[論文レビュー] On Best-of-Both-Worlds Fairness via Sum-of-Variances Minimization

Moshe Babaioff, Yuval Grofman|arXiv (Cornell University)|Jan 23, 2026

Game Theory and Voting Systems被引用数 0

ひとこと要約

本論文は、エクスアンティ比例性の下でエージェントの値の分散和を最小化することによりBoBW公平性を達成することを分析し、同一評価値（2エージェント）には長所を示す一方、非同一評価値およびn≥3の同一エージェントには強い課題があることを示す。

ABSTRACT

We consider the problem of fairly allocating a set of indivisible goods among agents with additive valuations. Ex-ante fairness (proportionality) can trivially be obtained by giving all goods to a random agent. Yet, such an allocation is very unfair ex-post. This has motivated the Best-of-Both-Worlds (BoBW) approach, seeking a randomized allocation that is ex-ante proportional and is supported only on ex-post fair allocations (e.g., on allocations that are envy-free-up-to-one-good (EF1), or give some constant fraction of the maximin share (MMS)). It is commonly pointed out that the distribution that allocates all goods to one agent at random fails to be ex-post fair as it ignores the variances of the values of the agents. We examine the approach of trying to mitigate this problem by minimizing the sum-of-variances of the values of the agents, subject to ex-ante proportionality. We study the ex-post fairness properties of the resulting distributions. In support of this approach, observe that such an optimization will indeed deterministically output a proportional allocation if such exists. We show that when valuations are identical, this approach indeed guarantees fairness ex-post: all allocations in the support are envy-free-up-to-any-good (EFX), and thus guarantee every agent at least 4/7 of her maximin share (but not her full MMS). On the negative side, we show that this approach completely fails when valuations are not identical: even in the simplest setting of only two agents and two goods, when the additive valuations are not identical, there is positive probability of allocating both goods to the same agent. Thus, the supporting ex-post allocation might not even be EF1, and might not give an agent any constant fraction of her MMS. Finally, we present similar negative results for other natural minimization objectives that are based on variances.

研究の動機と目的

• エクサントプロポーショナル性の下で分散和（SoV）目的をBoBWアプローチとして動機づけ、形式化する。
• 評価値が同一の場合、SoVを最小化する分布の事後公平性特性を特徴づける。
• 非同一評価値および2人以上のエージェントに対してSoV最小化がどのように機能するかを検討する。
• SoVの計算的困難性と、さまざまなバリアントや目的の下での基本的な制限を示す。

提案手法

• エクサントプロポーショナルな分布と割り当て全体でのSoV目的を定義する。
• SoV最小化分布のサポートを、エクサントプロポーショナル共有ベクトルへの距離最小化として特徴づける。
• 同一評価値かつn=2の場合、SoV最小化解は事後にMMS公平（従って事後にEFX）であり、その計算がNP困難であることを示す。
• 同一評価値がn≥3の場合へ拡張し、事後にMMS公平性が成り立たないケースもあるが事後にEFXは成り立つことを示し、一定のMMS近似を意味づける。
• 非同一評価値に対して否定的な結果を提供し、EF1/EFXがサポート内で成立しない場合があることを示し、他の分散ベースの目的も分析する。

実験結果

リサーチクエスチョン

• RQ1 エクサントプロポーショナル性の下で分散和を最小化することは、同一評価値のときに事後公平性（EF1/EFXまたはMMS）を保証するか？
• RQ2 同一評価値かつ2人を超えるエージェントがいるとき、SoV最小化分布は事後にどのような公平性特性を示すのか？
• RQ3 非同一評価値はSoV最小化分布の事後公平性を妨げるか。最も単純な2エージェント・2財設定でも影響するか？
• RQ4 エクサントプロポーショナル性の下でSoV最小化分布を見つけることには計算的または複雑さの障害があるか？
• RQ5 分散ベースの他の目的も同様に事後公平性を保証しないか？

主な発見

• 同一評価値で2エージェントの場合、すべてのSoV最小化分布は事後にMMS公平であり（従って事後にはEFX）である。
• n≥3の同一評価値では、SoV最小化解は事後にEFXであり、n=3ではMMS近似が2/3、n≥4ではMMS近似が7/4? ではなく7/4ではなく7/4の分数表現の注意が必要。原文の値は3エージェントでMMS近似が最大275/304 ≈ 90.4%である。
• 同一の2つの同一エージェントのSoV最小化分布をエクスポゼントな時間複雑性で求めることはNP困難である。
• 非同一評価値では、2財2財の設定でもSoV最小化解がある割り当てに正の確率を置き、両財を1人のエージェントへ与える結果となり、EF1を破り事後にEFXを保証せず一定のMMSを保証しない。
• 他の自然な分散ベースの目的（最大分散、最大標準偏差、標準偏差の和、分散の分散など）にも同様の否定的な結果が適用される。
• SoVアプローチは、評価値が異なる場合には事後公平性を保証しない。事前の比例性にもかかわらず。