Committee Selection with Attribute Level Preferences
Central University of Rajasthan（拉贾斯坦中央大学）；University of Hyderabad（海得拉巴大学）
我们考虑从一组固定的候选人，每个候选人有多个可量化的属性的委员会选择的问题。为了选出最好的委员会，选民可以批准给定候选人的首选属性，而不是投票给候选人。虽然属性为基础的偏好是在几个上下文中，委员会选择问题的属性批准的选民还没有尝试过。根据属性偏好组成的委员会更有可能更好地代表选民所期望的品质，并且不太可能受到勾结或操纵。在这项工作中，我们提供了一个正式的研究，这个问题的不同方面，并定义属性的弱对称性，强对称性，简单的合理表示和复合的合理表示，需要由选定的委员会满足。我们发现，现有的投票/批准聚合规则满足这些新属性的属性聚合。我们描述了一种满足前三个属性的属性聚合的贪婪方法，但不满足第四个属性，即，证明了它是NP-完全的。此外，我们证明了找到一个委员会，合理的代表性和最高的批准投票得分是NP完全的。
2020-08-14 cs.AI cs.GT
Fault Tolerance in Euclidean Committee Selection
本文研究欧几里得空间中基于 Chamberlin-Courant 规则的容错委员会选择，给出三类失效替代问题在一维可多项式求解、高维 NP 难及固定维常数近似等结果。
2023-08-14 cs.CG cs.GT econ.TH
Computation of Approximately Stable Committees in Approval-based Elections
该研究针对基于认可的委员会选择问题，证明3.65-近似稳定委员会必然存在，提出基于Lindahl均衡与强瑞利分布采样的可计算方法，丰富了社会选择理论中稳定委员会的相关研究。
2025-07-31 cs.DM cs.GT
Query-Based Committee Selection
The Future Scientists Center–Alpha Program, Davidson Institute, the Educational Arm of Weizmann Institute of Science（魏茨曼科学研究所教育臂大卫森研究所未来科学家中心-阿尔法项目）；Department of Computer Science, Weizmann Institute of Science（魏茨曼科学研究所计算机科学系）
本文研究了在有限预算下通过结构化查询获取投票者偏好时，如何近似获得获胜委员会的准确性。提出了一种查询框架，分析了成本函数并实验评估了多种委员会选择规则。结果显示，递归分割候选集策略在获取成本与委员会准确性之间提供了最佳平衡。
2026-03-31 cs.GT
Selecting Interlacing Committees
针对社会极化问题，该研究提出两种评估委员会联结选民程度的量化指标以避免极化委员会，证明其最大化问题一般为NP完全，给出区间域下的高效算法，并分析了与其他代表性目标的兼容性及多目标常数因子近似算法。
2025-09-02 cs.GT
Low Cost, Fair, and Representative Committees in a Metric Space
研究度量空间中代表性委员会选择问题，提出同时满足低成本、公平性及新公理NORP的算法，证明此类委员会总是存在。
2025-10-23 cs.GT
Committee Monotonicity and Proportional Representation for Ranked Preferences
本文提出SCR委员会投票规则，首次同时满足委员会单调性与团结联盟比例性（PSC），并证明其他公平性概念与单调性不兼容，同时反驳了Graham-Squire等人的猜想。
2025-03-10 cs.GT
Approximate Core for Committee Selection via Multilinear Extension and Market Clearing
出于公民问题，如参与式预算和多赢家选举，我们考虑的问题，公共物品分配：给定一组不可分割的项目（或候选人）的不同大小，和选民的不同单调效用函数的子集，这些候选人的目标是选择一个不受约束的子集，这些候选人（或委员会），提供公平的效用给选民。我们采用的公平性概念是合作博弈论的核心稳定性：没有一个选民子集应该能够选择另一个规模较小的阻塞委员会，为所有偏离的选民提供严格的更大的效用。核心提供了一个强有力的公平概念，包含了在计算社会选择中被广泛研究的其他概念。众所周知，即使选民的效用函数在候选人之间是加性的，也不需要存在确切的核心。因此，我们放松问题，允许近似：选民只能偏离到阻塞委员会，如果他们选择任何额外的候选人（称为additament），他们的效用仍然增加了一个$α$因子。如果在此定义下不存在阻塞委员会，我们称之为$α$ -核心。我们的主要结果是，一个$α$ -核心，$α< 67.37$，总是存在时，公用事业的选民是任意单调的子模函数，这可以计算在多项式时间。对于加法效用，该结果改进为$α< 9.27$，尽管没有多项式时间保证。我们的研究结果是一个显着的改进，以前的工作，只显示对数近似的情况下添加剂的效用。我们补充我们的结果与子模块公用事业的$α> 1.015$的下界，和一般单调公用事业的选民和候选人的数量的任何功能的下界。
2021-10-24 cs.DS cs.GT econ.TH
Winning in the Limit: Average-Case Committee Selection with Many Candidates
Shanghai Jiao Tong University（上海交通大学）；Rutgers University（罗格斯大学）；DIMACS, Rutgers University（罗格斯大学 DIMACS 中心）
本文研究了在大量候选人下的委员会选择问题，确定了α-获胜集和α-主导集的阈值现象，揭示了在特定多数水平下委员会选择的可行性。
2026-02-04 cs.DM cs.GT econ.TH
Nearly Optimal Committee Selection For Bias Minimization
研究度量投票中委员会选择以最小化偏差，提出指数级减少专家数的新方法，并改进下界，使上下界在一般凸赋范空间中近乎匹配，同时解决多轮投票和排名扩展问题。
2023-06-22 cs.GT
Core-Stable Committees under Restricted Domains
University of Warsaw（华沙大学）
我们研究了委员会选举的设置，其中一组个人需要集体选择一个给定大小的可用对象的子集。这个模型是相关的一些现实生活中的场景，包括政治选举，参与式预算，和设施的位置。我们注重核心-相称、稳定和公平的经典概念。我们发现，对于一些限制域，包括选民间隔，候选人间隔，单峰，和单交叉偏好的核心是非空的，可以在多项式时间。我们表明，核心可能是空的严格的顶部单调的偏好，但我们引入了放松这个类，保证非空的核心。我们的算法工作在随机和离散模型。我们还表明，经典的已知比例规则不返回委员会的核心，即使是最严格的域中，我们认为（特别是一维欧几里德偏好）。我们还证明了一些结构的结果，更好地了解一些限制域的性质，特别是给一个更好的直观的理解类的顶部单调的偏好。
2021-08-04 cs.AI cs.GT
Proportional Representation in Metric Spaces and Low-Distortion Committee Selection
University of Southern California（南加州大学）；Yale University（耶鲁大学）
该研究提出度量空间中集合代表性的新定义，在资源扩增框架和序数模型下证明EAR规则的代表性边界，还得到比例公平、核心公平及单胜者投票规则的相关衍生结果。
2024-01-24 cs.AI cs.GT
Auditing for Core Stability in Participatory Budgeting
本文研究了参与预算中委员会与核心稳定性的关系，提出计算难度结果和线性规划舍入算法，探讨了核心稳定性的审计方法及子核心的概念。
2026-01-06 cs.GT
Proportional Committee Elections with Positive and Negative Votes
University of Oxford（牛津大学）；University of Warsaw（华沙大学）；AGH University of Science and Technology（AGH科技大学）
本研究针对允许投反对票的委员会选举场景，提出两种反对票解释及对应比例性公理，检验Phragmén规则、PAV、MES变体的公理满足情况，拓展了比例代表制的适用场景。
2026-08-13 cs.AI cs.GT
When far is better: The Chamberlin-Courant approach to obnoxious committee selection
本研究提出“远更好”的委员会选择模型，研究平等主义 Chamberlin-Courant 规则的推广，发现极端参数可多项式求解而中间情况 NP 难，并探索近似算法。
2024-05-24 cs.DS cs.GT
DiRe Committee : Diversity and Representation Constraints in Multiwinner Elections
New York University（纽约大学）
多赢家选举中的公平性研究集中在候选人具有属性的环境中。然而，投票者也可以根据一个或多个属性（例如，"州"属性下的"加利福尼亚州"和"伊利诺斯州"人口），其可以与候选属性相同或不同。仅关注候选人属性的模型可能会系统地代表较小的选民群体。因此，我们开发了一个模型，迪雷委员会WinnerDetermination（DRCWD），划定候选人和选民的属性来选择一个委员会，通过指定多样性和代表性的限制和投票规则。我们分析了它的计算复杂性、不可逼近性和参数化复杂性。我们开发了一个基于启发式的算法，该算法在两分钟内找到了63%的合成数据集实例和100%的真实数据集实例的获胜DiRe委员会。我们提出了一个实证分析的运行时间，可行性和效用权衡。总体而言，DRCWD的动机是，多赢家选举的研究应该考虑其行为者，即候选人和选民，因为特定于候选人的模式可能会在不知不觉中伤害选民群体，反之亦然。此外，即使候选人和选民的属性相同，也必须将他们分开对待，因为多样性并不意味着代表性，反之亦然。这就是说，例如，委员会中有一名女性候选人不同于委员会中有一名女性选民喜欢的候选人，而后者本身可能是女性，也可能不是女性。
2021-09-24 cs.AI cs.CY cs.GT
On Efficient Computation of DiRe Committees
本文研究兼具多样性与代表性约束的 DiRe 委员会可行性问题，提出融合最大匹配、BFS、极大匹配与局部最小化的算法，证明其多项式时间终止并猜想其为无条件确定性多项式算法。
2025-10-21 cs.CC cs.CY cs.GT
Computing and Testing Pareto Optimal Committees
Data61, CSIRO（澳大利亚联邦科学与工业研究组织数据61中心）；UNSW（新南威尔士大学）；LAMSADE, Université Paris-Dauphine（巴黎多芬纳大学朗萨德实验室）
基于代理人的偏好选择一组备选方案是委员会选择及其他方面的一个重要问题。在为委员会的可取性提出的各种标准中，帕累托最优是一个最低和重要的要求。由于要求代理指定他们的偏好指数许多子集的替代品实际上是不可行的，我们假设每个代理指定一个弱顺序的单一的替代品，从子集的偏好关系，使用一些偏好扩展。我们考虑五个突出的扩展（响应，向下词典，向上词典，最好的，最坏的）。对于每一个，我们认为相应的帕累托最优的概念，我们研究的复杂性计算和验证帕累托最优的结果。我们还考虑战略问题：对于四个集合的扩展，我们提出了一个线性时间，帕累托最优和strategyproof算法，甚至适用于弱偏好。
2018-03-18 cs.AI cs.DS cs.GT
Strategyproof Facility Location and Committee Selection with Mixed Max and Sum Agent Types
Rensselaer Polytechnic Institute（伦斯勒理工学院）
针对代理具有最大型或求和型成本函数的策略性设施选址问题，设计确定性策略证明机制，并证明在代理类型私有但位置已知时近似比为(3-2/k)，在位置私有且位于直线度量时近似比为3。
2026-06-25 cs.GT
Nash Core in Multiwinner Election
Stanford University（斯坦福大学）
本文研究多赢家选举中的纳什核心，证明分数场景下纳什核心始终存在，扩展其至离散场景并可高效验证，还通过迭代算法在真实数据上高效计算该解。
2026-09-02 cs.GT
On the Edge of Core (Non-)Emptiness: An Automated Reasoning Approach to Approval-Based Multi-Winner Voting
本文提出了一种基于混合整数线性规划的方法，用于确定多胜者投票中核心稳定委员会的存在性，并揭示了核心稳定性与其他属性之间的关系。
2025-12-18 cs.GT
Efficient Ensemble Selection from Binary and Pairwise Feedback
Harvard University（哈佛大学）；University of Oxford（牛津大学）
研究在未知领域分布下，通过二元和成对反馈选择高效集成的方法，提出基于覆盖的优化策略和失败条件贪心算法，同时探讨θ-胜利委员会的优化与子模性放松。
2026-05-10 cs.AI cs.GT cs.LG
Six Candidates Suffice to Win a Voter Majority
本研究证明，无论选民和候选人数量如何，总能选出6名候选人组成委员会，使多数选民偏好它而非任何其他候选人，并推广到更一般的参数条件。
2025-04-22 cs.DM cs.DS cs.GT
Federated Learning with Fair Worker Selection: A Multi-Round Submodular Maximization Approach
Virginia Tech（弗吉尼亚理工大学）；The Ohio State University（俄亥俄州立大学）
在本文中，我们研究了联邦学习系统中的公平工人选择问题，其中公平作为一种激励机制，鼓励更多的工人参加联邦。考虑到全局模型的训练精度作为所选工人的效用，这通常是一个单调子模块函数，我们将工人选择问题表示为一个新的具有基数和公平性约束的多轮单调子模块最大化问题。其目标是最大限度地提高多轮的时间平均效用，但需要满足额外的公平性要求，即每个工人必须在一定的时间内被选中。虽然传统的具有基数约束的子模最大化已经是一个众所周知的NP-Hard问题，但多轮设置中的公平性约束增加了额外的难度。为了解决这个新的挑战，我们提出了三种算法：公平连续贪婪（FairCG 1和FairCG 2）和公平离散贪婪（FairDG），所有这些算法都满足公平性要求，只要可行。此外，我们证明了在FairCG 1和FairCG 2下实现的时间平均效用的非平凡下界。此外，通过给予公平性更高的优先级，FairDG确保了更强的短期公平性保证，这在每一轮中都有效。最后，我们进行了大量的模拟，以验证所提出的算法的有效性的时间平均效用和公平性的满意度。
2021-07-25 cs.DC cs.GT cs.LG
Fairness in Selection Problems with Strategic Candidates
为了更好地理解歧视和扶持行动在选择问题上的作用（例如，大学录取或招聘），最近的一系列研究提出了一个基于微分方差的模型。该模型假设决策者对每个候选人的质量有一个噪声估计，并提出不同人口群体之间的噪声方差差异作为解释歧视的关键因素。然而，关于差异方差的文献没有考虑候选人的战略行为，这些候选人可以对选择过程做出反应以改善其结果，这在许多领域都是众所周知的。在本文中，我们研究如何战略方面影响公平性的选择问题。我们建议将战略候选人的选择问题建模为竞赛游戏：理性候选人通过选择努力水平来提高质量。他们会产生一个努力的成本，但会得到一个（随机的）质量，其期望值等于所选择的努力。贝叶斯决策者观察每个候选者的质量的噪声估计（具有差分方差），并基于其后验预期质量选择最佳候选者的分数$α$;每个选择的候选者接收奖励$S$。我们的特点（独特的）均衡，这个游戏在不同的参数的制度，无论是当决策者是不受约束的，当他们受到约束，以尊重公平的概念，人口均等。我们的研究结果揭示了战略行为对均衡时观察到的歧视的重要影响，并使我们能够理解在这种情况下实施人口均等的影响。特别是，我们发现，在许多情况下，结果与非战略性的设置。
2022-05-24 cs.CY cs.GT
Effects of empathy on the evolution of fairness in group-structured populations
最后通牒博弈是研究公平性演化的重要范式。它预测，响应者应该接受任何非零的报价和提议者应该提供最小的可能数额根据正统的博弈论。然而，该预测与实验结果强烈矛盾，其中应答者通常拒绝低于$20\%$的低报价，而提议者通常提供比预期更高的报价。为了解释这种公平行为的演变，我们在这里引入移情在群体结构的人口，允许人口的比例$α$发挥移情策略。有趣的是，我们发现，对于高突变概率，平均报价随着$α$的减少而减少，平均需求增加，这意味着同理心抑制了公平性的进化。当变异概率较低时，随着$α$的增加，平均供给和平均需求逐渐接近公平供给和公平需求，表明移情促进了公平性的进化。此外，在弱和强强度的自然选择下，我们分析计算了不同水平的$α$的平均供给和需求。反直觉地，我们证明，虽然较高的突变概率导致更高水平的公平性弱选择下，中间突变概率对应于最低水平的公平性强选择下。我们的研究提供了系统的洞察公平的进化起源在群体结构的群体与移情策略。
2019-02-12 cs.GT physics.soc-ph q-bio.PE
Multiwinner Voting with Interval Preferences under Incomplete Information
本文研究了不完全信息下的多赢家赞同选举问题，提出一种基于一维区间偏好的概率模型，并设计了通过查询选民偏好计算委员会的算法，在期望情况下每个选民仅需 $\mathcal{O}(\log(σ\cdot k))$ 次查询即可实现 PJR+ 公平性保证。
2025-10-13 cs.GT
Multi-Attribute Proportional Representation
Université Paris-Dauphine（巴黎多芬大学）；University of Warsaw（华沙大学）
我们考虑以下问题，其中给定数量的项目必须从预定义的集合中选择。每个项目由属性向量描述，并且对于每个属性，存在所选集合应该具有的期望分布。我们寻找一个集合，它尽可能符合所有属性的期望分布。应用程序的示例包括选择代表委员会的成员，其中候选人按性别，年龄和职业等属性描述，并且我们寻找每个属性都提供一定代表性的委员会，即，一个单一的委员会，其中包含一定数量的年轻人和老年人，一定数量的男性和女性，一定数量的人与不同的职业，等等。有了一个单一的属性，这个问题就归结为政党名单比例代表制的分配问题（在这种情况下，单一属性的值将是候选人的政治派别）。我们研究了相关的子集选择规则的属性，以及它们的计算复杂性。
2021-03-25 cs.AI cs.DS cs.GT
