[論文レビュー] Achieving Fully Proportional Representation: Approximability Results

Piotr Skowron, Piotr Faliszewski+1 more|arXiv (Cornell University)|Dec 14, 2013

Game Theory and Voting Systems参考文献 41被引用数 5

ひとこと要約

本稿では、比例代表を保証するための選挙者と候補者の割り当てを最適化するモンローおよびチェンバーリン＝カーラン多候補選挙ルールにおける、効率的な近似アルゴリズムを提示する。これらのルールは、全員の満足度の合計を最適化することで、比例代表を達成する。著者らは、特に切り捨てられた順位付け（上位候補のみ順位付け）の状況下でも、ほぼ完璧に近い性能を示す強力な近似比を達成しており、NP困難であるものの実用的な可能性を示している。

ABSTRACT

We study the complexity of (approximate) winner determination under the Monroe and Chamberlin--Courant multiwinner voting rules, which determine the set of representatives by optimizing the total (dis)satisfaction of the voters with their representatives. The total (dis)satisfaction is calculated either as the sum of individual (dis)satisfactions (the utilitarian case) or as the (dis)satisfaction of the worst off voter (the egalitarian case). We provide good approximation algorithms for the satisfaction-based utilitarian versions of the Monroe and Chamberlin--Courant rules, and inapproximability results for the dissatisfaction-based utilitarian versions of them and also for all egalitarian cases. Our algorithms are applicable and particularly appealing when voters submit truncated ballots. We provide experimental evaluation of the algorithms both on real-life preference-aggregation data and on synthetic data. These experiments show that our simple and fast algorithms can in many cases find near-perfect solutions.

研究の動機と目的

• 比例代表性と選挙者・候補者間の責任性という望ましい性質を持つが、モンローおよびチェンバーリン＝カーランルールにおける当選者決定問題の計算的非効率性（NP困難）に対処すること。
• 特に選挙者が上位候補のみを順位付けするような、実世界の状況（切り捨てられた順位付け）においても、高品質な解を達成できる実用的近似アルゴリズムを開発すること。
• 満足度ベースのユーティリタリアン変種および不満度ベース・エゴイスト変種の近似比に関する理論的境界と、不満度ベースおよびエゴイスト変種の近似不可能性結果を提供すること。
• 提案されたアルゴリズムの性能を、合成データおよび実世界の選好データの両方で実験的に評価し、実際にはほぼ最適な結果を達成することを示すこと。
• 議会選挙やレコメンデーションシステムなど、選挙者の負担を最小限に抑える必要がある実世界の応用において、これらのルールが実用可能かどうかを検討すること。

提案手法

• 満足度ベースのユーティリタリアン・モンロー規則に対して、主に3つのアルゴリズム（A, B, C）を提案。特にアルゴリズムCは、追加計算コストをほとんど増やさずに性能が向上する。
• ベツラーらのアルゴリズム（計算量O(n²(K + log n))）を用いて部分的表現関数を構築し、近似プロセスを導く。
• ラムベルトのW関数を用いて、特にボーダー基準満足度関数（PSF）の近似比境界を分析する。
• 主な解析とは異なるアプローチを用いた確率的アルゴリズムを導入し、近似を実現する。
• チェンバーリン＝カーラン規則に対しては、理論的分析に基づきアルゴリズムPを推奨するが、実験的評価では他の手法に対しても優れた性能を示している。
• 選挙者が少数の候補者（上位候補のみ）に順位を付ける切り捨てられた順位付けに焦点を当て、実生活および合成データを用いた広範な実験を実施した。

実験結果

リサーチクエスチョン

• RQ1 モンローおよびチェンバーリン＝カーランルールに対して、NP困難であるものの、実用的かつ高品質な解を達成できる効率的近似アルゴリズムを設計できるか？
• RQ2 ボーダーPSFを用いた満足度ベースのユーティリタリアン・モンローおよびチェンバーリン＝カーランルールの最良近似比は何か？
• RQ3 これらのルールの不満度ベースのユーティリタリアンおよびすべてのエゴイスト変種に対して、近似不可能性の結果は存在するか？
• RQ4 選挙者が切り捨てられた順位付け（例：上位k候補のみ順位付け）を提出する場合、提案されたアルゴリズムはどの程度の性能を示すか？
• RQ5 理論的近似保証は、現在のO(n(m−1))の境界を、非厳密単調でないPSFや指数関数的スコア関数に対して、さらに向上させられるか？

主な発見

• 特にモンロー規則におけるアルゴリズムCおよびチェンバーリン＝カーラン規則におけるアルゴリズムPは、大規模選挙においても実際にはほぼ完璧な解を達成する。
• ボーダーPSFを用いた満足度ベースのモンロー規則では、各選挙者が上位候補の約8.7％（例：ポーランド議会選挙で6,000人中約500人）にのみ順位を付ける場合、90％の近似比を達成できる。
• 理論的解析により、両ルールの満足度ベースのユーティリタリアン変種は良好な近似比を有することが示されたが、不満度ベースおよびエゴイスト変種は、標準的な計算複雑性仮定下では近似不可能であることが判明した。
• 当選者決定問題がNP困難であるにもかかわらず、実験的結果は、単純で高速なアルゴリズムが、特に切り捨てられた順位付けの状況では高品質な解を生成できることを確認した。
• 満足度ベースのモンロー規則の近似比はO(n(m−1))で有界であるが、著者らは、非厳密単調または指数関数的PSFに対しては、より良い決定的境界が存在する可能性があると示唆している。
• 本研究は、レコメンデーションエンジンや多候補選挙などの実世界システムへのモンローおよびチェンバーリン＝カーラン規則の実用的導入の道を開いた。ただし、選挙者が全候補者を順位付けする必要はないとする前提である。