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
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
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
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
Approval-Based Elections and Distortion of Voting Rules
我们考虑的选举中，选民和候选人都可以与度量空间中的点相关联，选民更喜欢候选人更接近那些更远。通常假设最佳候选人是最小化到选民的总距离的候选人。然而，投票规则通常不能访问度量空间$M$，只能看到由$M$诱导的偏好排序，因此，它们通常不能选择最优候选。投票规则的失真度量了最坏情况下的质量损失，这是由于只能访问偏好排名的结果。我们将扭曲的概念扩展到基于认可的偏好。首先，我们计算了赞成投票的失真。其次，我们引入了基于可接受性的失真的概念-背后的主要思想是，最佳候选人是大多数选民可以接受的候选人。我们确定了一些规则，包括复数，Borda，$k$ -批准，否决权，科普兰的规则，排名对，舒尔茨的方法，和STV的可接受性失真。
2019-01-20 cs.GT cs.MA
Metric Distortion of Line-up Elections: The Right Person for the Right Job
研究阵容选举在有限序数信息或部分位置信息下的社会选择问题，提出多种机制并证明其具有常数度量失真界。
2025-02-24 cs.DS cs.GT
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
On the Distortion of Voting with Multiple Representative Candidates
Duke University（杜克大学）；University of Southern California（南加州大学）
我们研究位置投票规则时，候选人和选民被嵌入在一个共同的度量空间，和基数的偏好，很自然地给出了度量空间中的距离。在按位投票规则中，每个候选人根据选票的排名顺序从每张选票中获得分数;总分数最高的候选人赢得选举。候选人的成本是他与所有选民的距离之和，而选举的失真是当选候选人的成本与最佳候选人的成本之间的比率。我们考虑的情况下，当候选人是代表人口，在这个意义上，他们是独立的。从选民的人口，并分析预期扭曲的立场投票规则。我们的主要结果是一个干净和严格的位置投票规则，具有恒定的预期失真（独立的候选人的数量和度量空间）的特征。我们的表征结果立即意味着恒定的预期失真博尔达计数和选举中，每个选民批准一个常数部分的所有候选人。另一方面，我们获得了超恒定的预期失真的Plurality，否决权，并批准一个常数的候选人。这些结果与以前的结果与度量偏好的投票：当候选人被选中的对立，所有前面的投票规则有失真的候选人或选民的数量线性。因此，代表候选人的模型允许我们区分在最坏情况下似乎同样糟糕的投票规则。
2017-11-21 cs.AI cs.GT
Improved Metric Distortion for Deterministic Social Choice Rules
在本文中，我们研究了确定性的社会选择规则，选择一个获胜的候选人从一组候选人的基础上选民的偏好的度量失真。投票者和候选者位于底层度量空间中。选民的成本等于她与获胜候选人的距离。序数社会选择规则只能访问假定与度量距离一致的选民的序数偏好。我们的目标是设计一个有序的社会选择规则与最小的失真，这是最坏情况下的比例，在所有一致的指标，社会成本之间的规则和最佳的全知规则与知识的基础度量空间。已知最佳确定性社会选择规则的失真介于$3$和$5$之间。已经证明，任何只考虑候选者的加权锦标赛图的规则都不可能比$5$具有更好的失真。在本文中，我们通过提出一个带有$4.236$失真的加权竞赛规则来反驳它。我们通过推广未覆盖集的经典概念来设计这一规则，并进一步证明了这类规则不可能比$4.236$更好地具有失真。然后，我们提出了一个新的投票规则，通过另一种推广的未覆盖集。我们表明，如果一个候选人满足这个投票规则的标准存在，那么选择这样的候选人产生的失真界的$3$，匹配的下限。我们提出了一个组合猜想，这意味着失真的$3$，并验证它的少量候选人和选民的计算机实验。使用我们的框架，我们还表明，选择任何候选人保证失真时，最多$3$的加权比赛图是循环对称的。
2019-05-04 cs.DM 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
Bi-Criteria Metric Distortion
本文研究社会选择中的度量失真问题，提出通过k人委员会提升近似效果，证明在线性度量下常数规模委员会可实现最优成本，同时给出线性与二维欧氏度量的下界，拓展了功利与平等双目标的上界结果。
2024-12-14 cs.DS 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
Strategyproof Randomized Social Choice for Restricted Sets of Utility Functions
本文提出 $U$-策略证明性概念以规避 Gibbard 关于社会决策方案的负面不可能结果，系统分析了该性质与决断性、孔多塞一致性及事后效率之间的权衡，并给出了正反两方面的理论刻画。
2025-08-22 cs.GT econ.TH
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
The Metric Distortion of Randomized Social Choice Functions: C1 Maximal Lottery Rules and Simulations
研究成熟随机社会选择函数（RSCF）的度量失真，证明C1最大彩票规则的度量失真为最优的4，通过模拟发现经典RSCF平均失真接近定制RSCF，且公正文化分布下合理RSCF在选民多时期望失真接近2。
2025-02-12 cs.GT
Generalized Veto Core and a Practical Voting Rule with Optimal Metric Distortion
本文通过推广社会选择理论中的否决核心概念，为度量投票中的匹配机制提供了直观解释，并提出了一种在连续时间下运行、满足匿名性与中立性且具有最优度量扭曲值3的实用投票规则。
2025-02-04 cs.GT
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
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
Plurality Veto: A Simple Voting Rule Achieving Optimal Metric Distortion
University of Southern California（南加州大学）
提出名为Plurality Veto的简单确定性投票规则，通过n轮否决过程达到最优度量失真3，并推广至随机规则，兼具低通信开销与理论最优性。
2023-06-30 cs.AI 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
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
Sensitivity and Differential Privacy in Metric Voting with Distortion below Three
CyberAgent, Tokyo, Japan（CyberAgent）；National Institute of Informatics, Tokyo, Japan（国立情报学研究所）；Center for Advanced Intelligence Project, RIKEN, Tokyo, Japan（理化学研究所先进智能研究中心）；Kyoto University, Kyoto, Japan（京都大学）
该研究在度量投票中，构造了突破失真3界限的随机规则，同时实现了低最坏情况敏感性与差分隐私，为序数投票规则的隐私与效率平衡提供了新方案。
2026-08-03 cs.DS cs.GT
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
Weak Strategyproofness in Randomized Social Choice
本文研究随机社会选择中的弱策略证明性，提出系统设计弱策略证明社会决策方案的方法，并证明在严格偏好下存在满足事后有效或孔多塞一致性的方案，但在弱偏好下存在不可能性结果。
2024-12-16 cs.GT econ.TH
Triadic Consensus: A Randomized Algorithm for Voting in a Crowd
典型的投票规则在有许多候选人的情况下不起作用。如果只有几百个候选人，那么即使是一个简单的任务，如选择一个最好的候选人变得不切实际。出于在互联网上发展群体共识机制的希望，候选人的数量可以很容易地数以千计，我们研究了一个基于瓮的投票规则，每个参与者作为选民和候选人。我们证明，当参与者躺在一个一维的空间，这个投票协议发现一个$(1-ε/sqrt{n})$近似的孔多塞赢家具有很高的概率，而只需要一个预期的$O(\frac{1}{ε^2}\log^2 \frac{n}{ε^2})$平均每个选民的比较。此外，该投票协议被证明有一个准真实的纳什均衡：即，一个纳什均衡存在，这可能不是真实的，但产生一个赢家具有相同的概率分布的真实的策略。
2012-10-02 cs.DS 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
Ordinal Lindahl Equilibrium for Voting
本文提出有序林哈尔均衡用于投票，解决了无货币转移时的核心约束问题，并提供了高效的近似核心保证算法。
2026-03-04 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
Multi-Winner Elections: Justified Representation, Strategyproofness, and Risk-Avoiding Truthfulness
University of Toronto（多伦多大学）；Shanghai Jiao Tong University（上海交通大学）
本文针对选民策略性提交选票的多获胜者选举，证明不存在满足正当代表性的策略无偏机制，转而采用RAT度分析发现标准比例规则表现较差。
2026-09-28 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
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
Weighted Voting Via No-Regret Learning
Carnegie Mellon University（卡内基梅隆大学）
投票制度通常平等对待所有选民。我们认为，也许他们不应该这样做：过去支持好选择的选民应该比支持坏选择的选民得到更高的权重。为了开发一个正式的框架，理想的加权方案，我们借鉴了无遗憾学习。具体地说，给定一个投票规则，我们希望设计一个加权方案，使得应用投票规则，投票者被该方案加权，导致几乎与事后最好的投票者所支持的选择一样好。我们得到的可能性和不可能性的结果存在这样的加权计划，取决于投票规则和加权计划是否是确定性的或随机的，以及社会选择公理所满足的投票规则。
2017-03-14 cs.AI cs.GT cs.LG
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
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
On the Distortion of Multi-winner Election Using Single-Candidate Ballots
本文研究一般度量空间中基于单候选人选票的多赢家选举失真界限，证明失真是参数 $σ$ 的线性函数，并为真实与非真实机制（如 SNTV 和 Random Sequential Dictator）建立了具体的失真上下界。
2025-05-28 cs.GT
Half Veto, Half Maximal Lottery, Five-halves Distortion
Stanford University（斯坦福大学）
该研究提出预期度量失真达5/2的随机投票规则，由最大抽签与同时多数否决的得分抽签均等混合而成，还证明该失真值在对应规则族中最优，改进了此前的上界。
2026-08-24 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
Revisiting the Distortion of Distributed Voting
我们考虑一个设置与代理人有偏好的替代品，并划分成不相交的地区。其目标是选择一个备选方案作为获胜者，使用一种机制，该机制首先基于以代理人为参与者的地方选举为每个地区决定一个代表备选方案，然后选择一个地区代表作为获胜者。以前的工作表明，一个特定的一类确定性的多元性为基础的机制依赖于现有的信息，代理商在地区的偏好上的扭曲的界限。在本文中，我们首先考虑整个类的确定性机制，并显示其失真的渐近紧界。然后，我们开始研究分布式投票中的随机机制的失真，并显示基于几个信息假设的界限，在许多情况下，这是紧的。最后，我们还通过实验比较了许多不同的机制，使用合成和真实世界的数据的失真。
2023-01-09 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
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
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
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
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
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
On the Indecisiveness of Kelly-Strategyproof Social Choice Functions
社会选择函数（SCF）将一组代理人对某些备选方案的偏好映射到非空的备选方案子集。Gibbard-Satterthwaite定理表明，当有两个以上的选择时，只有极端限制的SCF才是防策略的。对于集值SCF或所谓的社会选择对应，情况就不那么清楚了。使用各种防策略性概念和附加要求会产生各种各样的结果，大多数是负面的。凯利防策略性这个简单而直观的概念被证明是特别有说服力的，因为它足够弱，仍然允许积极的结果。例如，帕累托规则即使在偏好较弱的情况下也是防策略的，而一些有吸引力的SCF（如顶部周期、未覆盖集和基本集）对于严格的偏好是防策略的。在本文中，我们表明，弱偏好，只有不确定的SCF可以满足防策略性。特别地，（i）每个基于策略的基于排名的SCF违反帕累托最优性，（ii）每个满足帕累托最优性的基于策略的支持的SCF（其推广了Fishburn的C2 SCF）返回每个投票者的至少一个最优选的替代方案，以及（iii）每个策略不强加的SCF在至少一个简档中返回孔多塞失败者。我们还讨论了随机社会选择这些结果的后果。
2022-03-29 cs.GT econ.TH
