[論文レビュー] Consensus Division in an Arbitrary Ratio

Goldberg, Paul, Li, Jiawei|arXiv (Cornell University)|Jun 30, 2020

Digital Image Processing Techniques参考文献 22被引用数 4

ひとこと要約

本稿では、差分が有界な分割を用いて公平な分配を達成するための、ǫ-コンセンサススプリッティングおよびネックレススプリッティングの効率的な近似アルゴリズムを提示する。オンラインアルゴリズムを導入し、各エージェントが各測度に対して少なくとも 1/nk を得ることを保証するとともに、近似的に最適なカット複雑度を達成する。両問題について、オンラインモデルにおける近的最適性を示すタイトな下界を確立している。

ABSTRACT

We provide approximation algorithms for two problems, known as NECKLACE SPLITTING and $ε$-CONSENSUS SPLITTING. In the problem $ε$-CONSENSUS SPLITTING, there are $n$ non-atomic probability measures on the interval $[0, 1]$ and $k$ agents. The goal is to divide the interval, via at most $n (k-1)$ cuts, into pieces and distribute them to the $k$ agents in an approximately equitable way, so that the discrepancy between the shares of any two agents, according to each measure, is at most $2 ε/ k$. It is known that this is possible even for $ε= 0$. NECKLACE SPLITTING is a discrete version of $ε$-CONSENSUS SPLITTING. For $k = 2$ and some absolute positive constant $ε$, both of these problems are PPAD-hard. We consider two types of approximation. The first provides every agent a positive amount of measure of each type under the constraint of making at most $n (k - 1)$ cuts. The second obtains an approximately equitable split with as few cuts as possible. Apart from the offline model, we consider the online model as well, where the interval (or necklace) is presented as a stream, and decisions about cutting and distributing must be made on the spot. For the first type of approximation, we describe an efficient algorithm that gives every agent at least $\frac{1}{nk}$ of each measure and works even online. For the second type of approximation, we provide an efficient online algorithm that makes $ ext{poly}(n, k, ε)$ cuts and an offline algorithm making $O(nk \log \frac{k}ε)$ cuts. We also establish lower bounds for the number of cuts required in the online model for both problems even for $k=2$ agents, showing that the number of cuts in our online algorithm is optimal up to a logarithmic factor.

研究の動機と目的

• 公平性を各エージェントの割合の差分が有界であることに基づいて測定する、ǫ-コンセンサススプリッティングおよびネックレススプリッティングのための効率的近似アルゴリズムの開発。
• 最小限のカットで、リアルタイムに意思決定を行うオンラインアルゴリズムの設計。各エージェントが各測度に対して公平な割合を得ることを保証する。
• オンラインモデルにおけるカット数のタイトな下界を確立し、提案されたアルゴリズムの近的最適性を証明する。
• 2エージェントケース（ハーフィング）から一般化して、kエージェントのコンセンサススプリッティングおよびネックレススプリッティング問題に応用する。

提案手法

• 本稿では、各新規に生成された区間を確率 1/k でランダムにエージェントに割り当てる確率的オンラインアルゴリズムを導入し、各エージェントが各測度に対して少なくとも 1/nk を得ることを保証する。
• 各測度におけるエージェント間のペアワイズ差分を対象に定義されるポテンシャル関数 ψ を用い、修正された指数モーメント不等式を用いて、アルゴリズム実行中に ψ が増加しないことを証明する。
• オフラインケースでは、エージェントを2つのサブグループにグループ化し、再帰的に共有を分割する。各段階で、修正版オンラインアルゴリズムを用いて誤差を有界に保つ。
• 差分の成長を制御するため、双曲余弦関数と指数バウンドを組み合わせた洗練された不等式を用い、標準的なチェルノフスタイルのバウンドに代わる。
• ネックレススプリッティングでは、ビード数が閾値未満に下がった際の「臨界的」な色を定義することで、オンライン ǫ-コンセンサススプリッティングの手法を適応する。これにより、バランスの取れた分配が可能になる。
• n=2 個の測度の場合、正確に 2k−2 カットを用いた最適なオフラインアルゴリズムが存在することを示し、円形ネックレスにおける離散中間値定理を応用する。

実験結果

リサーチクエスチョン

• RQ1 n(k−1) カットの制約のもとで、各エージェントが各測度に対して定数倍の割合を得ることを保証する、効率的なオンラインアルゴリズムを設計可能か？
• RQ2 オンラインモデルにおける ǫ-コンセンサススプリッティングおよびネックレススプリッティングの最適なカット数は何か？ そして、これをタイトに境界づけられるか？
• RQ3 エージェントごとの割合に対する 1/nk の下界を、n とは無関係に正の定数 c(k) > 0 に改善可能か？
• RQ4 n=2 個の測度におけるオンライン ǫ-コンセンサスハーフィング問題において、既知の Ω(1/ǫ) の下界と O(1/ǫ²) の上界のギャップを埋められるか？
• RQ5 オンラインネックレスハーフィングにおいて、必要なカット数の正確な漸近的複雑度は何か？ また、現在の上界 Õ(m²ᐟ³) と一致するか？

主な発見

• オンラインアルゴリズムは、実行中にポテンシャル関数 ψ が増加しないことを保証し、各エージェントが各測度に対して少なくとも 1/nk を得ることを達成する。
• オンラインアルゴリズムのカット数は O(poly(n, k, 1/ǫ)) であり、対応する下界により、対数要因を除いて最適であることが示された。
• オフラインモデルでは、アルゴリズムが O(nk log k / ǫ) カットを行う。これは一般ケースにおいて近的最適である。
• n=2 個の測度の特別な場合、正確に 2k−2 カットを用いた最適なオフラインアルゴリズムが存在し、円形ネックレスの議論と離散中間値定理を用いて証明された。
• ネックレススプリッティングにおいて、オンラインアルゴリズムは Õ(nk¹ᐟ³ · m²ᐟ³) カットを用いる。k ≤ m の場合に効率的であり、対数要因を除いてタイトな境界である。
• 本稿では、k=2 の場合、オンラインモデルにおいて ǫ-コンセンサスハーフィングおよびネックレスハーフィングが Ω(1/ǫ) カットを必要とすることを確立し、下界は対数要因を除いて一致する。