[論文レビュー] Algorithmic Fair Allocation of Indivisible Items: A Survey and New Questions

Haris Aziz, Bo Li+2 more|arXiv (Cornell University)|Feb 17, 2022

Game Theory and Voting Systems被引用数 12

ひとこと要約

本調査では、分割不能なアイテムに対するアルゴリズム的手法による公平配分について包括的な概説を提供しており、正確な公平性（例えば、羨望なし、比例性）が達成できない設定において、公平性を近似する技術に焦点を当てている。主なアルゴリズム的手法、EF1 や MMS などの公平性基準の緩和形、および効率性、誠実性、複雑な評価構造に関する未解決問題を提示している。

ABSTRACT

The theory of algorithmic fair allocation is within the center of multi-agent systems and economics in the last decade due to its industrial and social importance. At a high level, the problem is to assign a set of items that are either goods or chores to a set of agents so that every agent is happy with what she obtains. Particularly, in this survey, we focus on indivisible items, for which absolute fairness such as envy-freeness and proportionality cannot be guaranteed. One main theme in the recent research agenda is about designing algorithms that approximately achieve the fairness criteria. We aim at presenting a comprehensive survey of recent progresses through the prism of algorithms, highlighting the ways to relax fairness notions and common techniques to design algorithms, as well as the most interesting questions for future research.

研究の動機と目的

• 正確な公平性が達成できない状況における分割不能なアイテムの公平配分のためのアルゴリズム的手法を体系的に調査し、近似技術に重点を置く。
• EF1、MMS、PROP1 などの緩和された公平性概念を達成するために用いられる共通のアルゴリズム的手法を特定・分析する。
• 複雑な評価タイプ（例：下に凸、XOS、部分加法的）および混合財／義務の設定を扱う最近の進展を強調する。
• 戦略的環境下での効率性（パレート最適性）と誠実性との整合性を検討する。
• 分割不能な配分における公平性近似、アルゴリズム的複雑性、メカニズム設計に関する未解決の研究課題を特定・明確化する。

提案手法

• 正確な公平性（例：羨望なし、比例性）と、分割不能なアイテムに適した緩和形（例：EF1、MMS、PROP1）に分類する。
• 近似公平性を達成するためのアルゴリズム的手法（例：ラウンドロビン配分、最大ネッシュ福利の最大化、グリーディー法）をレビューする。
• 加法的、下に凸、XOS、部分加法的評価の各モデルを分析し、近似保証に焦点を当てる。
• パレート最適性（PO）を通じた公平性と効率性の統合を分析し、特にネッシュ福利の最大化によるアプローチを検討する。
• 戦略的環境下での誠実性を検討し、通貨移転を伴う・伴わないメカニズム、および逐次的配分アルゴリズムにおける均衡を調査する。
• 混合財／義務、グループ公平性、動的配分などの高度な設定を導入し、新たな課題と未解決問題を強調する。

実験結果

リサーチクエスチョン

• RQ1 正確な公平性が達成できない状況下で、分割不能なアイテムの配分において公平性を近似するための最も効果的なアルゴリズム的手法は何か？
• RQ2 下に凸やXOSなどの複雑な評価関数に対して、EF1、MMS、PROP1 などの公平性概念をどのように効率的に計算できるか？
• RQ3 戦略的配分環境下で、公平性をパレート最適性と同時に達成できる範囲はどの程度か？
• RQ4 混合財／義務環境下での公平性基準の近似の根本的限界は何か？
• RQ5 ラウンドロビンなどのアルゴリズムにおける戦略的行動が、実際のエージェントの好みに基づく公平性の結果にどのように影響するか？

主な発見

• 部分加法的評価に対しては、最大ネッシュ福利の O(n)-近似を達成し、同時に近似的に EFX を満たすアルゴリズムが存在する。
• 二値評価に対しては、最大ネッシュ福利の配分は EFX かつパレート最適であり、多項式時間で計算可能である。
• 二値インスタンスでは EF1+PO の配分が存在し、効率的に計算可能であるが、一般の部分加法的または三値設定ではその存在は未解決のままである。
• 義務の設定では、混合財／義務環境下でも PROP1+PO の配分は多項式時間で計算可能であるが、EF1 や PROPX が PO と両立するかどうかは未解決のままである。
• 辞書的評価設定では、EFX+PO の配分が存在し、多項式時間で計算可能である。
• 2人のエージェントに対しては、EF1 および MMS のための誠実な近似アルゴリズムが完全に同定され、タイトな境界が得られているが、より大きなエージェント集合では同様の同定はまだ得られていない。