Discrete Truthful Heterogeneous Two-Facility Location: The Line and Beyond
University of Essex（埃塞克斯大学）；University of Southern Denmark（南丹麦大学）
研究离散异构双设施选址的确定性防策略机制，针对线性图设计最优\(4/3\)近似机制填补比率差距，在线性图外为连通图设计\(2\)近似机制并证明\(K_{1,3}\)下界为\(3/2\)。
2026-07-24 cs.GT
Strategyproof Mechanism for Two Heterogeneous Facilities with Constant Approximation Ratio
在本文中，我们研究了两个设施的位置在一条线上的选择性偏好的游戏，每个代理的可接受的设施集可以是不同的，一个代理的成本是他的距离最近的设施在他的可接受的集合。目标是最小化所有代理的总成本，同时实现防策略性。我们设计了一个确定性的防策略机制的问题的近似比为2.75，改进了早期的最佳比率n/2+1。
2019-07-21 cs.DS cs.GT
Facility Location Games for Multi-Location Agents with Satisfaction
本文研究了多地点代理的设施选址游戏，设计了群体策略证明机制以最大化满足度总和或最小值，同时保证代理真实报告位置。
2025-12-28 cs.GT
Maximum-Cost Strategic Facility Location: The Limits of Randomization
Stanford University（斯坦福大学）
该研究针对欧氏空间策略性设施选址问题，证明了d≥2时期望策略防护机制的近似比下界，表明随机化无法在所有维度和智能体规模下实现对确定性机制近似比的普适常数级改进。
2026-08-18 cs.GT
Minimizing Inequity in Facility Location Games
UNSW Sydney（新南威尔士大学）
本文提出两种新的机制以最小化设施选址游戏中群体效应，统一了多个经典诚实机制，并改进了群体公平目标的近似界限。
2026-09-11 cs.GT
Mechanism Design for Facility Location Games with Candidate Locations
从机制设计的角度研究了具有候选选址的设施选址博弈。假设有n个智能体位于度量空间中，其位置是他们的私人信息，以及一组用于建造设施的候选位置。当局计划在这些候选人中建立一些同质的设施来为代理人服务，代理人承担的成本等于到最近设施的距离。我们的目标是设计机制，使代理之间的总/最大成本最小化。对于最大费用目标下的单设施问题，给出了一种确定性的3-近似群防策略机制，并证明了任何确定性（或随机化）防策略机制的近似比都不能大于3（或2）.对于同一直线上的两设施问题，给出了一种匿名的确定性群体防策略机制，即总费用目标为（2n-3）-近似，最大费用目标为3-近似。我们还提供（渐近）紧的近似比的下限。
2020-10-30 cs.GT
Strategyproof Mechanisms for One-Dimensional Hybrid and Obnoxious Facility Location
我们考虑的设施选址问题的一个战略变种。我们想在封闭的时间间隔内找到一个设施。有n个代理位于该间隔上，分为两种类型：类型1代理，希望设施尽可能远离他们，类型2代理，希望设施尽可能靠近他们。我们的目标是最大化一种形式的社会效益：maxisum-代理人效用的总和，或平等主义目标-最小代理人效用。这个问题的战略方面是，代理人的位置不为我们所知，而是由代理人报告给我们-代理人可能会误报他的位置，试图将设施从他的真实位置移开或移向他的真实位置。因此，我们要求设施定位机制是防策略的，即如实报告是每个代理的主导策略。由于简单地最大化社会效益通常不是防策略的，我们的目标是设计具有良好近似比的防策略机制。对于最大化目标，在确定性设置中，我们提供了一个最佳可能的3-近似防策略机制;在随机设置中，我们提供了一个23/13-近似防策略机制和\frac{2}{\sqrt{3}}的下界。对于平等主义的目标，我们提供了一个下限为3/2的随机设置，并表明，没有有界的近似比是在确定性的设置。为了获得我们的确定性下界，我们描述了所有确定性的strategyproof机制时，所有代理的类型1。最后，我们考虑了一个广义模型，允许代理控制多个位置，并提供最好的可能的3-和3/2-近似strategyproof机制maxisum，分别在确定性和随机设置，当只有1型代理。
2015-07-17 cs.GT
Mechanism Design for Facility Location Games Under a Prelocated Facility
Ocean University of China（中国海洋大学）；Laboratory of Marine Mathematics, Ocean University of China（中国海洋大学海洋数学实验室）
该研究针对预选址设施下的设施选址博弈，设计了直线和圆周场景下、不同目标（最大成本/社会成本）及不同设置（一般/特殊）下的策略防卫机制，给出了对应的近似比与下界。
2026-09-01 cs.GT
Strategyproof Facility Location with Prediction: Minimizing the Maximum Cost
University of Nebraska-Lincoln（内布拉斯加大学林肯分校）；Rensselaer Polytechnic Institute（伦斯勒理工学院）；Beijing Normal University-Zhuhai（北京师范大学珠海校区）
本文研究了在学习增强框架下设施选址的机制设计问题，设计出策略证明机制以在预测误差下最小化最大成本，分析了MinMaxP机制在不同空间中的逼近保证。
2026-05-02 cs.GT
Group-Fair Metric Distortion of Facility Assignment Problems
University of Southern Denmark（南丹麦大学）
本文研究受群体公平约束的设施分配问题的度量失真，提出全信息与有序信息算法，推导最大和、和最大社会目标的失真上下界，且下界与上界匹配，覆盖单向匹配与聚类问题。
2026-08-18 cs.GT
Facility Location Games with Ordinal Preferences
我们考虑了一个新的设置的设施位置的顺序偏好的游戏。在这样的环境中，我们有一套代理和一套设施。每个代理位于一条线上，并对设施有一个顺序偏好。我们的目标是设计的strategyproof机制，引出真实的信息（偏好和/或位置）从代理和定位的设施，以最大限度地减少最大和总成本的目标，以及最大限度地提高最小和总效用的目标。对于四个可能的目标，我们考虑2设施设置，其中只有偏好是私人的，或位置是私人的。对于每一个可能的目标和设置的组合，我们提供了上下限的近似比率的strategyproof机制，这是渐近紧到一个常数。最后，我们讨论了我们的结果的推广超出两个设施，当代理可以误报的位置和偏好。
2021-07-04 cs.GT
Strategyproof Facility Location and Committee Selection with Mixed Max and Sum Agent Types
Rensselaer Polytechnic Institute（伦斯勒理工学院）
针对代理具有最大型或求和型成本函数的策略性设施选址问题，设计确定性策略证明机制，并证明在代理类型私有但位置已知时近似比为(3-2/k)，在位置私有且位于直线度量时近似比为3。
2026-06-25 cs.GT
Truthful Two-Facility Location with Candidate Locations in Metric Spaces
King’s College London（伦敦国王学院）；University of Southern Denmark（南丹麦大学）
针对度量空间中基于候选位置的真实双设施选址问题，该研究确定了直线上及一般度量空间中确定性机制的近似率，证明随机化可显著改进社会成本与最大成本的近似效果
2026-10-13 cs.GT
Agent-Constrained Truthful Facility Location Games
针对实数线上智能体位置私有的多设施选址问题，研究sum与max两种成本变体，并证明策略防操纵机制在社会成本近似比上的紧界。
2025-02-15 cs.GT
Strategy-Proof Facility Location for Concave Cost Functions
我们考虑k-设施位置游戏，其中n个战略代理报告他们的位置上的真正的线，和一个机制将它们映射到k设施。每个代理寻求最小化他的连接成本，由他到最近设施的距离的非负递增函数给出。从以前的工作出发，主要考虑身份成本函数，我们感兴趣的机制，没有支付（组）strategyproof任何给定的成本函数，并实现一个很好的近似比的社会成本和/或代理的最大成本。我们提出了一个随机机制，称为相等的成本，这是组strategyproof，并实现了有界的逼近比为所有的k和n，对于任何给定的凹成本函数。最大成本的近似比最多为2，社会成本的近似比最多为n。据我们所知，这是第一个机制，具有k > 2设施和任何数量的代理的实例的有界近似比。我们的结果意味着一个有趣的确定性机制之间的分离，其近似比最大成本从2跳跃到无界时，k从2增加到3，和随机机制，其近似比保持在所有k最多为2。在消极的一面，我们排除了一个机制的可能性与严格凸成本函数的属性相等的成本。我们还提出了一个随机机制，称为挑选失败者，它适用于实例与k设施和n = k+1代理，并为任何给定的凹成本函数，是强组strategyproof，并实现了近似比为2的社会成本。
2013-05-15 cs.GT
The Obnoxious Facility Location Game with Dichotomous Preferences
研究路径上异构扰民设施选址博弈，设计功利主义与平均主义两类防策略机制，给出近似比并证明下界，同时将结果扩展至环和单位正方形。
2023-05-21 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
Mechanism Design for Extending the Accessibility of Facilities
该研究针对设施位置固定的无金钱机制设计场景，提出构建带接驳服务的可达范围以提升设施可达性，设计了针对社会成本与最大成本目标的、具有渐近紧近似比的群体防策略操纵机制。
2024-09-13 cs.GT
Mechanism Design for Congested Facility Location
本文针对拥挤设施选址中智能体分群且利益冲突的场景，研究了位置与群体身份误报下的策略防护机制设计，提出了最小化社会成本和最大成本的近似最优机制，并证明了其紧的性能界。
2025-08-19 cs.GT
Distributed Agent-Constrained Truthful Facility Location
Royal Holloway University of London（伦敦大学皇家霍洛威学院）；University of Essex（埃塞克斯大学）
该研究提出了一种分布式设施定位机制，通过两阶段选择代表位置，确保代理无法通过策略性报告获益，并分析了两种成本变体下的近似比界。
2026-01-21 cs.GT
Facility Location Game with Envy Ratio
Ocean University of China（中国海洋大学）
研究实数线上以嫉妒比率为目标的一设施选址博弈，提出策略证明或群体策略证明机制以最小化嫉妒比率，并在两种场景下获得最优解和最佳确定性机制。
2026-07-03 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
Strategyproof Mechanisms For Group-Fair Facility Location Problems
针对实线上多群体设施选址，论文研究防策略且群体公平的机制，分析不同成本目标的近似比与下界，并提出满足IIF的紧近似机制。
2023-06-04 cs.GT
Obnoxious Facility Location Problems: Strategyproof Mechanisms Optimizing $L_p$-Aggregated Utilities and Costs
本文研究了如何通过策略证明机制优化L_p-聚合效用和成本的令人反感设施选址问题，分析了确定性和随机性机制的近似比界限。
2025-12-21 cs.GT
Mechanism Design for Facility Location using Predictions
AI Institute, UNSW Sydney（AI研究所，新南威尔士大学悉尼分校）
本文研究利用预测的设施选址机制，提出平等主义视角并设计新机制，以在鲁棒性和一致性间权衡，并扩展到双设施策略证明机制。
2025-08-05 cs.AI cs.GT
Constrained Truthful Obnoxious Two-Facility Location with Optional Preferences
本文研究带可选偏好的厌恶型双设施选址问题，设计真实机制以最大化智能体总幸福感，并给出确定性与随机化策略证明机制的近似比紧界。
2024-10-21 cs.GT
Characterization of Group-Strategyproof Mechanisms for Facility Location in Strictly Convex Space
在任意无约束严格凸空间中，刻画了单设施选址博弈的群体防策略机制类。一种机制是\emph{group-strategyproof}，如果没有一组代理人可以误报，使其所有成员都更好地\emph{strictly}。严格凸空间是赋范向量空间，其中$\|x+y\|<2$对任何一对不同的单位向量$x \neq y$成立，例如，任何带有$p\in (1,\infty)$的$L_p$空间。我们表明，任何确定性的，一致的，组strategyproof机制必须是独裁的，和任何随机的，一致的，防御不变的，组strategyproof机制必须是\emph{2-dictatorial}。这里，如果随机机制的彩票输出必须分布在两个独裁者输入之间的线段上，则该机制是2-独裁的。如果一个机构的输出遵循输入的相同平移，则该机构是平移不变的。我们的特征直接意味着，任何（随机）的预防不变近似算法满足组strategyprofness属性有一个下界的$2$近似的最大成本（每当$n \geq 3$），和$n/2 - 1$的社会成本。我们还发现了一个算法，$2$ -近似的最大成本和$n/2$ -近似的社会成本，证明边界是（几乎）紧。
2020-05-24 cs.GT
Truthful Two-Facility Location with Candidate Locations
研究带有候选位置的真实双设施选址问题，聚焦确定性策略防伪机制，针对不同偏好实例给出了社会成本与最大成本的近似比界限。
2024-01-09 cs.GT
Multi-Unit Facility Location Games
设施选址博弈是经济学、运筹学和计算机科学领域的一个重要研究课题，其研究始于霍特林的开创性工作。在经典的纯位置Hotelling游戏企业竞争最大限度地提高客户吸引力的战略定位他们的设施，假设没有价格竞争，而客户被吸引到他们最近的设施。令人惊讶的是，很少有严格的工作已经提出了多单位设施的位置游戏，其中经典的纯位置Hotelling游戏扩展到每个玩家都找到几个设施的情况下。在本文中，我们提出了两个主要贡献的研究多单位纯位置Hotelling游戏。在本文的第一部分中，我们讨论了两个局中人的多单位设置，并充分刻画其均衡。在本文的第二部分中，我们处理的多单位设施的位置游戏，与$N\geq 3$球员，我们在这一部分的主要结果是完全表征的设置纯策略均衡存在。我们的研究结果也扩展了经典的必要和充分条件的战略配置文件是在一个纯位置（单单位）Hotelling游戏的多单位纯位置游戏的平衡。
2018-08-07 cs.GT
Improved Lower Bounds and Output Augmentation for Facility Location Mechanisms
Centrum Wiskunde & Informatica (CWI)（数学与计算机科学中心）；University of Amsterdam（阿姆斯特丹大学）
研究平等主义目标下战略设施选址问题，证明防策略机制近似比渐近下界，给出双代理随机近似机制；考虑输出增强框架，设计不同设置下的确定性或随机近似机制，展现输出增强可替代随机性及成组防策略特性。
2026-07-23 cs.GT
Two-sided Facility Location
近年来，许多成功的电子商务市场平台如亚马逊市场、AirBnB、Uber/Lyft和Upwork等都在崛起，在这些平台上，中央平台调解买家和卖家之间的经济交易。受这些平台的启发，我们提出了一组设施选址问题，我们称之为双边设施选址。在我们的模型中，代理到达底层度量空间中的节点，其中任何买方和卖方之间的度量距离捕获相应匹配的质量。该平台在节点上发布价格和工资，并打开一组设施来路由代理。假设任何设施处的代理都是匹配的。该平台通过在节点与其路由到的设施之间施加距离约束来确保高匹配质量。它通过确保流向设施的流量至少是预先指定的下限来确保高服务可用性。在这些限制条件下，该平台的目标是在预算平衡不佳的情况下最大限度地实现社会盈余（或贸易收益），即，利润是非负的。我们提出了一个近似算法，这个问题，产生一个$(1 + ε)$近似盈余的任何常数$ε> 0$，同时放松匹配质量（即，任何匹配的最大距离）乘以常数因子。我们使用LP舍入框架，可以轻松扩展到其他目标，例如最大化贸易量或利润。我们证明我们的模型，考虑一个动态的市场环境，代理商根据随机过程到达，并有有限的耐心（或最后期限）被匹配。我们进行了验证分析表明，对于将代理路由到设施并匹配它们的策略，确保代理的低放弃概率减少到确保足够的流量到达每个设施。
2018-02-27 cs.DS cs.GT
Strategy Proof Mechanisms for Facility Location at Limited Locations
UNSW Sydney（悉尼新南威尔士大学）；CSIRO Data61（澳大利亚联邦科学与工业研究组织数据61研究所）
设施选址问题常常允许设施位于任何位置。但如果实际情况并非如此呢？如果设施只能位于特定位置，如高速公路出口或靠近公共汽车站，该怎么办？我们在这里考虑的影响，这样的限制设施的位置上的性能的策略证明机制定位设施。我们研究四个不同的性能目标：座席必须行驶到其最近的设施点的总距离，任何座席必须行驶到其最近的设施点的最大距离，以及功利主义和平等主义的福利。我们表明，限制设施的有限的一组位置，使所有四个目标更难大致。
2021-07-21 cs.AI cs.GT
Truthful Facility Location with Candidate Locations and Limited Resources
本文研究候选位置和有限资源下的真实设施选址问题，提出近似比为k的随机机制和近似比约2.325的确定性机制，并给出相应下界。
2025-05-06 cs.GT
Two-Stage Facility Location Games with Strategic Clients and Facilities
Hasso Plattner Institute, University of Potsdam（波茨坦大学哈索·普拉特纳研究所）；University of Twente（特温特大学）
本文提出设施与客户均具策略性的两阶段设施选址博弈，证明子博弈完美均衡存在，给出近乎紧的 PoA/PoS 界、高效均衡算法，并证明社会最优布置 NP 难。
2024-06-13 cs.AI cs.GT
Distributed Facility Location Games with Candidate Locations
本文研究带候选位置的分布式设施选址博弈，针对受欢迎和令人厌恶两类设施，在多种社会成本目标下给出具有常数失真的策略证明分布式机制，并证明相应的失真下界，同时刻画了令人厌恶设施场景中有界失真机制不存在的条件。
2024-12-24 cs.GT math.OC
Learning-Augmented Facility Location Mechanisms for Envy Ratio
UNSW Sydney（新南威尔士大学）；Hong Kong Polytechnic University（香港理工大学）
本文提出基于学习的设施选址机制，旨在优化 envy 比率，通过 α-BIM 和 BAM 机制提升近似比至约 1.8944。
2026-02-04 cs.GT
Facility Location Problems with Capacity Constraints: Two Facilities and Beyond
本文针对直线上带容量约束的设施选址问题，提出真实机制，在任意设施数量与两设施场景下，分别实现社会成本与最大成本的有界近似比，并给出下界。
2024-04-21 cs.GT
Mechanism Design for Two-Opposite-Facility Location Games with Penalties on Distance
研究了两个设施相对的选址博弈，惩罚的大小取决于两个设施之间的距离。这两个设施是“相反”的，一个是受欢迎的，另一个是令人讨厌的。在博弈中，每个自私的主体都希望靠近受欢迎的设施，远离令人讨厌的设施;它的效用由它到令人讨厌的设施和受欢迎的设施的距离之差来衡量。管理机构确定所有代理所在的线段上两个设施的位置。每个代理都有自己的位置信息作为私有的，并被要求向当局报告其位置。使用报告的代理位置作为输入，由管理机构运行的算法机制输出两个设施的位置，目的是最大化某些社会福利。总和型社会福利考虑的是所有智能体的惩罚总效用，为此我们设计了具有可证明近似比的随机和确定性群体防策略机制，并建立了任何确定性防策略机制近似比的下界.针对Schereck型社会福利问题，提出了一种确定性的群体防策略机制，以保证最优性。
2018-06-22 cs.GT
Facility location with double-peaked preference
我们研究的问题，在一个真正的线上的一个单一的设施的报告的基础上，自私的代理，当代理商有双峰的喜好，与高峰是在其位置的两侧。我们观察到，双峰偏好捕捉现实生活中的场景，从而补充了研究充分的单峰偏好的概念。我们主要关注的情况下，峰值等距代理的位置，并讨论我们的结果如何扩展到更一般的设置。我们发现，大多数单峰偏好的结果并不直接适用于这种设置，这使得问题本质上更具挑战性。作为我们的主要贡献，我们提出了一个简单的真实的预期机制，实现了近似比1+b/c的社会和最大成本，其中b是代理从峰值的距离和c是代理的最小成本。对于后一种情况，我们提供了一个3/2的下限的近似比的任何真实的预期机制。我们还研究了在某些自然条件下的确定性机制，证明了下界和近似保证。我们证明，在一大类合理的机制，有没有确定性机制，优于我们的真实预期机制。
2015-02-19 cs.GT
Nash Welfare and Facility Location
UNSW（新南威尔士大学）
本研究将纳什福利目标应用于直线分布智能体的设施选址问题，提出多项式时间近似算法求解最优选址，还设计了有界近似比的策略防伪机制，实现公平与效率的平衡。
2023-10-06 cs.AI cs.GT cs.MA
Truthful Facility Location with Additive Errors
Tel Aviv University（特拉维夫大学）；Massachusetts Institute of Technology（麻省理工学院）
我们解决的问题定位设施的$[0,1]$间隔的基础上，从战略代理的报告。每个代理的成本是她到最近设施的距离，全局目标是最小化代理的最大成本或社会成本。相对于广泛的文献设施的位置，认为乘法误差，我们专注于最大限度地减少最坏情况下的附加误差。最小化附加误差激励机制适应实例的大小。也就是说，这种机制在小的实例中可以牺牲很少的效率（所有代理彼此相对接近的位置配置文件），以便在大的实例中获得更多的[绝对]效率。我们认为，这种措施是更好地适合在各个领域的设施选址问题的许多表现形式。我们提出了紧边界的机制定位一个单一的设施在确定性和随机的情况下。我们还提供了几个扩展来定位多个设施。
2017-01-02 cs.AI cs.GT
Facility Location Problem with Capacity Constraints: Algorithmic and Mechanism Design Perspectives
UNSW Sydney（悉尼新南威尔士大学）；Data61 CSIRO（联邦科学与工业研究组织数据61研究所）；University of Nebraska-Lincoln（内布拉斯加大学林肯分校）；University of Oxford（牛津大学）；TU Berlin（柏林工业大学）
我们考虑设施选址问题中的一维设置，每个设施可以服务于有限数量的代理从算法和机制设计的角度来看。从算法的角度来看，我们证明了相应的优化问题，其中的目标是找到设施，以最大限度地减少所有代理的总成本或任何代理的最大成本是NP难的。然而，我们发现，该问题是固定参数易处理的，最优解可以在多项式时间计算时，设施的数量是有界的，或者当所有设施有相同的能力。然后，我们考虑的问题，从机制设计的角度来看，代理商的战略，不需要透露他们的真实位置。我们发现，在无能力的设置研究的几个自然机制要么失去strategyprofenness或约束的解决方案的质量为总成本或最大成本的目标。然后，我们提出了新的机制，是strategyproof和实现近似保证，几乎匹配的下限。
2019-11-22 cs.AI cs.GT econ.TH
Facility Location Games with Scaling Effects
City University of Hong Kong（香港城市大学）
本文研究带位置相关缩放因子的设施选址博弈，刻画单峰偏好条件，并给出连续、防策略、匿名机制的特征及其总成本与最大成本近似比。
2024-12-05 cs.AI cs.GT cs.MA
A Survey on Approximation Mechanism Design without Money for Facility Games
在设施博弈中，一个或多个设施被放置在度量空间中，以服务于一组自私的代理，这些代理的地址是他们的私人信息。在一个经典的设施博弈中，每个智能体都希望尽可能地靠近一个设施，智能体的成本可以定义为她的位置和最近的设施之间的距离。在一个讨厌的设施博弈中，每个智能体都希望远离所有设施，她的效用是从她的位置到设施集的距离。每个代理人的目标是最小化她的成本或最大化她的效用。代理人可以说谎，如果这样做可以获得更多的利益。我们对不使用支付的社会选择机制感兴趣。游戏设计者的目标是一种防策略的机制，在这个意义上，任何代理人都不能通过误报她的地址而受益，或者，更好的是，群体防策略的机制，在这个意义上，任何代理人的联盟都不能通过撒谎而受益。同时，期望具有相对于所选择的目标函数近似最优的机制。几种模型，这种近似机制设计没有钱的设施游戏已被提出。在本文中，我们简要回顾了这些模型和相关结果的确定性和随机机制，同时，我们提出了一个一般的框架，近似机制设计没有钱的设施游戏。
2015-03-24 cs.GT math.CO
Equitable Mechanism Design for Facility Location
AI Institute, UNSW Sydney（人工智能研究院，新南威尔士大学悉尼分校）
该研究针对设施选址的策略防伪机制的公平性问题，证明最优效用Gini系数近似比的不可能性结果，提出补Gini系数近似比的计算方法，并考察不同机制对补Gini系数及Nash福利的近似效果。
2025-06-12 cs.AI cs.GT
Truthful Two-Obnoxious-Facility Location Games with Optional Preferences and Minimum Distance Constraint
本文研究带可选偏好和最小距离约束的真实双重厌恶型设施位置博弈，提出多种确定性与随机化策略防伪机制，并给出近似比上界与下界。
2025-08-11 cs.GT
Strategic Facility Location in Euclidean Spaces
Université Grenoble Alpes, Grenoble INP, CNRS, INRIA, LIG（格勒诺布尔阿尔卑斯大学、格勒诺布尔理工学院、法国国家科学研究中心、法国研究与计算机科学研究所、信息学实验室）
该研究针对欧氏空间的战略设施选址问题，利用额外维度优化防策略机制，得出了高维空间近似因子下界并改进了平面及带额外维度场景的算法。
2026-09-07 cs.DS cs.GT
Prediction-Augmented Mechanism Design for Weighted Facility Location
本文针对加权设施选址问题，提出一种预测增强的算法框架，通过归约技术在非均匀权重的策略智能体上平衡一致性与鲁棒性，并证明了相应机制的性能边界与确定性机制的不可能性。
2025-07-13 cs.DS cs.GT cs.LG
Strategyproof Approximation Mechanisms for Location on Networks
我们考虑的问题，定位设施的网络，表示为一个图。一组战略代理人有不同的理想位置的设施;代理人的成本是其理想位置和设施之间的距离。一种机制将代理人报告的位置映射到设施的位置。具体来说，我们感兴趣的是不使用支付的社会选择机制。我们希望设计防策略的机制，在这个意义上，代理人永远不会受益于说谎，或者，甚至更好的是，群体防策略，在这个意义上，代理人的联盟不能都受益于说谎。同时，我们的机制必须提供一个小的近似比相对于两个优化目标之一：社会成本或最大成本。我们给出了一个几乎完整的表征下的目标函数，确定性和随机机制，并就不同的网络拓扑结构的可行的真实近似比。我们的主要结果是：我们证明了一个简单的随机机制是群体策略防护的，并给出了一个（2-2/n）-近似的社会成本，其中n是代理的数量，当网络是一个圆圈（在计算机网络的情况下称为环）;我们设计了一种新的“混合”防策略随机化机制，当网络是圆时，该机制为最大成本提供了3/2的紧近似比;并且我们证明了，即使当网络是树时，也没有随机SP机制可以提供比2-o（1）更好的最大成本的近似比，从而匹配平凡的上限2。
2009-07-12 cs.GT cs.MA
Voronoi Game on Graphs
\textit{Voronoi game}是两个参与者之间的竞争设施选址问题的几何模型。用户通常被建模为均匀分布在给定的底层空间上的点。每个玩家在底层空间中选择一组点来放置他们的设施。每个用户都可以从最近的设施获得服务。设施的服务区由比任何其他设施更接近它的用户集合组成。每个玩家的收益由其所有设施服务的用户数量定义。每个玩家的目标是最大化他们各自的收益。在本文中，我们考虑两个球员{ \it Voronoi游戏}的基础空间是一个由图建模的道路网络。在这个框架中，我们考虑的问题，找到$k$最佳设施位置的球员2给定任何位置的$m$设施的球员1。我们的主要结果是一个动态规划为基础的多项式时间算法的树网络上的这个问题。另一方面，我们证明了这个问题是强$\mathcal{NP}$ -完全的图。这证明了寻找P2的获胜策略是$\mathcal{NP}$ -完全的。因此，我们设计了一个$1-\frac{1}{e}$因子近似算法，其中$e \approx 2.718$。
2014-07-31 cs.DM cs.DS cs.GT
