Random assignment with multi-unit demands
我们考虑多单元随机分配问题,其中代理人表示对对象的偏好和对象被随机分配给代理人的偏好的基础上。最完善的偏好关系,比较随机分配的对象是随机优势(SD),这也导致了相应的概念,嫉妒自由,效率,和弱strategyproofness。我们发现,不存在匿名的,中立的,有效的和弱防策略的规则。对于单单位随机分配,我们证明了不存在匿名的,中立的,有效的和弱群体策略的证据。然后,我们研究了一个推广的PS(概率序列)规则称为多单元吃PS和证明,多单元吃PS满足envy-freeness,弱strategyproofness,和quadrity。
2015-06-19 cs.GT
Monotone-Value Neural Networks: Exploiting Preference Monotonicity in Combinatorial Assignment
许多重要的资源分配问题涉及项目的组合分配,例如,拍卖或课程分配。由于捆绑空间的项目数量呈指数级增长,偏好诱导是这些领域的一个关键挑战。最近,研究人员提出了ML为基础的机制,优于传统的机制,同时减少代理的偏好诱导成本。然而,所使用的ML算法的一个主要缺点是它们忽视了关于代理偏好的重要先验知识。为了解决这个问题,我们引入了单调值神经网络(MVNNs),它的目的是捕捉组合估值,同时执行单调性和正规性。在技术层面上,我们证明了我们的MVNN是通用的单调和规范化的价值函数类,我们提供了一个混合整数线性规划(MILP)制定解决MVNN为基础的赢家确定问题(WDP)实际可行。我们评估我们的MVNN实验频谱拍卖域。我们的研究结果表明,MVNN提高了预测性能,它们在拍卖中产生了最先进的分配效率,并且它们还减少了WDP的运行时间。我们的代码可以在GitHub上找到:https://github.com/marketdesignresearch/MVNN。
2023-03-11 cs.GT
Multi-unit Assignment under Dichotomous Preferences
University of Essex(埃塞克斯大学);Center for European Economic Research (ZEW)(欧洲经济研究中心)
研究在无货币情况下如何分配物品,提出 egalitarian 解决方案在公平性和策略-proof 性方面更具优势。
2018-07-06 cs.GT econ.GN q-fin.EC
The Conference Paper Assignment Problem: Using Order Weighted Averages to Assign Indivisible Goods
Data61, CSIRO and UNSW(Data61、澳大利亚联邦科学与工业研究组织和新南威尔士大学);IBM T.J. Watson Research Center(IBM托马斯·J·沃森研究中心);Data61, CSIRO, UNSW, and TU Berlin(Data61、澳大利亚联邦科学与工业研究组织、新南威尔士大学和柏林工业大学)
出于共同的学术问题的论文分配给会议审查的裁判,我们提出了一种新的机制来解决分配问题时,我们有一个双边匹配问题的偏好从一方(代理/审稿人)在另一方(对象/论文),双方都有能力的限制。指派问题是计算机科学和经济学中的一个基本问题,在任务分配和资源分配等领域有着广泛的应用。我们从多标准决策和投票中得到灵感,并使用顺序加权平均(OWAs)提出了一类新的和灵活的算法的分配问题。我们展示了一个算法,在多项式时间内找到一个$Σ$ -OWA分配,而不是NP-困难找到一个平等的分配。受此启发,我们观察到我们的模型和社会选择中的经典比例多赢家选举问题之间的有趣联系。
2017-05-19 cs.AI cs.GT cs.MA
Incompatibility of Efficiency and Strategyproofness in the Random Assignment Setting with Indifferences
一个基本的资源分配设置是随机分配问题,其中代理表达对象的偏好,然后随机分配给代理。2001年,Bogomolnaia和Moulin提出了概率序列(PS)机制,该机制是一种匿名的,中立的,Pareto最优的,弱防策略的机制,当偏好被认为是相对于随机优势。当代理人对单个对象有严格的偏好时,结果成立。当主体之间存在无差异时,是否存在满足相同性质的机制一直是一个悬而未决的问题。我们发现,对于这个更一般的域,不存在扩展的PS是事后有效的和弱strategyproof。结果令人惊讶,因为它甚至不需要额外的对称或公平条件,如匿名,中立或平等对待平等。我们的结果进一步证明了Katta和Sethuraman(2006)的扩展PS机制缺乏弱SD-防策略性不是扩展PS的设计缺陷,而是由于PS在全偏好域中的效率和防策略性的内在不相容性。
2016-04-26 cs.GT
Fractional Assignment with $\ell_1$ Preferences
Chuo University(中央大学);National University of Singapore(新加坡国立大学);Institute of Science Tokyo(东京科学大学)
本文研究分数分配问题,提出基于注水和二次规划的两种机制,均实现功利最优、无嫉妒和策略证明,且分别具备群体策略证明性和福利鲁棒性优势。
2026-09-17 cs.GT econ.TH
Assigning Course Schedules: About Preference Elicitation, Fairness, and Truthfulness
课程分配是一个广泛存在于教育和其他领域的问题。通常,学生对一周内的课程座位或课程安排有偏好,这需要考虑。该问题是一个具有挑战性的分布式调度任务,需要决策支持。先到先得(FCFS)是一种简单的分配规则,在实践中使用最广泛,但它会导致低效率的结果和嫉妒的分配。最近的理论结果表明,替代品具有吸引力的经济和计算性能。Bundled Probabilistic Serial(BPS)是一种满足序有效性、无嫉妒性和弱防策略性的随机机制。该机制也在多项式时间中运行,这对于该领域中的大型问题实例是重要的。我们报告的实证结果,从第一次实施的BPS在慕尼黑工业大学,这使我们能够提供重要的实证指标,如所得到的匹配,平均排名,配置文件的大小,以及受欢迎的任务。这些指标是采用BPS的核心。特别是,我们将这些指标与捆绑出价的随机序列独裁(BRSD)进行了比较。BRSD机制被用来模拟广泛使用的先到先服务(FCFS)机制,它允许我们比较FCFS(BRSD)和BPS。虽然理论上很吸引人,但当考虑对指数级多个包的偏好时,偏好诱导是一个重大挑战。我们引入的工具,以引起偏好,减少学生需要的参数的数量到一个可管理的集合。该方法与BPS产生一个计算有效的工具,以解决课程分配问题与成千上万的学生,并可能提供了一种方法,在组织中的其他分布式调度任务。
2018-12-07 cs.DM cs.GT cs.HC
A Generalization of the AL method for Fair Allocation of Indivisible Objects
我们考虑的分配问题,其中代理表示顺序偏好$m$对象和对象分配给代理的基础上的偏好。在最近的一篇论文中,Brams,Kilgour和Klamler(2014)提出了AL方法来计算两个代理的无嫉妒分配。AL方法主要依赖于代理对对象有严格偏好的假设。我们推广的AL方法的情况下,代理人可能会表示无差异,并证明算法所满足的公理性质。作为推广的结果,我们也得到了一个$O(m)$加速以前的算法,以检查是否存在一个完整的无嫉妒分配或没有。最后,我们表明,除非P=NP,可以没有多项式时间的GAL扩展到任意数量的代理商的情况下。
2015-04-01 cs.GT
Strategyproof Quota Mechanisms for Multiple Assignment Problems
我们研究的问题,分配多个对象的代理没有可转让的效用,每个代理可能会收到一个以上的对象根据配额。根据字典的偏好,我们的特点是一套防策略,非专横,中立的配额机制,并表明,在一个温和的帕累托效率条件下,串行独裁配额机制是唯一的机制,满足这些属性。放弃中立性要求,这类配额机制进一步扩展到顺序独裁配额机制。然后,我们扩展配额机制随机设置,并表明,随机串行独裁配额机制(RSDQ)是envyfreeness,strategyproof,事后有效的任何数量的代理和对象和任何配额制度,证明了良好的研究随机串行独裁(RSD)满足envyfreeness时的偏好是字典。
2016-12-17 cs.GT
Bayesian Optimization-based Combinatorial Assignment
University of Zurich(苏黎世大学);ETH Zurich(苏黎世联邦理工学院);ETH AI Center(苏黎世联邦理工学院人工智能中心)
我们研究组合分配域,其中包括组合拍卖和课程分配。这个领域的主要挑战是捆绑空间中的项目数量呈指数级增长。为了解决这个问题,最近有几篇论文提出了基于机器学习的偏好提取算法,其目的是从代理中只提取最重要的信息。然而,这项先前工作的主要缺点是,它没有对机制的不确定性进行建模,这些不确定性是针对尚未引出的捆绑包的值。在本文中,我们提出了一个贝叶斯优化为基础的组合分配(BOCA)机制来解决这个缺点。我们的主要技术贡献是将捕获模型不确定性的方法集成到迭代组合拍卖机制中。具体地说,我们设计了一种新的方法来估计的不确定性上限,可用于定义一个采集功能,以确定下一个查询的代理。这使得该机制能够在其偏好诱导阶段适当地探索(而不仅仅是利用)束空间。我们在几个频谱拍卖域进行了计算实验,以评估BOCA的性能。我们的研究结果表明,BOCA实现更高的分配效率比国家的最先进的方法。
2023-03-13 cs.GT cs.LG cs.MA
Partial Strategyproofness: Relaxing Strategyproofness for the Random Assignment Problem
我们提出了部分防策略性,一个新的,宽松的防策略性的概念,研究非防策略分配机制的激励特性。非正式地说,一种机制是部分防策略的,如果它使真实的报告占主导地位的策略,这些代理人的偏好强度之间的任何两个对象有足够的差异。我们证明了部分防策略性是公理化的动机,并产生一个参数测量“如何防策略”的分配机制。我们应用这一新概念,以获得新的见解的概率串行机制和波士顿机制的不同变体的激励特性。
2020-08-02 cs.GT
Optimal class assignment problem: a case study at Gunma University
在这项研究中,我们考虑现实世界中的问题,分配学生的类,其中每个学生都有一个偏好列表,排序的一个子集的类的偏好顺序。虽然我们使用现有的方法来包括群马大学的日常课堂作业,但需要根据现场的实际情况进行新的概念和调整,以找到更好的结果。因此,我们提出了最小最大秩约束的最大效用匹配和最大效用匹配与公平匹配之间的折衷,其中如果匹配在词典上最小化分配到未包括在其选择中的班级的学生数量,分配到其最后选择中的学生数量等,则称匹配是公平的。我们也观察到,学生提出的延迟接受机制与单一的平局打破,这是一个热门的文献中的择校问题的潜在效率。
2021-03-31 cs.GT econ.TH math.OC
Group Strategyproof Pareto-Stable Marriage with Indifferences via the Generalized Assignment Game
我们研究了稳定婚姻问题的变体,其中代理人的偏好允许包括冷漠。我们提出了一种机制,在稳定的婚姻市场中产生帕累托稳定的匹配与无差异,这是集团战略的市场的一方。我们的关键技术是将稳定的婚姻市场建模为广义分配博弈。我们还表明,我们的机制可以有效地实施。这些结果可以推广到具有无差异性的大学录取问题。
2017-10-11 cs.GT
Random Serial Dictatorship versus Probabilistic Serial Rule: A Tale of Two Random Mechanisms
University of Waterloo(滑铁卢大学)
对于指定顺序偏好的代理被分配给不可分割对象的分配问题,两种广泛研究的随机机制是随机序列独裁(RSD)和概率序列规则(PS)。这两种机制都具有理想的经济和计算特性,但它们所产生的结果在许多情况下是无法比拟的,因此在决定实际采用哪种机制时产生了挑战。在本文中,我们首先看看空间的词典的偏好,并表明,相对于一般的偏好域,RSD满足envyfreeness。此外,我们表明,虽然根据词典的偏好PS是strategyproof时,对象的数量小于或等于代理,它是严格可操纵的,当有更多的对象比代理。在一般偏好的空间中,我们提供了RSD和PS的(不)可比性的实证结果,分析了经济属性,并提供了每个机制在不同应用领域的适用性的进一步见解。
2015-03-04 cs.AI cs.GT cs.MA
The popular assignment problem: when cardinality is more important than popularity
本研究针对二分图匹配场景,提出基于LP对偶的多项式时间算法寻找最大流行匹配,还给出非流行度边际受限的近似最优算法,证明相关变体的NP难性并提出带强制/禁止边变体的高效算法,可应用于住房市场。
2023-10-04 cs.DS cs.GT
Envy-Free Decompositions of Random Assignments: Settling Four Agents, and What Lies Beyond
Software College, Northeastern University(东北大学软件学院)
该研究解决了4主体SD-EF矩阵必存在Dec-EF分解的公开问题,拓展了多主体、多偏好下的相关结论,证明1/2为最优嫉妒概率阈值,同时指出任意随机分配的Dec-EF分解判定是强NP完全问题。
2026-09-28 cs.GT
Metric Facility Assignment with Partial Information
Drexel University(德雷塞尔大学);University of British Columbia(不列颠哥伦比亚大学);University of Tehran(德黑兰大学);University of Essex(埃塞克斯大学);University of Southern Denmark(南丹麦大学)
研究在部分信息下,通过结合序数偏好、批准偏好和设施间距离信息,最小化社会成本的设施分配问题,并给出了确定性算法的紧界。
2026-06-04 cs.GT
Decomposition Envy-Freeness in Random Assignment
Chuo University(中央大学);National University of Singapore(新加坡国立大学);Institute of Science Tokyo(东京科学大学)
本文提出分解嫉妒公平性(Dec-EF)概念,用于解决随机分配中SD-EF可能无法满足的情况,适用于最多三名代理人或偏好种类不超过两种的情形。
2026-04-18 cs.GT econ.TH
Algorithms for Stable Roommate with Externalities
针对智能体同时偏好房间和室友的室友匹配模型,研究4人稳定(4PS)和2人稳定(2PS)分配的效率与防策略性,提出帕累托最优且防策略的4PS序列独裁算法,分析TTC变体局限,并识别多项式时间可解2PS的偏好结构。
2025-08-19 cs.GT
Pareto optimal coalitions of fixed size
我们解决了将玩家分成固定大小的小组的问题,例如将符合条件的学生分配到共享宿舍。每个学生提交的偏好超过其他个别学生。我们研究了几种设置,这些设置在待填充房间的大小、偏好的有序性或完整性以及计算联盟价值的方式上有所不同--基于联盟中最好或最差的室友。在所有情况下,我们确定确定存在性的复杂性,然后找到一个帕累托最优分配,以及验证给定分配的帕累托最优性的复杂性。
2019-06-20 cs.GT
Game-Theoretically Secure Protocols for the Ordinal Random Assignment Problem
本文研究分布式序数随机分配中的最大最小安全协议,证明公平性与序数效率不可兼得,并提出实现公平、稳定及均匀占优的 OnlinePSVar 协议。
2023-04-26 cs.GT
Structure and complexity of ex post efficient random assignments
在随机分配问题中,对象被随机分配给代理,同时考虑代理对对象的偏好。随机分配指定代理获得对象的概率。我们研究随机分配的事后效率的结构和计算方面。我们首先表明,而事后有效的分配可以很容易地计算,检查是否一个给定的随机分配是事后有效的是NP完全的。因此,通过确定性帕累托最优分配来实现给定的随机分配是NP难的。然后,我们形式化的另一个概念的效率称为鲁棒事后效率,是弱于随机优势效率,但比事后效率强。我们提出了一个强大的事后效率的表征,并表明,它可以在多项式时间内进行测试,如果有一个常数的代理类型。结果表明,著名的随机序列独裁规则是不鲁棒事后有效的。最后,我们表明,而强大的事后效率仅取决于哪些条目的分配矩阵是零/非零,事后效率的分配取决于实际值。
2014-09-22 cs.GT
Assignment Mechanisms under Distributional Constraints
研究了在分布约束条件下,具有异质偏好的Agent之间的对象分配问题。每个代理都与一个公共已知的类型相关联,并且在对象上有一个私有的序数排名。我们有兴趣指派尽可能多的特工。我们的第一个贡献是对众所周知的、广泛使用的连续独裁的概括。我们的机制保持了串行独裁的几个理想的属性,包括防策略性,帕累托效率,计算的易处理性,同时满足分布的限制,一个小的错误。我们还提出了一个推广的概率串行算法,它发现一个有序的有效和无羡慕的分配,并满足分布约束,误差很小。然而,我们发现,没有正常的有效和嫉妒的机制也弱strategyproof。我们的两个算法分配至少相同数量的学生作为最佳分数分配。
2019-05-01 cs.DS cs.GT
Sophisticated Students in Boston Mechanism and Gale-Shapley Algorithm for School Choice Problem
George Mason University(乔治梅森大学)
我们提出了我们的实验结果模拟学校选择的问题,处理分配的学生到学校的基础上,每个组的完整的偏好列表,其他组使用两种算法:波士顿机制和学生提出Gale-Shapley算法。我们比较了复杂的学生改变他们的偏好列表与这两种算法的影响。我们的模拟结果表明,复杂的学生可以受益更多的波士顿机制相比,Gale-Shapley算法基于多个评价指标。
2021-08-12 cs.AI cs.GT
Efficiency of Truthful and Symmetric Mechanisms in One-sided Matching
我们研究了真实和对称机制在具有{ \em二分偏好}和{ \em归一化von Neumann-Morgenstern偏好}的单侧匹配问题中的效率(就社会福利而言)。我们特别感兴趣的是众所周知的{ \em随机串行独裁}机制。对于二分法的偏好,我们首先表明,真实的,对称的和最优的机制存在,如果棘手的机制是允许的。然后,我们提供了一个连接到在线二分匹配。利用这种联系,可以设计出真实、对称且易于处理的机制,提取最大社会福利的0.69,这在代理人不具有对抗性的假设下有效。在没有这个假设的情况下,我们证明了随机序列独裁总是返回一个分配,其中期望的社会福利至少是最大社会福利的三分之一。对于规范化冯诺伊曼-摩根斯坦的偏好,我们表明,随机序列独裁总是返回一个分配,其中预期的社会福利至少是$\frac{1}{e}\frac{ν(\opt)^2}{n}$,其中$ν(\opt)$是最大的社会福利和$n$是代理和项目的数量。在硬度方面,我们表明,没有真实的机制可以实现比$\frac{ν(\opt)^2}{n}$更好的社会福利。
2014-09-17 cs.GT
Random Assignment of Indivisible Goods under Constraints
本文研究带可行性约束的不可分物品随机分配问题,证明在划分拟阵约束下有效且免嫉妒的分配可能不存在,并识别出保证存在性的特殊情形,进而提出相应机制。
2024-12-26 cs.GT econ.TH
Tight Efficiency Bounds for the Probabilistic Serial and Related Mechanisms
University of Illinois at Urbana-Champaign(伊利诺伊大学厄巴纳-香槟分校);Shanghai University of Finance and Economics(上海财经大学);University of Bonn(波恩大学)
本文研究了概率序列机制及其相关机制在基数偏好下的效率界限,证明了其在帕累托效率上的近似保证,并提出了计算公平且高效分配的多项式时间算法。
2026-02-12 cs.GT econ.TH
Strategyproof Maximum Matching under Dichotomous Agent Preferences
针对智能体侧二分偏好、机构侧严格偏好的双边匹配问题,提出一种新机制,满足个体理性、最大规模、公平性等多重要性质,解决了是否存在同时满足智能体防策略性、最大规模、公平性和非专断性机制的开放问题。
2025-02-14 cs.GT econ.TH
An Equilibrium Dynamic Traffic Assignment Model with Linear Programming Formulation
本文针对动态均衡交通问题,在简化模型下证明均衡交通分布可通过线性规划求解,并讨论了基于时间扩展网络的算法方法。
2024-08-30 cs.GT math.OC
Belief-Averaged Relative Utilitarianism
在Savage的传统中,我们考虑了当个体和社会的偏好最大化主观期望效用时的社会福利函数。一个系统的公理介绍其唯一的解决方案是社会福利函数,平均代理人的信念和总结他们的效用函数,规范化具有相同的范围。第一个区别公理要求社会的偏好与行为人的偏好之间存在积极的关联,行为人的偏好与信念一致。第二个是削弱了阿罗对不相关替代方案的独立性,这些替代方案仅适用于非冗余行为。
2021-08-11 cs.GT econ.TH
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
Fairness in the Assignment Problem with Uncertain Priorities
在分配问题中,一组物品必须分配给单位需求代理人,他们表达对物品的顺序偏好(排名)。在具有优先权的分配问题中,具有较高优先权的代理人有权相对于较低优先权的代理人获得其偏好的商品。优先级可以自然地表示为排名,而不确定的优先级可以表示为排名上的分布。例如,当招生机构不确定申请人的真正优先权时,这一模型可以模拟将学生申请人分配到大学席位或将工作申请人分配到职位空缺的问题。这种不确定性可以表示在优先级排序的生成中存在偏差的可能性。我们相信,我们是第一个明确制定和研究分配问题的不确定的优先级。在这个问题中,我们引入了两个自然的公平概念:随机无嫉妒(SEF)和似然无嫉妒(LEF)。我们表明,SEF和LEF是不相容的,LEF是不相容的序数效率。我们描述了两个算法,周期消除(CE)和单位时间吃饭(UTE),满足顺序效率(一种形式的事前帕累托最优)和SEF;著名的随机串行独裁算法满足LEF和较弱的效率保证事后帕累托最优。我们还表明,行政长官满足放宽LEF,我们长期1-LEF只适用于某些比较的优先级,而UTE满足一个版本的比例分配等级。最后,我们展示了如何调解人可以建模的问题,学校入学的偏见作为一个分配问题,不确定的优先级。
2023-01-31 cs.GT
Coarse Preference Reporting in the Bottleneck Model: Approximate Strategyproofness and Efficiency
Institute of Science Tokyo(东京科学大学)
针对瓶颈通行时间调度问题,设计基于时间槽的粗粒度报告机制,证明策略操纵收益和效率损失随槽宽二次衰减,并揭示收费对真实报告的关键作用。
2026-06-17 cs.GT econ.TH math.OC
Distortion of AI Alignment: Does Preference Optimization Optimize for Preferences?
Cornell University(康奈尔大学);UC Berkeley(加州大学伯克利分校)
针对现有AI对齐方法在多样化偏好下无法满足多元对齐的问题,引入社会选择理论中的失真概念,证明Nash Learning from Human Feedback实现了极小极大最优失真,而RLHF和DPO的失真可能无界。
2025-05-29 cs.GT cs.LG
A pessimist's approach to one-sided matching
针对单边匹配中的概率分配,提出一种分解方法,以最大化最坏情况下被分配的代理数量,并给出特定机制下的多项式算法及一般情况下的NP难证明,同时提出列生成框架并在真实数据上验证。
2022-07-12 cs.DM cs.DS cs.GT
Response Time Enhances Alignment with Heterogeneous Preferences
Department of Economics, University of California, Berkeley(加州大学伯克利分校经济系);Department of Computer Science and Ken Kennedy Institute, Rice University(休斯敦大学计算机科学系和肯尼迪研究所);Departments of Electrical Engineering and Computer Sciences, University of California, Berkeley(加州大学伯克利分校电子工程与计算机科学系);Departments of Electrical Engineering and Computer Sciences and Statistics, University of California, Berkeley(加州大学伯克利分校电子工程与计算机科学系和统计学系;巴黎Inria);Inria Paris
本文提出通过引入用户响应时间信号来纠正传统偏好数据中对异质偏好的估计偏差,证明该方法能准确识别群体平均偏好,提升大型语言模型对人类偏好的对齐效果。
2026-05-07 cs.GT cs.LG econ.TH