[論文レビュー] Randomized and Deterministic Maximin-share Approximations for Fractionally Subadditive Valuations

Hannaneh Akrami, Kurt Mehlhorn+2 more|arXiv (Cornell University)|Aug 28, 2023

Game Theory and Voting Systems被引用数 4

ひとこと要約

本稿は、分数的下付き加法的（XOS）評価関数における公平配分のための、改善された決定的および確率的割り当てアルゴリズムを提示する。決定的設定では最大ミニマムシェア（MMS）の3/13 ≈ 0.230769の近似を達成し、確率的割り当てにより同時に1/4-MMSのex-anteおよび1/8-MMSのex-post保証を達成することで、分割不能アイテムにおける公平配分分野の最先端技術を前進させる。

ABSTRACT

We consider the problem of guaranteeing maximin-share (MMS) when allocating a set of indivisible items to a set of agents with fractionally subadditive (XOS) valuations. For XOS valuations, it has been previously shown that for some instances no allocation can guarantee a fraction better than $1/2$ of maximin-share to all the agents. Also, a deterministic allocation exists that guarantees $0.219225$ of the maximin-share of each agent. Our results involve both deterministic and randomized allocations. On the deterministic side, we improve the best approximation guarantee for fractionally subadditive valuations to $3/13 = 0.230769$. We develop new ideas on allocating large items in our allocation algorithm which might be of independent interest. Furthermore, we investigate randomized algorithms and the Best-of-both-worlds fairness guarantees. We propose a randomized allocation that is $1/4$-MMS ex-ante and $1/8$-MMS ex-post for XOS valuations. Moreover, we prove an upper bound of $3/4$ on the ex-ante guarantee for this class of valuations.

研究の動機と目的

• 分数的下付き加法的（XOS）評価関数における最大ミニマムシェア（MMS）割り当ての、既存の最良の決定的近似保証を向上させること。
• 結果の前に（ex-ante）および結果の後に（ex-post）両方のフェアネス保証を満たす確率的割り当てを設計すること。
• XOS設定におけるMMSの既知の上界と達成可能な近似比の間のギャップを埋めること。
• XOS評価関数に対して、定数のMMS近似比を達成する多項式時間実装可能なアルゴリズムの可能性を調査すること。

提案手法

• 大ぶりのアイテムを段階的な分割と選択プロセスを用いて注意深く割り当てることで、MMS近似を向上させる、革新的な決定的アルゴリズムを導入する。
• エージェント全体にアイテムを一様に確率的に割り当てることで、1/4-MMSのex-anteフェアネス保証を確保する確率的割り当てメカニズムを採用する。
• 決定的および確率的設定の両方において、エージェントが得る最小ユーティリティの上限を定めるために、価値のしきい値と分割技術を組み合わせたハイブリッド解析を用いる。
• カバレッジと価値推定に関する補題（例：補題5.4、5.5、5.6）を適用して、割り当てられたバンドルのユーティリティの下限を導出する。
• XOS評価関数の構造を活用して、アイテムをエージェント間で段階的に再割り当てする際のユーティリティ損失を制限する。
• 下界の矛盾に基づく議論を証明することで、部分的に最適でない割り当てを仮定し、価値の不整合を導出することによって、3/13-MMS保証を確立する。

実験結果

リサーチクエスチョン

• RQ1 分数的下付き加法的評価関数に対して、決定的割り当てが0.219225より優れたMMS近似比を達成できるか？
• RQ2 確率的割り当てが、同時に1/4-MMSのex-anteおよび1/8-MMSのex-post保証をXOS評価関数で達成できるか？
• RQ3 XOS評価関数に対して、定数のMMS近似比を達成する多項式時間実装可能なアルゴリズムが存在するか？
• RQ4 XOS評価関数におけるex-ante MMS近似比のタイトな上界は何か？
• RQ5 類似の同時ex-anteおよびex-postフェアネス保証は、単調減少および単調加法的評価関数に拡張可能か？

主な発見

• 本稿は、分数的下付き加法的評価関数に対して、3/13 ≈ 0.230769の決定的MMS近似保証を確立し、以前の最良の0.219225を上回る。
• XOS評価関数に対して、ex-anteでMMS値の1/4、ex-postでMMS値の1/8を保証する確率的割り当てを提案する。
• 本稿は、XOS評価関数におけるex-ante MMS近似比の上界が3/4であることを証明し、1/4と3/4の間のギャップを残す。
• 提案された決定的アルゴリズムは、大ぶりのアイテム割り当てと価値しきい値の洗練された解析に依存し、堅牢なユーティリティ境界を保証する。
• 確率的アルゴリズムは期待値としてのフェアネス（ex-ante）を達成するとともに、非自明な最悪ケース保証（ex-post）を維持する。
• 結果から、特に後続の段階で複数アイテム満足度のチェックを統合するアルゴリズムフレームワークの拡張によって、さらなる改善が可能であると考えられる。