Best-of-Both-Worlds Fairness of the Envy-Cycle-Elimination Algorithm
University of Illinois at Urbana-Champaign（伊利诺伊大学厄巴纳-香槟分校）
本文研究了如何通过随机化 envy-cycle-elimination 算法在两人情况下实现 ex-ante 比例性，在三人情况下则探讨了实现 ex-ante 比例性的挑战。
2026-06-04 cs.GT
Near-Optimal Best-of-Both-Worlds Fairness for Few Agents
The Hebrew University of Jerusalem（耶路撒冷希伯来大学）
研究少数代理不可分商品公平分配问题，设计多项式时间BoBW算法，为三个代理实现近似最优公平性，给出两个代理最优结果，包括分配比例、EFX准则及FPTAS等，匹配多项式时间内最强保证。
2026-07-08 cs.GT
Pareto-Efficient Multi-Buyer Mechanisms: Characterization, Fairness and Welfare
Hebrew University of Jerusalem（耶路撒冷希伯来大学）；Peking University（北京大学）；Hong Kong University of Science and Technology（香港科技大学）
本文研究了多买家机制的帕累托效率，证明在特定分布下，KS解在公平性和效率上表现更优。
2026-02-12 cs.GT
Best-of-Both-Worlds Fairness for Mixed Goods and Chores
UNSW Sydney（新南威尔士大学）；Shanghai Jiao Tong University（上海交通大学）；Kyushu University（九州大学）
研究在主体间公平分配不可分割物品，物品兼具商品与杂务性质。核心方法是引入概率性霍尔型矩阵分解，结合连续极小极大对偶性与有偏流网络。主要贡献是能同时实现事前无嫉妒和事后至多一件物品无嫉妒。
2026-07-14 cs.GT
Improving Fairness in Information Exposure by Adding Links
影响力最大化中的公平问题是近年来研究的热点。在这种情况下，大多数作品研究的问题是如何找到播种策略（确定性或概率性），使网络中的节点或社区得到公平的覆盖份额。在这方面采用了不同的公平标准。所有这些工作都假设传播信息的实体对公平地传播信息有内在的兴趣，否则他们为什么要使用开发的公平算法？然而，这种假设在现实中可能是有缺陷的--扩展实体可能纯粹是\emph{efficiency-oriented}。在本文中，我们提出了研究两个优化问题的目标是修改网络结构，通过添加链接，以这样一种方式，以效率为导向的信息传播成为\emph{automatically fair}。我们从理论和实验的角度研究了所提出的优化问题，即给出了逼近结果的几个硬度和硬度，为某些特殊情况提供了有效的算法，更重要的是为解决实践中的一个问题提供了启发式方法。在我们的实验研究中，我们首先将所提出的算法相互比较，并建立最成功的算法。在第二个实验中，我们证明了我们的方法在实践中可以非常成功。也就是说，我们已经表明，在添加了一些边缘的网络的贪心算法，纯粹最大化蔓延超过所有的公平定制算法在事后公平。也许令人惊讶的是，我们甚至表明，我们的方法实现了事后公平值，与目前最有效的优化事前公平的算法的事前公平值相当，甚至更好。
2023-02-25 cs.DS cs.GT cs.SI
Best-of-Both-Worlds Fair Allocation of Indivisible and Mixed Goods
本文研究不可分割及混合物品的事前与事后公平分配，给出两智能体多项式时间随机算法，并证明二值效用下多智能体可同时满足比例性、无嫉妒性、EFX/EFM 与分数 Pareto 最优。
2024-10-23 cs.GT
On Best-of-Both-Worlds Fairness via Sum-of-Variances Minimization
Hebrew University of Jerusalem (HUJI)（耶路撒冷希伯来大学）
通过最小化方差和实现事前比例性和事后公平性的分配方法，但在估值不同时会导致分配不公。
2026-01-23 cs.GT
Simultaneous Envy and Equitability Guarantees
Penn State University（宾夕法尼亚州立大学）；Rutgers University（罗格斯大学）
本文研究无嫉妒性与公平性两种公平概念的兼容性，明确两类场景下同时满足对应松弛分配的存在性与复杂性，提出算法并首次探究跨概念事前-事后保证。
2026-10-01 cs.AI cs.GT econ.TH
Limitations of Best-of-Both-Worlds Solutions in Approval-Based Multiwinner Elections
Shanghai Jiao Tong University（上海交通大学）
该研究探讨基于批准的多获胜者选举中“两全其美”公平性，证明事前弱PO、AJR与事后JR互斥，但多个事前代表性保证可兼容，明确公平随机委员会选择的根本局限性。
2026-08-04 cs.GT
Maximum Flow is Fair: A Network Flow Approach to Committee Voting
本文研究委员会投票中的事前公平概率分布计算，提出群体资源比例性公理，并利用最大流网络设计两种兼顾公平性、效率与防策略性的投票规则，同时实现了两全其美的公平性。
2024-12-27 cs.GT econ.TH
Fairness in penalty shootouts: Is it worth using dynamic sequences?
动态团队锦标赛中的移动顺序可能会扭曲事前获胜概率并损害效率。本文从理论的角度，对决定足球点球顺序的七种规则进行了比较。他们的公平性是在一个合理的模型的先动优势。我们还讨论了到达猝死阶段的概率。在固定得分概率的情况下，动态机制并不比静态规则更好。然而，在猝死阶段，让后动者成为先行者是值得的。我们的工作有可能影响决策者，他们可以通过精心选择的行动序列来保证动态锦标赛的公平结果。
2022-01-09 cs.GT econ.GN q-fin.EC
Randomized Strategyproof Mechanisms with Best of Both Worlds Fairness and Efficiency
本文针对不可分割物品分配中的策略防操纵、公平与效率冲突，先证明确定性机制的不可能性，再利用随机化分别对杂务分配和两智能体混合物品分配提出兼具事前事后公平与效率的随机化策略防操纵机制。
2024-08-02 cs.GT
On best of both worlds allocations with subadditive valuations
Weizmann Institute（魏茨曼科学研究所）
本文提出一种变换，将任意ρ-MMS分配算法转为同时满足事后ρ-MMS和事前η-MES的随机分配算法，并证明η的下界，应用于次可加和XOS估值获得具体近似保证。
2026-09-29 cs.GT
On the Efficiency of Fair and Truthful Trade Mechanisms
本文研究公平性对真实双边交易机制社会效率的影响，提出KS公平概念，证明存在KS公平真实机制可实现最优交易收益的一半，且在特定分布下可获更好比例。
2025-02-26 cs.GT
Fairness in Influence Maximization through Randomization
影响力最大化范式已经被各个领域的研究者用来研究信息如何在社交网络中传播。虽然以前的注意力主要集中在效率上，但最近在这一范围内考虑到了公平问题。在本文中，我们建议使用随机化作为实现公平性的一种手段。与Fish et al.（WWW '19）和Tsang et al.（IJCAI '19）等以前的工作类似，我们研究了（组）公平性的最大最小准则。然而，与他们的工作相反，我们以这样一种方式对问题进行建模，即在选择种子集时，概率策略是可能的，而不仅仅是确定性策略。我们引入两种不同的变体，这个概率问题，一个是需要概率策略的节点（基于节点的问题），第二个是需要概率策略的节点集（基于集合的问题）。虽然原来的确定性问题，涉及最大最小准则已被证明是不可近似的，有趣的是，我们表明，这两个概率变量允许近似算法，实现一个恒定的乘法因子1-1/e加上一个添加剂的任意小的错误，这是由于模拟的信息传播。对于一个实验研究，我们提供的乘法权重例程的实现这两个问题，并比较现有的方法实现的公平值。也许毫不奇怪，我们表明计算出的概率策略的事前值显着大于以前方法的（事后）公平值。这表明通过随机化来研究公平性是一条值得遵循的道路。有趣的是，也许更令人惊讶的是，我们观察到，即使是我们的例程计算的事后公平值，在大多数测试实例上，也超过了以前的方法所实现的公平性。
2021-11-09 cs.DS cs.GT cs.SI
On the Cost of Demographic Parity in Influence Maximization
建模和塑造信息如何通过网络传播是网络分析中的一个主要研究课题。虽然最初的重点主要是效率，但最近在这方面考虑到了公平标准。然而，大多数工作都集中在最小化标准上，因此不同的群体仍然可以获得非常不同的信息份额。在这项工作中，我们建议考虑公平性作为一个概念来保证算法，而不是作为一个标准，以最大化。为此，我们提出了三个优化问题，旨在最大限度地提高整体传播，同时通过约束（无论是事后还是事前）执行严格的人口均等公平水平。因此，公平性水平成为用户的选择，而不是输出时要观察的属性。我们从不同的角度来研究这个问题。首先，我们证明了引入人口均等的成本在总体传播和计算复杂性方面都很高，即，对于所有这三个问题，公平性的代价可能是无限的，并且最优解难以计算，在某些情况下甚至是近似地或者当可能违反公平性约束时。对于我们的一个问题，我们仍然设计了一个算法，同时具有常数近似因子和公平性违反。我们还给出了两个算法，允许用户选择容忍的公平违反。通过广泛的实验研究，我们表明，我们的算法在实践中表现良好，也就是说，他们实现了最好的人口统计学平价公平值。在某些情况下，我们甚至还获得了与最有效的算法相当的整体传播，而这些算法没有任何公平性保证，这表明在使用我们的算法时，公平性的经验代价实际上可能很小。
2023-02-25 cs.DS cs.GT cs.SI
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
Ex-ante versus Ex-post: Egalitarian Facility Location Mechanism Design
Tel Aviv University（特拉维夫大学）
该研究针对欧氏空间的设施选址问题，对比事前与事后评估，在低维中设计出打破确定性壁垒的机制，高维中则证明随机旋转中位数机制为最优平等主义机制。
2026-08-21 cs.GT
Markovian Search with Ex-Ante Constraints: Theory and Applications to Socially Aware Algorithmic Hiring
The University of Chicago, Booth School of Business（芝加哥大学布斯商学院）；Yale School of Management（耶鲁管理学院）
本文提出了一个算法框架，将先验约束纳入具有检验成本的有状态序列搜索中。基于对偶调整和随机化，构建了在单约束下的最优指标策略，并扩展至多仿射与一般凸约束，证明了近最优策略的存在性，最后在算法招聘场景中探讨了公平性约束的影响。
2025-10-31 cs.DS cs.GT econ.TH
Best-of-Both-Worlds Guarantees with Fairer Endings
TIFR Mumbai（印度理论研究所孟买中心）；National University of Singapore（新加坡国立大学）；IIT Delhi（德里印度理工学院）；University of Massachusetts Amherst（马萨诸塞大学阿默斯特分校）
本文研究不可分物品公平分配中事前与事后保障的兼容性，提出在字典序偏好下实现事后EFX与PO及事前9/10-EF的多项式时间算法，并在单调和次可加估值下分别实现带慈善EFX与事前0.5-EF及带有界慈善EFX与事前0.5-比例性。
2026-10-19 cs.DS cs.GT
