。首先，我们讨论了计算方面的发现每个代理的$\EMMS$的值。为此，我们引入了一个广义形式的划分问题，其中包括许多著名的划分问题，如极大极小，极大极小，和leximin划分问题。我们表明，一个$1/2$ -近似算法存在此分区问题。接下来，我们研究寻找近似最优的$\EMMS$分配。也就是说，分配保证每个代理的效用至少是他的扩展最大化份额的一小部分。我们表明，在一个自然的假设下，代理是$α$ -自力更生，$α/2$ - $\EMMS$分配总是存在的。将其与前一结果相结合，得到多项式时间$α/4$ - $\EMMS$分配算法。
2018-05-16 cs.GT
Developments in Multi-Agent Fair Allocation
在设计市场、分配程序和计算机系统时，公平正成为一个越来越重要的问题。我调查了多代理公平分配领域的一些最新进展。
2020-06-12 cs.DS cs.GT
Algorithmic Fair Allocation of Indivisible Items: A Survey and New Questions
算法公平分配的理论是在过去十年中的多智能体系统和经济学的中心，由于其工业和社会的重要性。在高层次上，问题是将一组物品分配给一组代理人，这些物品要么是货物，要么是家务，以便每个代理人都对她所获得的感到满意。特别是，在本次调查中，我们关注的是不可分割的项目，无法保证绝对的公平性，如无嫉妒和相称性。在最近的研究议程的一个主要主题是关于设计算法，近似实现的公平性标准。我们的目标是通过算法的棱镜，提出一个全面的调查最近的进展，突出的方法来放松公平的概念和常见的技术来设计算法，以及最有趣的问题，为未来的研究。
2022-02-17 cs.GT
Maximin Fair Allocation of Indivisible Items under Cost Utilities
本文研究成本效用下不可分割物品的公平分配，证明三智能体时MMS分配总存在，并在层叠集合批准偏好下推广至任意数量智能体，同时探讨策略证明机制的可能性。
2024-07-18 cs.GT
Unified Fair Allocation of Goods and Chores via Copies
本文将商品、杂务和复制品模型中不可分物品的公平分配问题作为一个统一的框架，研究了：（1）商品和复制品的EFX及其它解的存在性;（2）杂务的EFX及其它解的存在性。我们通过两个概念的贡献建立了这些问题之间的紧密关系：第一，一个完善的嫉妒为基础的公平的概念，我们羡慕\emph{without commons}（表示$\efxwc$时，适用于EFX）。第二，一个正式的\emph{duality theorem}有关的存在的主机（细化）公平分配概念的副本，他们的存在为杂务。我们证明了我们的对偶结果的有用性，用它来描述存在的EFX家务通过对偶环境，以及证明EFX存在的特殊情况下，水平的偏好超过家务。我们进一步研究的层次结构之间的嫉妒免费的概念，没有公地和他们的$α$ -MMS的保证，例如，任何$\efxwc$分配保证至少$\frac{4}{11}$ -MMS的商品与副本。
2021-09-28 cs.GT
Fair Ride Allocation on a Line
机场博弈是一个经典而著名的多代理人公平分担单个设施成本的模型。本文将其扩展到所谓的分配设置，即对于多个设施和代理，每个代理选择一个设施使用，并与其他代理分担成本。这种情况在共享经济中很常见，比如员工之间共享办公桌的费用，同一条线路上可能不同目的地的顾客之间共享出租车的费用等等。我们的模型被认为是一个基于公平分担机场成本的联盟形成博弈，我们称之为\emph{a fair ride allocation on a line}。作为标准的解决方案的概念，我们将纳什稳定性和嫉妒自由到我们的设置。我们表明，纳什稳定的可行分配，最大限度地减少社会成本的代理可以有效地计算，如果一个可行的分配存在。对于无嫉妒，我们提供了几个无嫉妒分配的结构性质。在此基础上，我们设计了有效的算法，找到一个无嫉妒分配时，至少有一个（1）设施的数量，（2）设施的容量，（3）代理类型的数量，是小的。此外，我们表明，一个连续的无嫉妒分配可以计算在多项式时间。在消极的方面，我们显示了NP-困难的两个宽松的无嫉妒的概念下，确定存在的分配。
2021-05-05 cs.GT
Learning Fair Allocation of Indivisible Items from Limited Feedback
University of Southern California（南加州大学）
研究算法在未知估值下通过有限反馈学习公平分配不可分割物品的问题，提出基于椭球法的框架，在加性估值下多项式时间内找到EF1或PROP1分配，并在单调估值下保证多项式轮次内找到EF1分配。
2026-08-03 cs.GT
Fair Chore Division under Binary Supermodular Costs
我们研究的问题，划分不可分割的家务代理的成本（家务）是超模集函数与二进制边缘。这样的功能捕捉家务之间的互补性，即，它们构成了一个表达类，其中每个杂务的边际负效用要么是1，要么是0，并且边际相对于超集增加。在这种情况下，我们研究了寻找公平和有效的家务分配的广阔前景。特别是，我们建立了$(i)$ EF 1和帕累托有效的家务分配，$(ii)$ MMS公平和帕累托有效的分配，和$(iii)$洛伦兹主导家务分配的存在。此外，我们开发多项式时间算法-在值预言模型-计算这些公平性和效率标准的家务分配。补充这些存在和算法的结果，我们表明，在这个家务分工设置，上述公平的概念，即EF 1，MMS和洛伦兹支配是无与伦比的：一个分配，满足这些概念中的任何一个不一定满足其他。此外，我们还研究了EFX家务分工。在上述积极的结果相比，我们表明，对于二进制超模成本，帕累托有效的分配，甚至近似EFX不存在，任何任意小的近似常数。仅关注EFX公平性，当成本函数相同时，我们提出了一种计算EFX分配的算法（Add-and-Fix）。对于二进制边缘，我们表明，添加和修复运行在多项式时间。
2023-02-22 cs.GT
A Polynomial Time Algorithm for Fair Resource Allocation in Resource Exchange
随着无线和移动互联网的迅速发展，网络资源交换的应用越来越广泛，如何公平地分配网络资源成为网络资源交换中的一个重要挑战。为了激励共享，提出了一种基于瓶颈分解的组合结构的资源分配机制。该机制已被证明具有公平性，经济效率[17]和对两种战略行为的真实性[2，3]。不幸的是，如何计算任何图的瓶颈分解的关键仍然没有触及。为了填补这一空白，本文着重研究了瓶颈分解的计算，证明了网络$G = (V, E; w_v)$的瓶颈分解可以在$O(n^6 log(nU))$中计算，其中$n = |V|$和$U = max_{v\in V} w_v$ .基于瓶颈分解，可以在多项式时间内得到资源交换系统的公平分配。此外，我们的工作完成了一个市场均衡的计算和它的关系，在资源交换的公平性的两个概念。
2019-05-05 cs.GT
Computing Welfare-Maximizing Fair Allocations of Indivisible Goods
本文研究不可分割物品的公平且功利福利最大化的分配计算复杂度，证明多数情况下NP难，并为固定代理数设计伪多项式算法。
2022-09-24 cs.GT
Fairly Allocating Contiguous Blocks of Indivisible Items
本文研究了公平分配不可分割项目的经典问题，并具有项目位于一条线上的额外特征。我们的目标是找到一个连续的公平分配，这意味着每个代理的捆绑在线路上形成一个连续的块。虽然分配满足经典的公平性的比例，无嫉妒，公平性的概念不能保证存在，即使没有连续性的要求，我们显示了连续的分配满足这些概念的近似版本，不降低代理或项目的数量增加。我们还研究了由于公平性约束的连续分配的效率损失。
2018-04-19 cs.GT
Democratic Fair Allocation of Indivisible Goods
我们研究的问题，公平分配不可分割的商品组的代理商。同一组中的代理人共享同一组商品，即使他们可能有不同的偏好。以前的工作集中在一致公平，其中每个组中的所有代理必须同意他们组的份额是公平的。在这种严格的要求下，公平分配只存在于小团体。我们引入了民主公平的概念，其目的是满足一定比例的代理在每个组。这个概念更适合城市或国家等大型群体。我们提出了两个或两个以上的任意大组的代理人与单调，添加剂，或二进制估值之间的民主公平分配协议。对于两组任意单调赋值，我们给出了一个有效的协议，保证envy-freeness高达一个好的至少$1/2$的代理在每个组中，并证明了$1/2$分数是最优的。我们还提出了其他协议，使较弱的公平性保证更多的代理在每个组中，或更多的群体。我们的协议结合了来自不同领域的技术，包括组合博弈论，蛋糕切割和投票。
2019-06-10 cs.GT
Fair Allocation based on Diminishing Differences
对备选方案进行排名是人类解释自己偏好的一种自然方式。它被用于许多环境，如学校选择，课程分配和居住匹配。在某些情况下，会给每个参与者几个“项目”。在没有任何关于基础基数效用的信息的情况下，讨论分配的公平性需要将序数项排序扩展到序数束排序。最常用的这种扩展是随机显性（SD），其中如果根据所有加性得分函数，束X的得分更好，则束X优于束Y。SD是一个非常保守的扩展，其中很少分配是必然公平的，而许多分配可能是公平的。我们建议对参与者的基本效用做一个自然的假设，即顶部两个项目之间的差异大于底部两个项目之间的差异。这个假设意味着一个我们称之为差异递减（DD）的偏好扩展，其中X优于Y，如果它的分数根据所有满足DD假设的加性分数函数更好。根据这个假设，我们给出了一个完整的特征的分配是必要的比例或可能的比例。基于此特征，我们提出了一个多项式时间算法找到一个必要的DD比例分配，如果它存在。使用模拟，我们表明，以高概率，一个必要的比例分配不存在，但一个必要的DD比例分配存在，而且，该分配是根据基本的基数效用成比例。我们还考虑了类似条件下的家务分配-增加差异。
2019-08-01 cs.GT
Fair and Efficient Allocations with Limited Demands
我们研究了公平分配问题之间分配多个资源与Leontief的偏好，每个人都需要完成有限的工作量，我们称之为“有限的需求”的一组代理。我们研究了经典的主导资源公平性（DRF）机制在这种情况下的行为，并表明它是公平的，但只有弱帕累托最优和效率低下，在许多自然的例子。我们建议作为一种替代的最小成本产品（LCP）机制，最大纳什福利的自然适应这一设置。我们的特点的LCP机制在这种设置的分配结构，表明它是帕累托有效的，它满足相对较弱的公平性共享激励。虽然我们证明它满足更强的公平性（预期）嫉妒自由在某些特殊情况下，我们提供了一个反例，表明它并不这样做，在一般情况下，一个鲜明的对比，在其他设置的“不合理的公平性”的最大纳什福利。然而，模拟表明，这些违反嫉妒自由的行为在随机生成的例子中很少见。
2021-02-28 cs.GT
Best-of-Both-Worlds Fairness and Pareto Optimality
UNSW Sydney（新南威尔士大学）
该研究针对不可分物品公平分配问题，提出构造满足无嫉妒及EFX、帕累托最优的确定性分配彩票的方法，证明两主体时可行，三主体四物品时可能不存在符合要求的事前无嫉妒彩票。
2026-08-11 cs.GT
Constrained Fair and Efficient Allocations
该研究针对加性估值下带多种可行性约束的不可分物品分配问题，证明最大纳什福利解在拟阵等约束下可满足1/2-EF1与帕累托最优，并通过新技术扩展约束范围、确立结果紧致性，还给出带副本物品场景的改进与两全保证。
2024-10-31 cs.GT
Best-of-Both-Worlds Fair Allocation of Indivisible and Mixed Goods
本文研究不可分割及混合物品的事前与事后公平分配，给出两智能体多项式时间随机算法，并证明二值效用下多智能体可同时满足比例性、无嫉妒性、EFX/EFM 与分数 Pareto 最优。
2024-10-23 cs.GT
On Fair and Efficient Allocations of Indivisible Public Goods
我们研究基数（预算）约束下不可分割的公共物品的公平分配。在这个模型中，我们有n个代理人和m个可用的公共物品，我们希望以公平有效的方式选择$k \leq m$物品。我们首先建立私人物品，公共物品和公共决策模型之间的基本联系，提出多项式时间减少最大纳什福利（MNW）和leximin的流行的解决方案的概念。众所周知，这些机制在私人物品和公共决策环境中提供了显著的公平和效率保障。我们表明，即使在公共物品的情况下，他们保留这些可取的属性。我们证明了MNW分配提供公平性保证的比例高达一个好的（Prop 1），$1/n$近似轮循共享（RRS），和帕累托最优（PO）的效率保证。此外，我们发现，MNW或leximin最优分配的问题是NP难的，即使在不断的代理人，或二进制估值的情况下。这与允许二进制估值下的多项式时间算法的私人物品设置形成鲜明对比。我们还设计了伪多项式时间算法计算一个确切的MNW或leximin的最优分配的情况下（i）不断有许多代理商，（ii）不断有许多商品与添加剂的估值。我们还提出了一个O（n）因子的近似算法MNW也满足RRS，Prop 1和1/2-Prop。
2021-07-21 cs.GT
Weighted EF1 Allocations for Indivisible Chores
我们研究如何公平地分配一组不可分割的家务一组代理，其中每个代理$i$有一个非负的权重$w_i$，代表其义务承担的家务。我们认为公平的概念加权envy-freeness一个项目（WEF 1），并提出了一个有效的采摘序列算法计算WEF 1分配。我们的分析是基于一个自然的和强大的连续解释的采摘序列算法在加权设置，这可能是独立的利益。使用这种解释，我们建立了必要和充分条件下，采摘序列算法可以保证其他公平的概念，在加权设置。我们还研究了公平和有效的分配的存在性，并提出了有效的算法计算的WEF 1和PO分配的双值实例。我们的结果将Garg等人（AAAI 2022）和Ebadian等人（AAMAS 2022）的结果推广到加权设置。我们的工作还研究了WEF 1的公平代价，以及WEF 1对其他公平概念的影响。
2023-01-19 cs.GT
Fair and Efficient Multi-Resource Allocation for Cloud Computing
我们研究的问题，分配多种类型的资源与Leontief偏好的代理。经典的主导资源公平（DRF）机制满足多个期望的公平和激励属性，但已知在社会福利近似比方面具有较差的性能。在这项工作中，我们提出了一个新的近似比度量，称为\emph{\fratio}，它被定义为最优社会福利之间的最坏情况下的比率（分别为）。利用率）之间的所有\emph{fair}分配，并通过该机制，使我们能够打破经典的近似比下的下限障碍。然后，我们推广DRF和提出了几个新的机制，两种和多种类型的资源，满足相同的属性集的DRF，但更好的社会福利和利用率保证下的新基准。我们还通过在合成和真实世界数据集上的实验证明了这些机制的有效性。
2022-10-11 cs.GT
On the Hardness of Fair Allocation under Ternary Valuations
该研究针对三元可加估值下的不可分物品公平分配问题，证明了最大纳什福利与最大平等福利的最大化问题大多为APX难，同时解决了此前相关领域的公开问题，推进了两类公平分配的复杂度刻画研究。
2024-10-31 cs.GT
Optimal Traffic Allocation for Multi-Slot Sponsored Search: Balance of Efficiency and Fairness
本文针对多广告位赞助搜索中的预算分配不公平问题，提出基于基尼指数公平度量的全局优化模型和在线算法，在保持效率的同时提升广告流量分配的公平性。
2025-02-03 cs.GT
Optimal Sharing and Fair Cost Allocation of Community Energy Storage
研究了一种多建筑物联合投资的储能共享模型，该模型利用了现场可再生能源利用和电网价格套利。为了最大限度地提高经济效益，我们共同考虑的ES规模，操作和成本分配通过联盟博弈公式。特别是，我们研究了一个公平的事后成本分配的基础上核仁，解决公平性最小化所有球员的最小不满。为了克服由隐式特征函数引起的指数计算负担，我们采用约束生成技术，通过利用稀疏问题结构来逐渐接近唯一的核仁。我们证明了公平性和计算效率的方法，通过案例研究，这是不提供现有的Shapley方法或比例方法。特别是，只有一小部分的特征函数（小于1%的20个建筑物），需要实现成本分配与Shapley方法所需的指数信息。虽然有一个小的计算量比比例方法增加，所提出的方法可以确保公平性，而后者在某些情况下失败。此外，我们证明了建设明智的和社区明智的经济效益与ES共享模型在个人ES（IES）模型增强。因此，ES的整体值显著提高（约1.83倍）。
2021-04-05 cs.GT
Fair and Efficient Online Allocations with Normalized Valuations
一组可分割的资源在一系列回合中变得可用，需要立即和可分配。我们的目标是分配这些资源，以最大限度地提高公平和效率。在对抗性的环境中实现任何重要的保证是不可能的。然而，我们表明，正常化的代理价值观，一个非常常见的假设，在公平的分工，让我们逃避这种不可能性。我们的主要结果是一个在线算法的情况下，两个代理，确保结果是羡慕免费的，同时保证91.6%的最佳社会福利。我们还表明，这是接近最优的：没有羡慕免费的算法，保证超过93.3%的最优社会福利。
2020-09-25 cs.GT
Robust and fair work allocation
在当今的数字世界中，与在线平台的交互无处不在，因此内容审核对于保护用户免受不符合预先制定的社区准则的内容的影响非常重要。在规划的每个阶段都有一个强大的内容审核系统尤为重要。我们研究的短期规划问题分配人类内容审查不同的有害内容类别。我们使用公平分工的工具，研究竞争均衡和leximin分配规则的应用。此外，我们将传统的费舍尔市场设置，具有实际意义的新方面。第一个方面是不同内容类别的预测工作量。我们展示了如何制定的灵感来自著名的艾森伯格-盖尔计划，使我们能够找到一个分配，不仅满足预测的工作量，但也公平地分配剩余的审查时间之间的所有内容类别。由此产生的分配也是稳健的，因为额外的分配在实际工作量偏离预测工作量的情况下提供了一个护栏。第二个实际考虑因素是时间分配，这是因为合作伙伴需要为审查人员提供跨天的日程安排指导，以实现效率。为了解决时间的组成部分，我们引入了新的扩展的各种公平分配方法的单时间段设置，我们表明，许多属性在本质上扩展，尽管有一些修改。与时间成分相关，我们还研究了如何满足市场对平滑分配的期望（例如，内容审查者的合作伙伴更喜欢不随时间变化太大的分配，以最大限度地减少人员配备的变化）。我们通过从Meta获得的真实数据证明了我们提出的方法的性能。
2022-02-14 cs.GT
Constrained Fair Allocations via Partition Matroid Reductions
University of Toronto（多伦多大学）
该研究在加性估值与拟阵约束下，针对三个智能体的层状拟阵正面解决了EF1分配的存在性问题，还扩展技术至四个智能体，同时证明横截拟阵等类别下EF1分配的存在性。
2026-09-01 cs.GT
Fair Allocation of Indivisible Goods: Improvement and Generalization
研究了不可分割商品的公平分配问题。我们使用的最大最小共享范式介绍Budish作为衡量公平性。Procaccia和Wang（EC'14）首先研究了添加剂设置中的这个基本问题。与现实世界的实验表明，他们表明，最大最小的保证（1-MMS分配）并不总是可能的，即使代理的数量被限制为3。虽然近似解的存在（例如，$1/2$ -MMS分配）是非常简单的，但是对于较大的常数，改善保证变得更加微妙。Procaccia提供了$2/3$ -MMS分配存在的证明，并为更好的保证留下了问题。我们的主要贡献是回答上述问题。我们将[Procaccia和Wang]的结果改进为可加性设置中的$3/4$因子。我们的$3/4$ -MMS分配方法的主要思想是集群的代理。为此，我们引入了三个概念和技术，即reductionary，匹配分配，和循环嫉妒自由，并证明了我们的算法通过这些技术的非平凡应用的近似保证。我们的分析涉及着色和重复计算参数，可能是独立的利益。目前关于公平分配的研究的一个主要缺陷是估值的可加性假设。我们减轻这一点，通过扩展我们的结果的情况下，子模块化，分数subadditive和subadditive设置。更确切地说，我们给子模块化和XOS代理的常数近似保证，和对数近似的情况下，subadditive代理。此外，我们补充我们的结果，提供密切的上界为每一类的估值函数。最后，我们提出了算法，找到这样的分配添加剂…
2017-07-23 cs.GT
Fair and Efficient Allocations under Subadditive Valuations
我们研究的问题分配一组不可分割的商品与次加性估价代理之间的公平和有效的方式。在不可分割的商品的背景下，对任何商品的嫉妒自由（EFX）是最令人信服的公平概念。虽然EFX的存在性不知道超出了两个代理的简单情况下，次可加估值，一些很好的近似EFX已知存在，即$\tfrac{1}{2}$ -EFX分配和EFX分配有限慈善。纳什福利（代理人估值的几何平均值）是最常用的效率衡量标准之一。在加法估值的情况下，最大化纳什福利的分配也满足公平属性，如直到一个商品（EF 1）。虽然有大量的工作近似纳什福利时，代理商有添加剂的估值，很少有人知道当代理商有次加性估值。在本文中，我们设计了一个多项式时间的算法，输出的分配，满足EFX的两个近似，以及实现了$\mathcal{O}(n)$近似的纳什福利。我们的研究结果还提高了目前最知名的近似$\mathcal{O}(n \log n)$和$\mathcal{O}(m)$纳什福利时，代理子模块和subadditive估值，分别。此外，我们的技术也给出了一个$\mathcal{O}(n)$近似的福利措施，$p$ -平均值为$p\in (-\infty, 1]$，从而也渐近匹配当前最好的已知近似比的特殊情况下，如$p =-\infty$，同时也保留了公平性。
2020-08-16 cs.GT
Two Algorithms for Additive and Fair Division of Mixed Manna
我们考虑一个公平分工模型，其中代理商有正，零和负的效用项目。对于这个模型，我们分析了一个现有的公平属性- EFX -和三个新的和相关的属性- EFX $_0$，EFX $^3$和EF 1 $^3$ -结合帕累托最优。与一般实用程序，我们给出了一个修改后的版本，现有的算法计算EF 1 $^3$分配。使用$-α/0/α$实用程序，该算法返回EFX $^3$和PO分配。在效用完全相同的情况下，给出了EFX和PO分配的新算法。使用$-α/0/β$实用程序时，此算法也会返回此类分配。我们还报道了一些新的不可能结果。
2020-07-08 cs.GT
A Polynomial-Time Algorithm for Fair and Efficient Allocation with a Fixed Number of Agents
针对加性估值下不可分割物品的公平高效分配难题，本文提出一种固定智能体数量下的多项式时间算法，通过逐次添加智能体逐步构造满足EF1和fPO的分配方案，解决了该场景下的算法存在性开放问题。
2024-11-04 cs.GT
Incentives in Dominant Resource Fair Allocation under Dynamic Demands
每个计算机系统--从云中的服务器（例如Amazon）到计算机网络再到操作系统--都在系统用户之间执行资源分配。事实上的分配政策是最大-最小公平性（MMF）的单一资源和主导资源公平性（DRF）的多个资源，保证属性，如激励兼容性，无嫉妒，帕累托效率，假设用户需求是静态的（时间无关）。然而，在现实世界的系统中，用户的需求是动态的，即依赖于时间。结果，现在在计算机系统的目标和由经典资源分配策略实现的属性之间存在根本的不匹配。我们的目标是弥合这种不匹配。当需求是动态的时，即时的MMF在较长的时间段内可能是非常不公平的，即导致不平衡的用户分配，因为先前的分配在当前没有效果。我们认为一个自然的推广多个资源和用户的动态需求的MMF和DRF：该算法确保用户分配尽可能最大最小公平的任何时刻，过去的分配。这种动态机制仍然是帕累托最优的，没有嫉妒，但不激励兼容。然而，我们的研究结果表明，可能增加的效用误报是有限的，因为这可能会导致显着减少整体有用的分配，这表明它不是一个有用的策略。我们的主要结果是表明，我们的动态DRF算法是$(1+ρ)$激励兼容，其中$ρ$量化的相对重要性的资源为不同的用户，我们表明，这个因素是紧密的，即使只有两个资源。我们还提出了一个$3/2$上限和$\sqrt 2$下限的激励兼容时，只有一个资源。我们还提供了扩展的情况下，当用户加权，以不同的优先级。
2022-02-16 cs.GT
Fair allocations with subadditive and XOS valuations
研究任意权益下次可加与 XOS 估值的不可分割物品公平分配，给出事前 MES 与事后 APS 保证，并改进等权益情形的已有界。
2025-03-13 cs.GT
Fair and Efficient Balanced Allocation for Indivisible Goods
The University of Tokyo（东京大学）；RIKEN Center for Advanced Intelligence Project（理化学研究所先进智能项目中心）
本文提出在平衡约束下实现公平与效率的多项式时间算法，针对两种不同估值类型情况，解决不可分割物品的分配问题。
2026-03-06 cs.GT
Mechanisms for Fair Allocation Problems: No-Punishment Payment Rules in Fully Verifiable Settings
机制设计是在公平分配不可分割的货物并给予货币补偿的背景下处理的。出于现实世界中的社会选择问题，验证机制被认为是在设置中（i）代理商的声明分配的货物可以完全验证支付之前进行，以及（ii）验证不用于惩罚代理商的声明导致不正确的。在此设置中，一个机制的设计，被证明是真实的，有效的，和不平衡的，代理人的效用是公平地确定合适的联盟游戏的Shapley值。然而，所提出的机制被证明是#P-完全的。因此，为了处理涉及许多代理的应用程序，还提出了两个多项式时间随机化变体：一个仍然真实且有效，并且以高概率近似预算平衡，另一个在期望中是真实的，同时仍然预算平衡且高效。
2012-09-15 cs.GT
Repeated Fair Allocation of Indivisible Items
该研究针对不可分割物品的重复分配场景，提出正式模型，证明了不同重复次数、不同智能体数量下比例性、无嫉妒性与帕累托最优的共存条件及更强的公平性保证。
2023-12-19 cs.GT
