[論文レビュー] An Empirical Study of Borda Manipulation

Jessica Davies, Georgios Katsirelos+2 more|arXiv (Cornell University)|Jul 29, 2010

Game Theory and Voting Systems参考文献 18被引用数 16

ひとこと要約

本稿では、バインパッキングおよびマルチプロセッサスケジューリングのヒューリスティクスにインspiredされた、未加重Borda選挙における団体的操作のための2つの新しいグリーディアルゴリズム、LSLGおよびLSLAを提案する。実験的に、60,000件のランダムに生成された選挙の99%以上でLSLAが最適な操作を発見し、Zuckermanらの先行研究における最良手法を著しく上回り、実際にはBordaルールが操作に対してほとんど抵抗性を示さないことを強く示唆している。

ABSTRACT

We study the problem of coalitional manipulation in elections using the unweighted Borda rule. We provide empirical evidence of the manipulability of Borda elections in the form of two new greedy manipulation algorithms based on intuitions from the bin-packing and multiprocessor scheduling domains. Although we have not been able to show that these algorithms beat existing methods in the worst-case, our empirical evaluation shows that they significantly outperform the existing method and are able to find optimal manipulations in the vast majority of the randomly generated elections that we tested. These empirical results provide further evidence that the Borda rule provides little defense against coalitional manipulation.

研究の動機と目的

• 未加重Bordaルールの実用的可操作性を調査すること。これは、重み付きバージョンでは既知のNP困難性にもかかわらず、理論的には未解決のままである。
• 既存手法の実世界性能を上回る、団体的操作のための新しいグリーディアルゴリズムを開発すること。最悪ケースの理論的保証がなくてもよい。
• これらの新しいアルゴリズムがZuckermanらの最良手法と比較して、最適な操作をどれだけ頻繁に発見できるかを実験的に評価すること。
• バインパッキングおよびスケジューリングからの構造的知見が、Borda選挙におけるより効果的な操作戦略を生み出す可能性があるかを検討すること。
• 理論的不確実性にもかかわらず、Borda選挙が実際には操作に対して脆弱であるというさらなる証拠を提供すること。

提案手法

• バインパッキングおよびマルチプロセッサスケジューリングのヒューリスティクスにインspiredされた、2つの新しいグリーディアルゴリズム、LSLG（Longest-Score-First Greedy）およびLSLA（Longest-Score-First with Alternating）を提案する。
• スコアに基づくグリーディ戦略を用い、現在のスコアが最も高い候補者を優先して操作することで、望ましい候補者のスコアを効率的に向上させる。
• 各割り当て後にスコアを更新することで、現在の操作の影響を反映させるように、反復的にアルゴリズムを適用し、操作者に票を割り当てる。
• ZuckermanらのREVERSEアルゴリズム（現在のスコア順に候補者を逆転させ、最大で1人の余分な操作者しか必要としない）と性能を比較する。
• 最適性を検証するための組み合わせ手法を用いる：もしLSLAがREVERSEより1人少ない操作者で解決すれば、それは最適であると確認できる。
• 候補者数や票数を変化させた、60,000件のランダムに生成されたUniform選挙およびUrn選挙に対して、広範な実験的評価を実施する。

実験結果

リサーチクエスチョン

• RQ1 バインパッキングおよびスケジューリングのヒューリスティクスにインspiredされたグリーディアルゴリズムは、既存の最良手法を上回り、最適なBorda操作を発見できるか？
• RQ2 さまざまな選挙構造において、新しいLSLAアルゴリズムはREVERSEアルゴリズムと比較して、最適な操作をどれだけの頻度で発見するか？
• RQ3 候補者数の増加に伴い、特にUrn選挙のような構造的選挙において、新しいアルゴリズムの性能は低下するか？
• RQ4 REVERSEが最悪ケースの理論的保証を持っているにもかかわらず、特定の選挙構造では新しいアルゴリズムが一貫してREVERSEを上回るか？
• RQ5 LSLAがREVERSEを実験的に上回るという事実を、Borda操作の解空間の構造的性質によって説明できるか？

主な発見

• LSLAはテストされた31,530件のUrn選挙のうち99.7%で最適な操作を発見し、REVERSEが最適に解けるのは76%にとどまった。
• Uniform選挙では、32,679件のうち99%でLSLAが最適な操作を発見したが、REVERSEは最適に解けるのは75%にとどまった。
• Uniform選挙ではLSLGがREVERSEを76%のケースで上回ったが、Urn選挙では42%にとどまり、票構造に敏感であることが示された。
• 12件のケースでLSLGが最適解を発見したがLSLAは発見しなかったが、LSLAはREVERSEが最適解を発見しなかったケースで最適解を発見しなかったことはなかった。
• 結果として、LSLAは実際にはREVERSEを支配しており、ほぼすべてのケースで最適解を発見しているが、LSLAに最適性の理論的保証は存在しない。
• 本研究は、未加重Bordaルールが団体的操作に対して極めて脆弱であるという強力な実験的証拠を提供しており、最適解はしばしば多項式時間で発見可能である。