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
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
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
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
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
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
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
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
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
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
Stable Voting Rules on the Edge of Optimal Metric Distortion
Rutgers University(罗格斯大学);Stanford University(斯坦福大学);Harvard University(哈佛大学)
本文提出一种基于零和博弈单一分布的随机投票规则,实现度量失真至多2.13713,接近理论下界,并证明稳定2-抽签失真为7/3。
2026-11-04 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
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
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
Formal Barriers to Simple Algorithms for the Matroid Secretary Problem
Babaioff等人。[BIK2007]在2007年引入了拟阵秘书问题,这是经典的单选秘书问题到拟阵的自然延伸,并证明存在一个常数竞争在线算法。该猜想仍然是开放的,尽管大量的部分进展,包括常数竞争算法的许多特殊情况下的拟阵,和$O(\log \log \text{rank})$竞争算法在一般情况下。这些算法中的许多遵循原则框架。这些框架的限制是以前没有研究过的,以前的工作只建立了少数特定的算法不能解决拟阵秘书猜想。我们开始研究框架来解决这个猜想的不可能性结果。我们建立一个自然类的贪心算法和随机分区算法,这两个包含已知的算法,解决特殊情况下的不可能性结果。
2021-11-07 cs.DS 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
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 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
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
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
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
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
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