[論文レビュー] Egalitarianism of Random Assignment Mechanisms

Haris Aziz, Jiashu Chen+3 more|arXiv (Cornell University)|Jul 24, 2015

Game Theory and Voting Systems参考文献 43被引用数 11

ひとこと要約

この論文は、特にランダム・シリアル・ディクタトリー（RSD）と確率的シリアル（PS）を含むランダム割り当てメカニズムが、エゴイスト的福祉（エージェント間の最小効用比として定義される）をどの程度近似できるかを分析する。また、 envy-free（ envy がない）、真実性、順序的（ordinal）メカニズムにおける近似比の理論的境界を確立し、指数的効用下でPSがRSDを常に上回ることを実験的に示している。

ABSTRACT

We consider the egalitarian welfare aspects of random assignment mechanisms when agents have unrestricted cardinal utilities over the objects. We give bounds on how well different random assignment mechanisms approximate the optimal egalitarian value and investigate the effect that different well-known properties like ordinality, envy-freeness, and truthfulness have on the achievable egalitarian value. Finally, we conduct detailed experiments analyzing the tradeoffs between efficiency with envy-freeness or truthfulness using two prominent random assignment mechanisms --- random serial dictatorship and the probabilistic serial mechanism --- for different classes of utility functions and distributions.

研究の動機と目的

• エゴイスト的福祉と、 envy-free（ envy がない）、真実性、順序的といったメカニズムの特性との間のトレードオフを定量化すること。
• 公平性やインcentive（インcentive）の性質を満たす必要がある場合に、最適なエゴイスト的福祉値がどの程度損なわれるかを評価すること。
• さまざまな効用分布および問題サイズにおいて、RSDとPSのエゴイスト的近似の性能を比較すること。
• envy-free（ envy がない）をハード制約として強制した場合、達成可能なエゴイスト的近似比にどのような影響を与えるかを調査すること。
• 期待値における真実性を持つメカニズムが、最適なエゴイスト的福祉値をどの程度近似できるかの限界を探ること。

提案手法

• エゴイスト的価値を、すべての対象に対するすべての評価の合計に対するエージェントの割り当て効用の最小比として定義する。
• 近似比保証（guar(J)）を、すべての評価プロファイルにおけるメカニズムのエゴイスト的価値と最適エゴイスト的価値の比の下限として定義する。
• 理論的分析では、線形計画法を用いて最適エゴイスト的価値と、 envy-free（ envy がない）制約下でエゴイスト的価値を最大化するOEEFメカニズムを計算する。
• 実験的評価では、合成効用データ（ボーダー分布および指数分布）を用い、エージェント数（n）と対象数（m）を変化させ、分散パラメータφを用いる。
• 小規模なインスタンス（n ≤ 6, m ≤ 4）に対して網羅的な実験を行い、大規模なシミュレーション（n ≤ 9, m ≤ 9, φ ∈ {0.0, ..., 1.0}）を実施してRSD、PS、およびOEEFを比較する。
• nおよびφごとに結果を集約し、最小および平均近似比の傾向を分析する。

実験結果

リサーチクエスチョン

• RQ1 エゴイスト的福祉の最悪ケース近似比は、任意のSD envy-freeメカニズムJに対してどの程度か？
• RQ2 envy-free（ envy がない）がハード制約として強制された場合、実際の達成可能なエゴイスト的近似比にどのような影響を与えるか、特にその制約下での影響を評価するか？
• RQ3 さまざまな効用分布において、RSDとPSのエゴイスト的福祉近似の観点から、実験的にどのように比較されるか？
• RQ4 期待値における真実性を持つメカニズムJが、エゴイスト的福祉の最良近似比をどの程度達成できるか？
• RQ5 好みの分散（φで制御）が、さまざまなメカニズム下での近似比にどのように影響を与えるか？

主な発見

• 任意のSD envy-freeメカニズムJに対して、近似比 guar(J) は O(n⁻¹) であり、エージェント数の増加に伴い最悪ケースで減少することが示唆される。
• 任意の envy-free（ envy がない）メカニズムJに対して、近似比は Ω(n⁻¹) および O(n⁻¹/⁵) であり、nの増加に伴い性能が広がるが依然として減少する。
• 任意の期待値における真実性を持つメカニズムJに対して、近似比は O(n⁻¹/²) であり、一般の envy-free（ envy がない）メカニズムよりも強い理論的境界を示す。
• 実験的に、指数的効用下ではPSがRSDよりも常に優れた最小および平均エゴイスト的近似比を達成する。Borda効用下ではPSとRSDの性能は同等に近い。
• envy-free（ envy がない）をOEEFメカニズムでハード制約として強制した場合、小規模インスタンス（n ≤ 6, m ≤ 4）における最悪ケース近似比は0.87にまで上昇し、理論的最悪ケース境界よりも顕著に良好である。
• 大規模な実験において、特に指数的効用下でOEEFはPSおよびRSDを上回る近似比を示す。φの増加に伴い近似比に非単調な傾向が見られ、φ = 1.0でピークに達する。これは好みの分散に起因する。