Social Welfare Maximization for Federated Learning with Network Effects
本文研究具有网络效应的联邦学习激励机制设计,提出MTS框架和SEMTS机制,通过客户支付实现社会福利最大化,实验显示较现有机制提升148.86%。
2024-08-23 cs.GT
Meta-mechanisms for Combinatorial Auctions over Social Networks
本文提出元机制,将经典拍卖机制统一转换为社交网络环境下的机制并保留关键性质,首次解决单一意向买家与一般单调估值两类网络组合拍卖问题。
2024-08-08 cs.GT
Diffusion Mechanism Design in Tree-Structured Social Network
本文为树状社交网络中的多物品销售设计了一种固定价格拍卖机制,通过激励买家邀请更多人参与拍卖,证明了其满足个人理性与激励相容,并通过理论与模拟验证了其相对最优机制的高近似比。
2024-07-30 cs.GT
Settling the Distortion of Distributed Facility Location
我们研究了分布式设施选址问题,其中一组位置在实数线上的代理被划分为不相交的区域,目标是选择一个点来满足一定的标准,如优化目标函数或避免策略行为。我们的分布式设置中的机制分为两个步骤:对于每个地区,它选择一个代表该地区代理报告的位置的点,然后决定这些代表点之一作为最终输出。我们考虑两类机制:不受限制的机制,假设代理人直接提供他们的真实位置作为输入,和策略保护机制,处理战略代理人,旨在激励他们如实报告自己的立场。对于这两个类,我们展示了严格的界限上的最佳近似的几个最小化的社会目标,包括众所周知的社会成本(总距离的代理从选择点)和最大成本(所有代理从选择点之间的最大距离),以及其他公平启发的目标是量身定制的分布式设置。
2023-01-04 cs.GT
Optimizing the Social Cost of Congestion Games by Imposing Variable Delays
我们描述了一种新的协调机制,非原子拥塞游戏,导致(自私)的社会成本是任意接近非自私的最佳。这一机制不会产生任何额外的费用,如通行费,通行费通常与仅以延误表示的社会成本不同。
2014-06-19 cs.GT
Social welfare in one-sided matchings: Random priority and beyond
我们研究的问题近似社会福利最大化(没有钱)在单边匹配问题时,代理人有无限的基数偏好在一组有限的项目。随机优先级是一个非常著名的真实的预期机制的问题。我们证明了随机优先级的逼近比是Theta(n^{-1/2}),而没有一个期望中真机制能达到比O(n^{-1/2})更好的逼近比,其中n是代理和项目的数量。此外,我们证明了所有有序(不一定是期望真的)机制的逼近比的上界为O(n^{-1/2}),表明随机优先是该问题的最佳期望真机制和最佳有序机制.
2014-05-05 cs.GT
A Socially-Aware Incentive Mechanism for Mobile Crowdsensing Service Market
移动群体感知已经显示出巨大的潜力,以解决大规模的问题,通过分配传感任务,无处不在的移动用户(MU)。如果他们能获得满意的奖励,他们将参加一个众测平台。在本文中,为了有效和高效地招募足够的MU,即,的参与者,我们研究了最优的奖励机制的垄断Crowdsensing服务提供商(CSP)。我们将奖励和参与建模为两阶段博弈,并利用逆向归纳法分析了MU的参与水平和CSP的最优奖励机制。同时,奖励的设计考虑到移动社交网络中潜在的社交网络效应,以激励参与者。也就是说,一个MU将从当地邻居在社交网络中提供或分享的信息中获得额外的好处。在完全信息条件下,给出了区别性报酬和一致性报酬的解析表达式,以及不完全信息条件下报酬激励的近似表达式。性能评估表明,网络效应极大地刺激了CSP的更高的移动参与水平和更大的收入。此外,歧视性奖励使CSP能够从这个Crowdsensing服务市场中获得更大的盈余。
2018-08-13 cs.GT
Truthful approximations to range voting
本文研究了在一般基数偏好下,在有限个方案上,无货币条件下,近似社会福利最大化的基本机制设计问题。众所周知的范围投票方案可以被认为是一个非真实的机制,在这种情况下,确切的社会福利最大化。当m为备选方案的个数时,我们展示了一个随机的期望中真序数机制,该机制实现了一个结果,该结果的期望社会福利至少是社会最优备选方案的社会福利的Ω(m^{-3/4})分数。另一方面,我们证明了,对于足够多的代理和任何真实的期望序数机制,有一个估值配置文件,该机制达到最多O(m^{-{2/3})分数的最佳社会福利的期望。我们得到更严格的界限,为自然的特殊情况下,m = 3,在这种情况下,进一步获得分离的结果,自然限制类的真实预期机制实现的近似比。特别是,我们表明,对于m = 3和足够大的代理数量,最好的机制,是有序以及混合单边有一个近似比在0.610和0.611之间,最好的有序机制有一个近似比在0.616和0.641之间,而最好的混合单边机制有一个近似比大于0.660。特别是,最好的混合单边非序数(即,cardinal)机制严格优于所有有序机制,甚至非混合单侧有序机制。
2014-09-11 cs.GT
Multi-unit Auction over a Social Network
本文针对社交网络多单位扩散拍卖提出图探索技术,设计 MUDAN 和 MUDAN-m 两种机制,在满足激励相容性和 1/m-弱效率的同时实现无奖励扩散拍卖的最优社会福利。
2023-09-25 cs.GT
Distributed Task Management in Fog Computing: A Socially Concave Bandit Game
University of Tübingen(蒂宾根大学);Fraunhofer Heinrich Hertz Institute(弗劳恩霍夫海因里希·赫兹研究所)
该研究将雾计算分布式任务分配问题建模为社会凹性老虎机博弈,提出两种无悔在线决策策略,经理论和数值验证其任务分配性能优于现有方法。
2023-06-09 cs.GT cs.LG cs.MA
Discrimination-Based Double Auction for Maximizing Social Welfare in the Electricity and Heating Market Considering Privacy Preservation
提出了一种在电力和供热市场中以社会福利最大化为目标的带有价格歧视的双边拍卖机制。在该机制中,能源服务提供商(ESP)和负荷聚合商(LA)分别向能源交易中心(ETC)提交报价和投标,以实现各自效用最大化;而无私的ETC作为拍卖人,利用区分性价格权重来规范ESP和LA的行为,将各利益相关者的个体利益与整体社会福利相结合,以实现全局最优。纳什博弈被用来描述具有相同市场角色的参与者之间的相互作用。在理论上,首先证明了纳什均衡的存在唯一性;然后,考虑到博弈参与者对隐私保护的要求,提出了一种基于乘数交替方向法的分布式算法实现分布式竞价,并采用解析目标级联算法实现供需平衡。我们验证了所提出的机制,城市一级的分销系统的案例研究。实验结果表明,与其他机制相比,所实现的SW提高了4%~ 15%,也验证了分布式算法的有效性。
2022-05-28 cs.GT math.OC
Socially efficient mechanism on the minimum budget
针对策略型智能体社会决策中的利益平衡问题,本研究提出一种在广义模型下满足SE、DSIC和IR且总预算最低的机制,通过将约束转化为加权图最短路径问题求解,实验证明其预算严格低于VCG机制。
2024-07-26 cs.GT cs.MA
Mechanism Design for Demand Response Programs with financial and non-monetary (social) Incentives
大多数采用非强制性政策的需求管理办法都假定用户充分合作,但鉴于用户的信念、需要和偏好,情况可能并非如此。在本文中,我们提出了一个机制,包括激励和没有钱的需求管理。该机制是通过仿真验证,建模的消费者作为一个有限的多智能体系统的演变,直到一个稳态,和社会激励扩散使用意见动力学。
2017-10-27 cs.GT physics.soc-ph
Small Profits and Quick Returns: A Practical SocialWelfare Maximizing Incentive Mechanism for Deadline-Sensitive Tasks in Crowdsourcing
由于众包的驱动力是参与者之间的互动,因此已经提出了各种激励机制来吸引足够的参与者。然而,现有的作品假设所有的供应商总是满足最后期限和任务的价值相应地保持不变。为了弥补这种不切实际的假设,我们模型的异构准时行为的提供者和请求者的任务价值折旧。基于这些模型,我们提出了一个预期社会福利最大化(ESWM)机制,旨在最大化的预期社会福利在多项式时间。仿真结果表明,该机制通过吸引更多的参与者,实现了更高的预期社会福利和平台效用。
2017-06-30 cs.GT cs.HC
Corona Games: Masks, Social Distancing and Mechanism Design
大流行病的应对是一件复杂的事情。大多数政府采用一套准标准措施对抗COVID-19,包括戴口罩、保持社交距离、病毒检测和接触者追踪。我们认为,这些措施的不同有效性背后的一些重要因素是自私的决策和不同的国家实施的响应机制。在本文中,通过简单的游戏,我们展示了个人激励对戴口罩和社交距离的影响,以及这些可能导致次优结果。我们还证明了国家当局的责任,在设计这些游戏适当选择的政策和他们的影响,首选的结果。我们提倡一种机制设计方法:在实施各自的大流行应对机制时,认真平衡社会公益和应对成本,符合各国政府的最佳利益。
2020-10-20 cs.GT econ.TH
Strategy-Proof and Non-Wasteful Multi-Unit Auction via Social Network
由Li et al.(2017)开创的通过社交网络的拍卖在拍卖的机制设计文献中引起了相当大的关注。然而,没有已知的机制,满足防策略,无赤字,无浪费,和个人理性的多单位单位需求拍卖,除了一些幼稚的。在本文中,我们首先提出了一种机制,满足所有上述性质。然后,我们与两个天真的机制进行了全面的比较,表明所提出的机制在社会剩余,卖方的收入,并鼓励买方说实话。我们还分析了社会剩余的特点和收入所取得的建议机制,包括不断逼近的最坏情况下的效率损失和优化收入的复杂性,从卖方的角度来看。
2019-11-20 cs.GT econ.TH
PPS: Privacy-Preserving Strategyproof Social-Efficient Spectrum Auction Mechanisms
针对频谱分配问题,人们提出了许多频谱拍卖机制,但遗憾的是,这些机制都没有保护投标者的投标隐私,也没有取得良好的社会效益。在本文中,我们提出了PPS,一个隐私保护策略证明频谱拍卖框架。然后,我们设计了两个方案分别基于PPS 1)单单元拍卖模型(SUA),只有一个信道被出售的频谱市场; 2)多单元拍卖模型(MUA),其中的主用户转租多个单位的信道的次用户和每个次用户都希望访问多个单位的信道。由于社会效率最大化问题在这两个拍卖模型中都是NP难问题,我们分别给出了近似因子为$(1+ε)$和32的SUA和MUA分配机制,并在此基础上设计了具有隐私保护的防策略拍卖机制.我们广泛的评估表明,我们的机制实现了良好的社会效率和低的计算和通信开销。
2013-07-30 cs.GT cs.NI
Sybil-Proof Diffusion Auction in Social Networks
Peking University(北京大学);ShanghaiTech University(上海科技大学)
扩散拍卖是一种通过社交网络销售商品的市场,其挑战在于激励现有买家邀请网络中的邻居加入市场。现有机制旨在解决各种情况下的挑战,旨在实现理想的特性,如无缺陷、激励相容性和社会福利最大化。由于这些机制是在结构不断变化的动态网络中使用的,购买者可以很容易地在网络中生成虚假节点,以操纵这些机制为自己谋取利益,这就是通常所说的Sybil攻击。我们观察到,战略代理人可能通过这种攻击在现有机制中获得不公平的优势。为了抵抗这种潜在的攻击,我们提出了两种扩散拍卖机制,Sybil税机制(STM)和Sybil集群机制(SCM),以实现在单一项目设置的Sybil防和激励兼容性。我们的建议提供了第一个机制,以保护买家的利益免受Sybil攻击与轻微的牺牲社会福利和收入。
2022-11-03 cs.AI cs.GT
PRINCE: Privacy-Preserving Mechanisms for Influence Diffusion in Online Social Networks
由于方程1中的一个关键符号错误,本文已被作者撤回。随着在线社交网络的发展,人们对如何在在线社交网络中传播影响力进行了广泛的研究,提出了许多算法和模型。然而,许多基本问题也被忽视了。其中,最重要的问题是在线社交网络中影响力传播的激励方面和隐私方面(如节点关系)。考虑到这些缺陷,并结合强大的工具,从差分隐私,我们提出了PRINCE,这是一系列的\underline{IN}流感\underline{CE}在网上社交网络的扩散,以解决问题的\underline{PR} ivacy保护机制。我们不仅从理论上证明了PRINCE的许多优良性质,而且还实现了PRINCE,以广泛地评估其性能。评估结果表明,PRINCE取得了良好的性能。据我们所知,PRINCE是在线社交网络中第一个差异化的影响力扩散机制。
2014-02-12 cs.GT cs.SI
Social Media and Misleading Information in a Democracy: A Mechanism Design Approach
在本文中,我们提出了一个资源分配机制的问题,激励过滤之间的有限数量的战略社会媒体平台。我们认为存在一个战略性的政府和私人知识的错误信息如何影响社交媒体平台的用户。我们提出的机制激励社交媒体平台有效地过滤误导性信息,从而间接防止假新闻的传播。特别是,我们设计了一个经济上的启发机制,强烈实现所有的广义纳什均衡有效过滤的误导性信息的诱导游戏。我们表明,我们的机制是个人理性的,预算平衡,但它至少有一个均衡。最后,我们表明,准凹效用和约束,我们的机制承认一个广义纳什均衡,并实现了帕累托有效的解决方案。
2021-01-08 cs.GT cs.SY eess.SY
Differentially Private Double Spectrum Auction with Approximate Social Welfare Maximization
频谱拍卖是提高频谱利用率的一种有效方法,它将空闲频谱从主用户租给次用户。近年来,一些差异隐私频谱拍卖机制被提出,但据我们所知,他们都没有解决差分隐私在设置双频谱拍卖。本文将差分隐私的概念与双频谱拍卖设计相结合,提出了一种近似社会福利最大化的差分隐私双频谱拍卖机制(DDSM)。具体地说,我们设计了一种指数机制来选择与相关社会福利值成指数关系的双频谱拍卖的出清价格,并在拍卖算法、效用函数和买方分组算法的设计等方面对该机制进行了改进。通过理论分析,证明了DDSM实现了差分隐私、近似真实、近似社会福利最大化。大量的实验评估表明,DDSM实现了良好的性能方面的社会福利。
2018-10-18 cs.CR cs.GT
Efficiency in Truthful Auctions via a Social Network
在本文中,我们研究了通过社会网络的真实拍卖的效率,其中卖方只能通过买方的网络向买方传播拍卖的信息。在单一物品拍卖,我们表明,没有一种机制是防策略的,个人理性的,有效的,弱预算平衡。此外,我们提出了$α$ -APG机制,一类机制,经营效率和弱预算平衡之间的权衡。在多物品拍卖中,当所有买家只需要一个物品时,已经存在一种防策略机制。然而,我们指出了一个反例,在这个机制中的防策略性,并尽我们所知,找到一个防策略机制的问题仍然是开放的。我们假设所有的买家都有递减的边际效用,并提出了一个广义的APG机制,是防策略和个人理性,但不是有效的。重要的是,我们表明,该机制实现了最大的效率措施之间的所有防策略机制。
2019-04-29 cs.GT econ.TH
Mechanism Design Powered by Social Interactions
机制设计传统上假设参与者的集合是固定的,并且预先为机制(市场所有者)所知。然而,在实践中,市场所有者只能直接接触到少数参与者(她的邻居)。因此,业主往往需要昂贵的促销活动,以招募更多的参与者,以获得理想的结果,如社会福利或收入最大化。在本文中,我们建议激励现有的参与者邀请他们的邻居,以吸引更多的参与者。但是,如果他们是竞争对手,他们就不会邀请对方。我们讨论了如何利用参与者之间的利益冲突,激励他们邀请对方形成更大的市场。我们将重点介绍早期的解决方案,并为讨论拍卖,联盟游戏,匹配和投票设置中的基本开放问题打开了大门。
2021-02-20 cs.GT econ.TH
A Distributed Platform for Mechanism Design
我们描述了一个分布式机制设计的结构化系统。它由一系列的层组成。较低层只处理与分布式计算相关的操作,而较高层只关心参与者之间的通信,包括广播和多播以及分布式决策。这就产生了一个高度灵活的分布式系统,其特定的应用程序作为其顶层的实例来实现。这种设计支持容错,防止操纵,并使之有可能实现分布式警务。该系统是用Java实现的。我们通过讨论一些实现的例子来说明它。
2008-10-17 cs.DC cs.GT
A Stackelberg Game Approach Towards Socially-Aware Incentive Mechanisms for Mobile Crowdsensing (Online report)
移动人群传感已显示出通过将传感任务分配给无处不在的移动用户来解决大规模数据传感问题的巨大潜力。移动用户如果能够获得满意的奖励,则将参与众测平台。在本文中,为了有效和高效地招募足够数量的移动用户,即,参与者,我们研究了一个最佳的激励机制的众感服务提供商。我们采用两阶段的Stackelberg博弈分析的移动用户的参与水平和最优的激励机制的众测服务提供商使用逆向归纳法。为了激励参与者,通过考虑潜在的移动社交领域的社会网络效应来设计激励。例如,在基于众测的道路交通信息共享应用中,如果更多的用户加入并共享他们的道路信息,则用户可以获得更好且准确的交通报告。我们推导了歧视性激励和统一激励机制的解析表达式。为了适应实际场景,我们进一步制定了贝叶斯Stackelberg游戏与不完全信息分析之间的互动crowdsensing服务提供商和移动用户,其中的社会结构信息(社会网络效应)是不确定的。通过识别移动用户的最佳响应策略,验证了贝叶斯Stackelberg均衡的存在性和唯一性。数值结果证实了这样一个事实,即网络效应极大地刺激更高的移动参与水平和更大的收入的众测服务提供商。此外,社会结构信息有助于众测服务提供商实现更大的收益。
2018-10-31 cs.GT cs.NI
From the Social Choice Problem to a Collusion-Proof Tendering Mechanism for Dynamic Stochastic Projects
Alfréd Rényi Institute of Mathematics(阿尔弗雷德·雷尼数学研究所)
该文针对静态社会选择问题中 AGV 机制的缺陷,提出可转移效用保障效用机制(TU-GUM),其适用于动态随机项目且具防合谋性,还总结关联相关成果并补充新观察。
2026-09-01 cs.GT econ.TH
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
Evolutionary mechanisms that promote cooperation may not promote social welfare
Teesside University(提赛德大学);University of Birmingham(伯明翰大学);University of Maribor(马里博尔大学);Community Healthcare Center Dr. Adolf Drolc Maribor(阿道夫·德罗尔奇博士马里博尔社区医疗中心);Complexity Science Hub Vienna(维也纳复杂科学中心);Kyung Hee University(庆熙大学)
本文通过比较同伴激励与制度激励的随机演化模型,证明最大化合作并不等于最大化社会福利,主张机制设计应以社会福利为主要优化目标。
2024-09-11 cs.AI cs.GT cs.MA
Selfish Distributed Compression over Networks: Correlation Induces Anarchy
我们考虑多个相关源的最小成本组播问题(在网络编码下),每个终端都希望丢失重建所有的源。我们研究的低效率所带来的自私行为的终端在这种情况下,通过建模它作为一个非合作的终端之间的游戏。由于缺乏监管而导致的性能下降由{ \it无政府代价}(POA)来衡量,POA被定义为最坏可能\textit{Wardrop equilibrium}的成本与社会最佳成本之间的比率。我们的主要结果是,与独立源的情况相比,源相关性的存在可以显着增加无政府状态的无政府代价。为了建立这一结果,我们首先描述了社会最优流量和流量分配的四个直观条件。接下来,我们表明,Wardrop均衡是一个社会最优的解决方案,一组不同的(相关)成本函数。利用这一点,我们构造明确的例子,证明POA $> 1$,并确定近紧上界的POA以及。在我们的分析中的主要技术是拉格朗日对偶理论和使用的超模的条件熵。
2009-03-01 cs.GT cs.IT math.IT
Self-regulation promotes cooperation in social networks
现实社会困境中的合作行为通常被认为是一种源于规范和惩罚的现象。为了克服这一范式,我们强调之间的相互作用,社交网络对个人的影响,并激活自发的自我调节机制,这可能会导致他们的行为合作,同时与他人互动,并采取冲突的决定随着时间的推移。通过将进化博弈理论扩展到网络,我们证明了无论自我调节机制是否足够强于社会压力,合作都会部分或完全出现。有趣的是,即使是很少的合作个体也会充当其他人合作的催化剂,从而激活招募机制,最终推动整个群体合作。
2018-07-20 cs.GT cs.SI econ.TH
Behavior is Not Enough: A Mechanism-Based Evaluation of Social Norm Emergence in LLM Societies
本研究提出基于期望测量的评估框架,揭示LLM社会中合作涌现可由不同机制驱动,为多智能体系统设计提供原则性依据。
2026-09-23 cs.CL cs.CY cs.GT
SOCIALMAPF: Optimal and Efficient Multi-Agent Path Finding with Strategic Agents for Social Navigation
我们提出了一个扩展的MAPF制定,称为SocialMAPF,占私人激励的代理人在受限的环境,如门口,狭窄的走廊,走廊交叉口。例如,SocialMAPF能够准确地推理出一个代理人赶往医院的紧急激励,而不是另一个代理人去杂货店的不那么紧急的激励; MAPF忽略了这种代理人特定的激励。我们提出的配方解决了开放的问题,最佳和有效的路径规划与私人激励代理。为了解决SocialMAPF,我们提出了一类新的算法,在冲突解决过程中使用机制设计,同时优化代理的私人本地公用事业和全球系统的目标。我们进行了大量的实验表明,最佳的基于搜索的MAPF技术导致碰撞和增加的时间到目标的SocialMAPF相比,我们提出的方法使用机制设计。此外,我们的经验表明,机制设计的模型,最大限度地提高代理效用和最大限度地减少整个系统的整体时间到目标。我们进一步展示了机制设计为基础的规划的能力,成功地将其部署在环境中的静态障碍。最后,我们简要地列出了几个研究方向,使用SocialMAPF制定,如探索运动规划在连续域的代理与私人激励。
2022-10-15 cs.AI cs.GT cs.MA
Inducing Social Optimality in Games via Adaptive Incentive Design
社会规划者如何自适应地激励那些在战略环境中学习的自私代理人,以诱导长期的社会最优结果?我们提出了一个两个时间尺度的学习动力学来回答这个问题,在原子和非原子游戏。在我们的学习动态中,玩家采用一类学习规则以更快的时间尺度更新他们的策略,而社会规划者以更慢的时间尺度更新激励机制。具体而言,激励机制的更新是基于每个参与者的外部性,外部性被评估为每个时间步中参与者的边际成本与社会边际成本之差。我们发现,我们的学习动力学的任何不动点对应的最优激励机制,使相应的纳什均衡也达到社会最优。我们还提供了充分的条件,学习动态收敛到一个固定点,使自适应激励机制最终诱导社会最优的结果。最后,我们证明了收敛的充分条件满足各种游戏,包括(i)原子网络二次聚合游戏,(ii)原子古诺竞争,和(iii)非原子网络路由游戏。
2022-04-12 cs.GT cs.SY econ.GN