Metric Distortion Bounds for Randomized Social Choice
考虑下面的社会选择问题。假设我们有一组位于度量空间中的$n$投票者和$m$候选者。我们的目标是设计一种机制,选择一个候选人的平均距离选民是尽可能小。然而,该机制不能直接访问度量空间。相反,它会根据距离获得每个选民对候选人的顺序排名。仅给出这部分信息,一种机制可以保证的最小最坏情况近似比(称为失真)是多少?一个简单的例子表明,没有一种确定性机制能比$3$更好地保证失真,也没有一种随机化机制能比$2$更好地保证失真。已经证明这两个下界都是最优的,最近,Gkatzelis,Halpern和Shah证明了确定性机制的这一猜想。我们反驳的猜想随机机制$m \geq 3$通过构建选举,没有随机机制可以保证失真优于$2.0261$的$m = 3$,$2.0496$的$m = 4$,高达$2.1126$的$m \to \infty$。我们得到我们的下界,确定一类简单的指标,似乎捕捉到大部分的困难的问题,我们表明,任何随机机制必须有高失真的这些指标之一。我们提供了一个几乎匹配的上限为这类限制的指标。最后,我们推测,这些界限给出了最佳的失真为每个$m$,并提供了一个证明$m = 3$,从而解决了这种情况。
2021-11-05 cs.DM cs.DS cs.GT
Distortion in metric matching with ordinal preferences
研究共享度量空间中基于序数偏好的匹配失真问题,提出一种 $O(n^2)$ 失真的确定性匹配机制,并给出 $Ω(\log n)$ 的下界,同时探讨了真实机制的失真下界及 thin matchings 与失真差距的联系。
2023-05-20 cs.DM cs.DS cs.GT
Optimized Distortion in Linear Social Choice
本文首次研究线性效用函数下的社会选择失真问题,提出仅依赖候选嵌入维度的失真界限及多项式时间实例最优算法,并在推荐系统和意见调查中验证其优于标准规则。
2025-10-22 cs.AI cs.GT
Metric Distortion of Social Choice Rules: Lower Bounds and Fairness Properties
我们在功利扭曲的框架下研究社会选择规则,并对代理人的成本进行了额外的度量假设。在这种方法中,这些成本由所有代理加上替代品的集合上的基础度量给出。社会选择规则只能获得代理人的顺序偏好,而不能获得导致它们的潜在基数成本。失真被定义为社会成本(通常是代理成本的总和)之间的比率选择的替代机制在手,并选择了最佳的替代由一个无所不知的算法。因此,社会选择规则在最坏情况下的扭曲,是衡量在不知道潜在成本的情况下,它总是接近最优选择的程度。在该模型下,已经证实,排名对,众所周知的加权锦标赛规则,达到了最多3的失真[Anshelevich et al. 2015]。我们通过构造一系列实例来证明这一猜想是错误的,这些实例表明排序对的最坏情况失真至少为5。我们对排名对的最坏情况失真的下限与Copeland规则的先前已知的上限相匹配,证明在最坏的情况下,更简单的Copeland规则至少与排名对一样好。只要我们受到(加权或未加权)锦标赛规则的限制,我们就证明随机化无法帮助实现小于3的预期最坏情况失真。在失真框架内使用近似优化的概念,我们证明了Copeland和随机独裁实现了较低的常数因子公平比(分别为5和3),这是对成本和单个最大成本目标的类似结果的相当大的推广。除了上述所有内容之外,我们还概述了该领域进一步研究的几个有趣方向。
2017-05-08 cs.DS cs.GT
Communication, Distortion, and Randomness in Metric Voting
在度量空间上的社会选择规则的基于扭曲的分析中,人们假设所有的选民和候选人都被嵌入到一个公共的度量空间中。投票者通过非递减距离对候选人进行排名。该机制,只接收这个序数(比较)信息,应该选择一个候选人近似最小化所有选民的距离之和。已知的是,虽然Copeland规则和相关规则保证失真最多为5,但是许多其他标准投票规则,例如Plurality、Veto或$k$-approval,具有在候选人的数量$n$中无限增长的失真。多数、否决或$k$--与所有已知的确定性社会选择规则相比,小$k$的批准需要来自选民的沟通更少,以实现恒定的扭曲。这促使我们研究确定性社会选择规则中的失真和通信量之间的权衡。我们表明,任何一轮确定性的投票机制,其中每个选民只通信的候选人,她排名在一组给定的$k$的位置必须有失真至少$\frac{2n-k}{k}$,我们给出了一个机制,实现了上限的$O(n/k)$,匹配的下限到一个常数。对于更一般的通信有界的投票机制,其中每个选民的通信$b$位的信息,她的排名,我们显示了一个稍微弱的下限$Ω(n/b)$的失真。对于随机化机制,已知随机独裁实现严格小于3的预期失真,几乎匹配仅接收每个投票者的最佳选择的任何随机化机制的$3-\frac{2}{n}$的下限。我们关闭这个差距,通过给出一个简单的随机社会选择规则,只使用每个选民的第一选择,并实现预期的失真$3-\frac{2}{n}$…
2019-11-20 cs.DM cs.GT econ.TH
The Distortion of Distributed Metric Social Choice
我们考虑一个社会选择设置与代理被划分成不相交的群体,并有一组替代品的度量偏好。我们的目标是选择一个单一的替代方案,旨在优化各种目标,这些目标是度量空间中代理和替代方案之间的距离的函数,在这种选择必须以分布式方式进行的约束下:每个组内的代理的偏好首先聚合成该组的代表性替代方案,然后将这些组的代表聚合成最终的赢家。以这种方式决定获胜者自然会导致效率损失,即使有关指标空间的完整信息可用。我们提供了一系列(大多是紧)的失真的分布式机制的变化,众所周知的目标,如(平均)总成本和最大成本,也为新的目标,特别是适合这种分布式设置,并没有被研究过。
2021-07-12 cs.GT
Distortion of Metric Voting with Bounded Randomness
Rutgers University(罗格斯大学);Stanford University(斯坦福大学)
本研究提出了一种在有限随机性下实现低于3扭曲的投票规则,通过结合确定性选择和随机化方法,提升了投票系统的效率与公平性。
2026-08-04 cs.DM cs.DS cs.GT
Tight Bounds On the Distortion of Randomized and Deterministic Distributed Voting
Sharif University of Technology(谢里夫理工大学);Tehran Institute for Advanced Studies (TeIAS), Khatam University(德黑兰高等研究院(TeIAS),哈塔姆大学)
研究随机化和确定性分布式投票机制的扭曲界,改进了avgmax、maxavg和maxmax的上界,提出了不同随机化设置下的紧界和近紧界。
2025-11-23 cs.GT
A Note on Rules Achieving Optimal Metric Distortion
本文揭示了度量失真问题与社会选择中投票方法和公理之间的三个联系。
2023-05-15 cs.GT
Robust Lottery Compression for Metric Voting: A Transfer Principle for Bounded Randomness
Shanghai University of Finance and Economics(上海财经大学)
该研究针对带界随机性下的度量投票,提出维度无关的彩票压缩定理,证明K≥802时规则失真度可接近5/2,164个条目即可突破确定性失真3的障碍,收敛速率为O(K^(-1/3))。
2026-08-28 cs.GT
Random Dictators with a Random Referee: Constant Sample Complexity Mechanisms for Social Choice
Duke University(杜克大学);Stanford University(斯坦福大学)
我们研究了社会选择机制在一个隐含的功利主义框架与度量约束,其目标是最小化\textit{Distortion},最坏情况下的社会成本相对于基本的基数效用的顺序机制。我们考虑两个额外的必要条件:恒定的样本复杂性和平方失真。恒定的样本复杂度意味着该机制(可能是随机的)只使用恒定数量的序数查询,而不管投票者和备选方案的数量。平方失真是随机化机制的失真方差的度量。我们的主要贡献是第一个具有恒定样本复杂度\textit{and}恒定平方失真(这也意味着恒定失真)的社会选择机制。我们称这种机制为随机参考,因为它使用一个随机代理来比较另外两个随机代理最喜欢的两个选项。我们证明了使用的比较查询是必要的:没有机制,只有elalent的前k个首选的替代品的选民(常数k)可以有平方失真,是次线性的替代品的数量。我们还证明,与任何top-k唯一的机制,随机Reynolds的失真有意义地改善良性度量空间,使用欧几里德平面作为一个典型的例子。最后,在top-1机制中,我们引入了随机寡头。该机制仅要求3个查询,并且在失真方面在此类机制中基本上是最佳的。总之,我们展示了令人惊讶的力量,恒定的样本复杂性机制一般,特别是只有三个随机选民,提供一些最知名的结果,在隐式功利主义的框架。
2020-07-01 cs.AI cs.GT cs.MA
Metric Distortion of Social Welfare Functions
University of Southern California(南加州大学);Indian Institute of Technology Kanpur(坎普尔印度理工学院)
该研究将度量失真框架从社会选择函数扩展至社会福利函数,分析了三种信息场景下的失真度,得出递归应用单一胜者规则等方法的失真度界及最优失真度结论。
2026-08-25 cs.GT cs.MA
Metric Distortion for Tournament Voting and Beyond
本研究针对度量失真问题,证明确定性锦标赛规则失真度下界为3.1128并将上界优化至3.9312,还推广出k-锦标赛规则,证明其随k增大失真度趋近3,且k=3时随机化k-锦标赛规则可突破3的长期壁垒。
2025-05-19 cs.GT
On the Distortion of Committee Election with 1-Euclidean Preferences and Few Distance Queries
本文研究1-欧几里得委员会选举中序数偏好加少量距离查询的确定性规则的最优失真,给出k=2的紧上下界,并证明k≥3时需足够查询才能获得有界失真。
2024-09-08 cs.GT
Don't Roll the Dice, Ask Twice: The Two-Query Distortion of Matching Problems and Beyond
在大多数社会选择环境中,参与主体以线性排序的形式表达他们对不同选项的偏好。虽然这显然简化了偏好诱导,但它不可避免地导致在优化基本目标(如社会福利)方面的性能较差,因为代理人的价值实际上仍然未知。由于缺乏信息而造成的性能损失可以用失真的概念来衡量。最近的一系列工作提出了设计机制的议程,通过查询学习代理的价值为少数的替代品,并使用这有限的额外信息,使更明智的决策,从而改善失真。根据这一议程,在这项工作中,我们专注于一类组合问题,包括最知名的匹配问题和他们的几个概括,如单边匹配,双边匹配,一般图匹配,和$k$ -约束资源分配。我们设计了两个查询机制,实现了最好的可能的最坏情况下的失真方面的社会福利,并优于最好的可能的预期失真实现随机顺序机制。
2022-10-04 cs.GT
Metric-Distortion Bounds under Limited Information
在这项工作中,我们研究了有限数量的有序信息下的投票理论中的度量失真问题。我们的主要贡献有三个方面。首先,我们考虑在候选人之间执行一系列成对比较的机制。我们发现,一个广泛流行的确定性机制,在大多数敲除阶段产生失真$\mathcal{O}(\log m)$,而引起只有$m-1$出$Θ(m^2)$可能的成对比较,其中$m$代表的候选人的数量。我们对这种机制的分析利用了Kempe \cite{DBLP:conf/aaai/000120a}最近开发的一个强大的技术引理。我们还提供了一个匹配的下限其失真。相比之下,我们证明,任何机制,执行少于$m-1$成对比较是注定要有无限的失真。此外,我们研究了不完全排名下的确定性机制的权力。最值得注意的是,当每个智能体提供其$k$ -top偏好时,对于任何$k \in \{1, 2, \dots, m\}$,我们在失真上显示$6 m/k + 1$的上限。因此,我们大大提高了以前的界限$12 m/k$最近建立的Kempe \cite{DBLP:conf/aaai/000120a,DBLP:conf/aaai/000120b},我们更接近匹配最知名的下限。最后,我们关心的是样本的复杂性,以确保接近最佳失真的高概率。我们的主要贡献是表明,随机样本的$Θ(m/ε^2)$选民足以保证失真$3 + ε$具有很高的概率,任何足够小的$ε> 0$。这一结果是基于Gkatz…
2021-07-06 cs.GT
The Distortion of Binomial Voting Defies Expectation
Harvard University(哈佛大学);University of Texas at Austin(德克萨斯大学奥斯汀分校)
针对以往仅从最坏情况分析投票扭曲的局限,本文基于选民效用分布研究期望扭曲,并提出二项式投票规则,为期望扭曲与期望福利提供独立于分布的保证。
2023-12-07 cs.AI cs.GT
On the Randomized Metric Distortion Conjecture
在单个获胜者确定问题中,我们有n个选民和m个候选人,如果候选人i被选中,每个选民j都会产生成本c(i,j)。我们的目标是选择一个候选人,最大限度地减少选民的预期总成本;然而,由于我们只能获得代理人对结果的偏好排名,效率损失是不可避免的。这种效率损失通过失真来量化。我们给出了一个度量单一赢家确定问题的实例,其中任何随机社会选择函数的失真至少为2.063164。这推翻了长期存在的猜想,即存在一个随机社会选择函数,其最坏情况下的失真最多为2。
2021-11-17 cs.DS cs.GT
An Analysis Framework for Metric Voting based on LP Duality
基于扭曲的分析已经成为比较投票机制的一个富有成效的框架。m个投票者和n个候选者被共同嵌入(未知)度量空间中,并且投票者通过与他们自己的非递减距离来提交候选者的排名。根据提交的排名,社会选择规则选择一个获胜的候选人;获胜者的质量是到选民的(未知)距离之和。规则的选择通常是次优的,最坏情况下所选候选项的成本与最优候选项的成本之比称为规则的失真。在以前的工作中,每一个确定性规则的失真至少为3,而Copeland规则和相关规则保证最坏情况下的失真最多为5;最近的结果给出了一个规则失真$2+\sqrt{5} \approx 4.236$。我们提供了一个框架的基础上LP-对偶和流的双重解释,提供了一个更简单,更统一的方式证明上界的扭曲的社会选择规则。我们用三个例子说明了这种方法的实用性。首先,我们给出了一个相当简单的证明的一个强大的推广上界5科普兰的失真,社会选择规则的短路径从获胜的候选人的最佳候选人在广义弱偏好图。此结果的特殊情况恢复最近的$2+\sqrt{5}$保证。其次,利用这个广义界,我们证明了秩对和Schulze规则具有失真$Θ(\sqrt(n))$。最后,我们的框架自然地提出了一个组合规则,这是一个强有力的候选人实现失真3,这也是在最近的工作中提出的。我们证明,失真界3将遵循任何三个组合的代数,我们制定。
2019-12-14 cs.DM cs.GT econ.TH
Metric Distortion in Peer Selection
Universidad de Chile(智利大学)
研究同行选择中的度量失真问题,发现即使在线性度量上,多数目标的下界仍大于1,但某些情况下可获得更优常数,如选择中间代理人实现1到2的功利失真。
2025-10-15 cs.GT
Deliberation via Matching
Duke University(杜克大学)
本文研究了通过匹配进行辩论的社会选择机制,证明了在度量失真框架下,该协议具有3的紧致失真界,展示了配对辩论能提升tournament规则的性能。
2026-04-24 cs.GT
Randomized Social Choice Functions Under Metric Preferences
Rensselaer Polytechnic Institute(伦斯勒理工学院)
我们确定的质量随机社会选择机制的设置中,代理人有度量偏好:每个代理人都有一个成本为每个替代品,这些成本形成一个度量。我们假设这些成本对机制(甚至可能对代理人本身)是未知的,这意味着我们不能简单地选择最优方案,即最小化总代理成本(或中间代理成本)的方案。然而,我们假设代理人知道他们的序数偏好是由度量空间引起的。我们研究随机社会选择功能,只需要这个序数信息,并选择一个替代方案,是良好的预期相对于从度量的成本。为了量化一个随机化的社会选择函数有多好,我们限制了失真,这是所选方案的预期成本与最优方案成本之间的最坏情况比率。我们提供了各种随机机制,一般指标和重要的特殊情况下,新的失真范围。我们的研究结果表明,在确定性机制的失真相当大的改善。
2016-09-26 cs.AI cs.GT
Optimal Metric Distortion for Matching on the Line
研究直线上单边和双边匹配问题的度量失真,提出仅基于序数偏好信息的算法,在单边匹配中实现多种社会成本度量下最优的失真值3,并在双边匹配中证明可计算最优匹配及所需查询界限。
2025-01-31 cs.GT
Peeking Behind the Ordinal Curtain: Improving Distortion via Cardinal Queries
将个人的偏好集合成一个集体决策是社会选择理论研究的核心课题。在2006年,Procaccia和Rosenschein考虑了一个功利主义的社会选择设置,其中代理人有明确的数值的替代品,但他们只报告他们的线性排序。为了比较不同的聚合机制,Procaccia和Rosenschein引入了失真的概念,该概念量化了在试图最大化社会福利时仅使用序数信息的低效率,即,为所选结果的代理的潜在价值之和。从那时起,这一研究领域蓬勃发展,已经获得了各种各样的基本情况下的失真的界限。然而,绝大多数现有的文献都集中在这种情况下,没有什么是已知的以外的顺序偏好的代理人的替代品。在本文中,我们采取了一种更具表现力的方法,并考虑允许进一步问几个基数查询,以获得部分访问代理的替代品的潜在价值的机制。有了这个额外的权力,我们设计了新的确定性机制,实现显着改善的失真范围,并在许多情况下,优于最知名的随机顺序机制。我们描绘了一个几乎完整的图片所需的确定性机制,以实现特定的失真范围的查询数量。
2021-04-15 cs.GT cs.MA
Low-Distortion Clustering with Ordinal and Limited Cardinal Information
针对聚类中的度量失真问题,提出利用资源增强和有限基数信息,分别实现指数簇数下的低失真及多项式查询下的常数失真。
2024-02-06 cs.GT
Strategic Filtering for Content Moderation: Free Speech or Free of Distortion?
TTIC;University of Chicago(芝加哥大学);UNC-Chapel Hill(北卡罗来纳大学教堂山分校)
本文从机制设计角度研究内容审核中言论自由与社会扭曲的权衡,证明最优权衡 NP-hard,并提出近似方法及有限离线数据的泛化保证。
2025-07-26 cs.GT cs.LG
Utilitarian Distortion with Predictions
本文研究带预测信息的社会选择机制,在单胜者投票和单边匹配中刻画序数机制在一致性与鲁棒性之间的紧致权衡。
2025-02-10 cs.GT
Distortion of Multi-Winner Elections on the Line Metric: The Polar Comparison Rule
Institute of Science and Technology Austria (ISTA)(奥地利科学技术研究院);University of British Columbia(不列颠哥伦比亚大学);Tehran Institute for Advanced Studies (TeIAS), Khatam University(德黑兰高等研究院,哈塔姆大学);Max Planck Institut für Informatik, Universität des Saarlandes(马克斯·普朗克计算机科学研究所,萨尔兰大学)
本文提出极性比较规则,针对线度量下多胜选举问题,证明其在加性成本下的失真界为2.33,改进了现有上界,并对不同委员会大小建立紧致界。
2026-02-17 cs.GT
The Distortion of Threshold Approval Multiwinner Voting
University of Edinburgh(爱丁堡大学);Sharif University of Technology(谢里夫理工大学);University of Southern Denmark(南丹麦大学)
该研究针对带t个效用阈值的多获胜者投票问题,设计了确定性与随机规则并给出扭曲度上界,补充了匹配上界的范数相关下界,为投票规则的性能提供了理论保证。
2026-10-12 cs.GT
Metric Distortion of Small-group Deliberation
Stanford University(斯坦福大学);Duke University(杜克大学)
该研究在度量失真框架下分析小群体协商的社会选择模型,证明3人群体可突破确定性失真下界3、4人群体可突破随机化下界2.11,还得到仅依赖1/ε的渐近失真界,相关概率结论或有独立价值。
2026-08-14 cs.GT
Group-Fair Metric Distortion of Facility Assignment Problems
University of Southern Denmark(南丹麦大学)
本文研究受群体公平约束的设施分配问题的度量失真,提出全信息与有序信息算法,推导最大和、和最大社会目标的失真上下界,且下界与上界匹配,覆盖单向匹配与聚类问题。
2026-08-18 cs.GT
An improved bound for the randomized metric distortion problem
Technische Universität München(慕尼黑工业大学)
本研究提出MIV规则,将随机社会选择的度量失真上界从2.75271改进至5/2,该规则为Maximal Lotteries与基于Kizilkaya等同步否决过程的Integrated Veto的等比例混合。
2026-08-19 cs.GT
Dimensionality, Coordination, and Robustness in Voting
我们从功利主义的角度来研究投票机制的性能,在最近推出的框架下的度量失真,沿着三条主线提供新的见解。首先,如果$d$表示度量空间的双倍维数,我们证明了STV的失真是$O(d \log \log m)$,其中$m$表示候选的数量。对于加倍度量,这意味着在一般度量的下限上的指数改进,并且作为特殊情况,它有效地回答了Skowron和Elkind(AAAI '17)关于STV在低维欧几里得空间下的失真的问题。更广泛地说,这构成了任何投票规则的性能与底层度量空间的“内在维度”之间的第一个联系。我们还建立了一个近似匹配的下界,完善了Skowron和Elkind的结构。此外,出于STV的效率,我们研究自然的学习规则是否可以导致低失真的结果。具体来说,我们介绍了简单的,确定性和分散的勘探/开采动态,我们表明,他们收敛到候选人与$O(1)$失真。最后,在设施定位游戏的应用程序的驱动下,我们考虑了一些改进和扩展的标准度量设置。也就是说,我们证明了Gkatzelis,Halpern和Shah(FOCS '20)最近引入的确定性机制达到了超度量下$2$的最佳失真界,而它也接近我们的距离满足近似三角不等式的下界。
2022-03-24 cs.GT
Beyond the worst case: Distortion in impartial culture electorates
本文研究随机中立文化选民模型下的投票失真问题,发现所有投票规则平均失真均较高,但提出通过向每个智能体进行单次基数查询的机制可实现近似最优平均失真,并给出了最坏情况下的新权衡。
2024-10-12 cs.DS cs.GT
Improved Metric Distortion via Threshold Approvals
针对度量空间下社会选择中序数偏好导致失真界限为3的问题,提出利用阈值批准集等少量基数信息的确定性机制,将失真改进至1+√2并证明其为一般度量空间的最优界限。
2023-05-24 cs.GT
Utilitarian Distortion Under Probabilistic Voting
Sharif University of Technology(谢里夫理工大学);Stanford University(斯坦福大学)
在概率投票中,柯普兰和博尔达规则的扭曲分别为β(1+e^{-β})/(1-e^{-β})和O(β²),且优于其他规则,显示了概率模型对投票效率的影响。
2026-02-11 cs.GT
Tight Distortion Bounds for Distributed Single-Winner Metric Voting on a Line
研究了一条直线上的分布式单获胜者度量投票问题,其中代理人和备选方案由实数直线上的点表示,代理人被划分为不相交的区域,目标是以分散的方式选择一个获胜的备选方案.特别是,选择是由一个分布式的投票机制,首先选择一个代表性的替代代理的每个地区,然后选择这些代表之一作为赢家。在本文中,我们设计了简单的分布式机制,实现失真最多$2+\sqrt{5}$的平均最大和最大的平均社会成本的目标,匹配相应的下限显示在以前的工作,这些目标。
2023-01-04 cs.GT
Metric distortion Under Probabilistic Voting
Stanford University(斯坦福大学)
将社会选择中的度量失真框架扩展到概率投票,研究Plackett-Luce等模型下投票规则的失真,发现Copeland失真不超过2,Borda失真为Θ(m^{1-2/θ}),与经典模型结果不同。
2026-06-25 cs.GT
Resolving the Optimal Metric Distortion Conjecture
Drexel University(德雷塞尔大学);University of Toronto(多伦多大学)
我们研究了以下度量失真问题:有两个有限的点集,$V$和$C$,位于同一度量空间,我们的目标是选择一个点在$C$的总距离$V$中的点是尽可能小的。然而,不是访问底层距离度量,而是对于$V$中的每个点,我们仅知道其到$C$中的点的距离的排名。我们提出的算法,选择一个点$C$只使用这些排名作为输入,我们提供了他们的\emph{distortion}(最坏情况下的近似比)的界限。这个问题的一个突出动机来自投票理论,其中$V$表示一组投票者,$C$表示一组候选人,并且排名对应于投票者的顺序偏好。在这个框架中的一个主要猜想是,最佳的确定性算法有失真$3$。我们解决这个猜想提供一个多项式时间算法,实现失真$3$,匹配一个已知的下限。我们这样做,证明了一个新的引理匹配选民的候选人,我们称之为\emph{ranking-matching lemma}。这个引理诱导一个家庭的新算法,这可能是独立的利益,我们表明,在这个家庭中的一个特殊的算法实现失真$3$。我们还提供了更精细的,参数化的,边界使用的概念$α$ -决策,量化的程度,选民可能更喜欢她的首选相对于所有其他人。最后,我们引入了一个新的随机算法,与已知的结果相比,改进的失真,也提供了改进的下界的所有确定性和随机算法的失真。
2020-09-07 cs.AI cs.DS cs.GT
Two Observations on Metric Distortion and Condorcet Winning Sets
Shanghai University of Finance and Economics(上海财经大学)
本文连接了计算社会选择中的度量失真和无支配委员会选择,证明无支配委员会在双准则度量失真低于3时既是必要的也是充分的。
2026-06-15 cs.GT
Truthful Two-Facility Location with Candidate Locations in Metric Spaces
King’s College London(伦敦国王学院);University of Southern Denmark(南丹麦大学)
针对度量空间中基于候选位置的真实双设施选址问题,该研究确定了直线上及一般度量空间中确定性机制的近似率,证明随机化可显著改进社会成本与最大成本的近似效果
2026-10-13 cs.GT
$k$-Approval Veto: A Spectrum of Voting Rules Balancing Metric Distortion and Minority Protection
本文分析 $k$-Approval Veto 投票规则,揭示其在少数保护与度量失真间的可调权衡:少数保护至少为 $k$,并给出三类社会福利目标下的失真界。
2025-07-23 cs.GT
Optimized Distortion and Proportional Fairness in Voting
本文研究仅知排序时投票规则的社会福利失真与比例公平性,提出在多类基数效用下达到 Θ(√m) 最优失真,并对比例公平、Nash 福利和核心达到 Θ(log m) 最优近似的规则。
2024-01-21 cs.GT econ.TH
Can a Few Decide for Many? The Metric Distortion of Sortition
本文利用计算社会选择中的度量失真概念,证明了均匀选择仅需对数级别智能体即可实现近乎最优失真,且Fair Greedy Capture算法兼具近乎最优失真与常数级事后失真,肯定回答了抽签面板能否反映全体民意的问题。
2024-06-04 cs.GT
Characterization of Group-Fair Social Choice Rules under Single-Peaked Preferences
Indian Institute of Science(印度科学学院);IIT, Kanpur(坎普尔印度理工学院);ISI, Kolkata(加尔各答印度统计研究所)
我们研究了单峰偏好下社会选择环境中的公平性。社会选择规则的单峰域的建设和表征已被广泛研究在以前的作品。事实上,在单峰域中,已知一致和防策略的确定性规则必须是最小-最大规则,并且那些也满足匿名性的规则必须是中值规则。此外,满足这些属性的随机社会选择规则已被证明是各自的确定性规则的凸组合。我们通过在社会选择中纳入公平考虑,对这一结果进行了非平凡的补充。我们的研究直接解决了代理人群体的公平性问题。为了研究组公平性,我们考虑现有的分区的代理逻辑组,基于自然属性,如性别,种族和位置。为了在每个组中捕获公平性,我们引入了组匿名的概念。为了捕捉群体之间的公平性,我们提出了一个弱的概念,以及一个强的公平性概念。建议的公平性概念原来是现有的个人公平性概念的自然概括,而且提供严格的顺序偏好,不像现有的组公平性概念的非平凡的结果。我们提供了满足群体公平性的随机社会选择规则的两个单独的特征:(i)直接特征(ii)极值点特征(作为公平确定性社会选择规则的凸组合)。我们还探讨了特殊的情况下,没有群体,并提供更清晰的特征的规则,实现个人的公平。
2022-07-16 cs.AI cs.GT cs.MA
Favorite-Candidate Voting for Eliminating the Least Popular Candidate in Metric Spaces
我们研究嵌入在度量空间中的单候选人投票,其中选民和候选人都是空间中的点,选民和候选人之间的距离指定了选民对候选人的偏好。在投票中,每个选民都被要求提交她最喜欢的候选人。给定最受欢迎的候选人的集合,用于消除最不受欢迎的候选人的机制找到一个委员会,该委员会包含除要被消除的候选人之外的所有候选人。每个委员会都与一个社会价值相关联,这个社会价值是它强加给(提供给)选民的成本(效用)的总和。我们设计了一个机制,找到一个委员会,以优化社会价值。我们通过扭曲来衡量机制的质量,扭曲的定义是委员会通过机制发现的社会价值与最佳社会价值之间的最坏情况比率。我们建立了新的上限和下限的扭曲机制,在这个单一的候选人投票,一般指标和动机良好的特殊情况下。
2019-11-27 cs.GT
Learning-Augmented Metric Distortion via $(p,q)$-Veto Core
该研究建立了任意权重下$(p,q)$-否决核心候选者的失真上界,并提出结合机器学习预测的学习增强算法,实现了度量失真问题中最优的鲁棒性与一致性权衡。
2024-07-11 cs.GT
Social Choice with Non Quasi-linear Utilities
没有货币支付,Gibbard-Satterthwaite定理证明,在温和的要求下,所有真实的社会选择机制必须是契约。当支付被允许时,Vickrey-Clarke-Groves(VCG)机制实现了价值最大化选择,并且具有许多其他良好的性质:它是防策略的,onto,确定性,个体理性的,并且不向代理人进行正转移。根据Roberts定理,对于具有三个或更多选择的域,加权VCG机制对于具有准线性效用的域本质上是唯一的。本文的目标是表征域的非准线性公用事业的“合理”的机制(与VCG类属性)存在。我们的主要结果是一个严格的最大非拟线性效用域,我们称之为最大的并行域的特征。本文将Roberts定理推广到平行域上,并利用推广的定理证明了两个不可能结果。首先,当效用域与任何单一的非并行类型一起是准线性时,任何合理的机制都必须是独裁的。第二,对于与准线性仍有细微差别的更丰富的效用域,每一个防策略的、非线性的和确定性的机制都必须是独裁的。
2018-04-25 cs.GT
Breaking the Metric Voting Distortion Barrier
Stanford(斯坦福大学);Rutgers(罗格斯大学);UC Berkeley(加州大学伯克利分校)
针对社会选择中的度量扭曲问题,提出一种结合最大抽签与随机独裁-科普兰混合规则的随机投票规则,将扭曲上界从3降至2.753以下。
2024-11-05 cs.AI cs.DM cs.DS
Best of Both Distortion Worlds
Drexel University(德雷塞尔大学);University of Toronto(多伦多大学)
本文提出新的投票规则,首次在功利主义失真和度量失真两个世界中同时实现接近最优的失真保证,并证明该结果无法推广到仅提供前 t 个偏好排序的情形。
2023-05-30 cs.AI cs.GT
Ordinal Approximation for Social Choice, Matching, and Facility Location Problems given Candidate Positions
在这项工作中,我们考虑一般设施的位置和社会选择问题,其中代理$\mathcal{A}$和设施$\mathcal{F}$位于一个度量空间,我们的目标是分配代理设施(以及选择哪些设施开放),以优化社会成本。我们形成新的算法来在仅存在{ \em序数信息}的情况下进行此操作,即,当从代理到设施的真实成本或距离为{ \em未知},并且只有代理对设施的顺序偏好可用时。我们的工作和以前的工作在这方面的主要区别是,虽然我们假设,只有序数信息代理的偏好在已知的,我们知道确切的位置可能的设施$\mathcal{F}$。由于关于设施的这种额外信息,我们能够形成具有小{ \em失真}的强大算法,即,执行几乎以及无所不知的算法,但只使用有序的信息代理的喜好。例如,我们提出了自然的社会选择机制,选择一个单一的设施开放,失真最多为3,以最小化总成本和社会成本的中位数;这个因素是可以证明的最好的可能。我们分析了许多一般性问题,包括匹配,$k$中心,$k$ -中位数,并提出黑盒约简从全知近似算法与近似因子$β$的顺序算法与近似因子$1+2β$,这样做给出了新的顺序算法的许多重要问题,并建立了一个工具包,用于分析此类问题的未来。
2018-05-08 cs.GT cs.MA
Distortion Under Public-Spirited Voting
本文推广标准投票模型以刻画选民兼顾公共利益的公共精神投票行为,证明其能大幅降低多种投票规则的失真,并对抗实际条件具有鲁棒性,为改善选举福利提供了可实施的民主审议方案。
2023-05-19 cs.GT
Improving Randomized Metric Distortion to 2.1441
University of Toronto(多伦多大学)
该研究在度量社会选择中,通过引入随机规模稳定彩票,结合集成否决的混合规则,将随机化投票规则的度量失真从2.5改进至2.3282。
2026-09-09 cs.AI cs.GT
Low Sample Complexity Participatory Budgeting
本文研究参与式预算中低样本复杂度机制,提出基于随机纳什议价与中位数的机制,分别将失真降至1.66和1.80,突破随机独裁者的2倍失真界限。
2023-06-24 cs.GT