[論文レビュー] On Truthful Mechanisms for Maximin Share Allocations

Georgios Amanatidis, Georgios Birmpas+1 more|arXiv (Cornell University)|May 13, 2016

Game Theory and Voting Systems参考文献 9被引用数 29

ひとこと要約

本稿は、分割不能なアイテムの公平配分における真実性を保証するメカニズムを、最大最小共有（MMS）の保証を用いて調査する。3つのモデル—順序尺度、順序尺度、一貫性のある評価—を提案し、真実性と近似可能性を分析し、i.i.d. 評価のもとで、アイテム数が多い設定では、単純な確率的メカニズムですでに任意の良い近似比を達成できることを示している。

ABSTRACT

We study a fair division problem with indivisible items, namely the computation of maximin share allocations. Given a set of $n$ players, the maximin share of a single player is the best she can guarantee to herself, if she would partition the items in any way she prefers, into $n$ bundles, and then receive her least desirable bundle. The objective then is to find an allocation, so that each player is guaranteed her maximin share. Previous works have studied this problem mostly algorithmically, providing constant factor approximation algorithms. In this work we embark on a mechanism design approach and investigate the existence of truthful mechanisms. We propose three models regarding the information that the mechanism attempts to elicit from the players, based on the cardinal and ordinal representation of preferences. We establish positive and negative (impossibility) results for each model and highlight the limitations imposed by truthfulness on the approximability of the problem. Finally, we pay particular attention to the case of two players, which already leads to challenging questions.

研究の動機と目的

• 分割不能なアイテムを対象とした公平配分における、近似または正確な最大最小共有（MMS）割り当てを実現する真実性のある決定的メカニズムの存在を調査すること。
• 完全な順序尺度評価、順序ランク、および与えられたランクと整合する評価を特徴とする3つの異なる情報モデルにおける、真実性と近似可能性のトレードオフを分析すること。
• 特に2人プレイヤーの場合に、真実性が近似比に及ぼす制限を特定すること。
• 決定的真実メカニズムの不可能性結果を克服できるかどうか、確率的メカニズムの可能性を検討すること。
• MMS割り当てにおいて、真実性メカニズムと非真実性メカニズムが達成可能な保証の明確な分離を提示すること。

提案手法

• 3つのモデルを提案：(1) 順序尺度—プレイヤーが完全な加法的評価関数を報告；(2) 順序尺度—プレイヤーがアイテムの順位のみを報告；(3) 一貫性—メカニズムが順位を把握し、それらと整合する評価を収集。
• チェビシェフの不等式およびホイーディングの不等式を用いて、各アイテムをプレイヤーに一様に確率的に割り当てる確率的メカニズムの性能を分析。
• 各プレイヤーが得る合計価値の期待値と分散を分析し、i.i.d. アイテム評価のもとで平均値の周囲に集中することを示した。
• m（アイテム数）が大きい場合、ρ·μi からの逸脱確率が O(n²/m) で抑えられ、高確率近似保証が得られることを確立。
• プレイヤーの入力を一切無視し、報告された評価とは独立してアイテムを割り当てるため、戦略的影響がないことから真実性が保証される。
• 有界平均 ε > 0 を持つ分布 Di(n,m) を考案し、一様分布や離散分布を含む広範なi.i.d. アイテム評価のクラスを扱えるようにした。

実験結果

リサーチクエスチョン

• RQ1 順序尺度、順序尺度、または一貫性のある評価モデルにおいて、真実性のある決定的メカニズムがMMS割り当てに対して非自明な近似比を達成できるか？
• RQ2 特に2人プレイヤーの場合に、真実性がMMS割り当ての近似可能性に及ぼす根本的な制限は何か？
• RQ3 真実性近似を達成するにあたり、順序情報の能力は順序尺度情報と比べてどの程度優れているか？
• RQ4 アイテム数が大きい場合、確率的真実メカニズムは任意の良い近似比を達成できるか？
• RQ5 m ∈ {4,5} のような小さなアイテム数において、モデル間の同等性（例：順序尺度と順序尺度）はどの程度成立するか？

主な発見

• m が大きい場合、各アイテムを一様に確率的に割り当てる単純な確率的メカニズムは、高確率で各プレイヤーが少なくとも ρ·μi の合計価値を獲得することを保証する。ここで ρ < 1 であり、μi はアイテムの期待価値である。
• 失敗確率（すなわち、あるプレイヤーが ρ·μi 未満の価値を受領する確率）は O(n²/m) で抑えられ、m が増加するにつれて0に近づく。
• メカニズムは、すべてのプレイヤーの入力を無視し、報告された評価とは独立してアイテムを割り当てるため、真実性が保証される。
• チェビシェフの不等式を用いて、プレイヤーが閾値未満の価値を受領する確率を抑え、O(n²/m) の誤差項を導出。
• ホイーディングの不等式により、経験的平均が真の平均から逸脱する確率が指数的に小さくなることが示され、高確率保証を裏付ける。
• m が増加するにつれて、有界平均を持つ広範な分布のクラス（Di(n,m)）において、確率的メカニズムが任意の良い近似比を達成できることを示唆している。