[論文レビュー] The Constrained Round Robin Algorithm for Fair and Efficient Allocation

Haris Aziz, Xin Huang+2 more|arXiv (Cornell University)|Aug 1, 2019

Game Theory and Voting Systems参考文献 20被引用数 12

ひとこと要約

本稿では、容量制約と任意の効用（正、負、ゼロ）のもとで、分割不能なアイテムの公平かつ効率的な割り当てを可能にする、柔軟で計算的に効率的な手法である制約付きラウンドロビン（CRR）アルゴリズムを提案する。ラウンドロビン枠組み内に福利厚最大化オракルを埋め込むことで、福利厚要件を緩和した場合、 envy-freeness up to one item（EF1）またはより強い必須EF1（NEF1）を保証する。これにより、論文査読者割り当てのような設定において、効率と公平性の間で体系的なトレードオフを実現できる。

ABSTRACT

We consider a multi-agent resource allocation setting that models the assignment of papers to reviewers. A recurring issue in allocation problems is the compatibility of welfare/efficiency and fairness. Given an oracle to find a welfare-achieving allocation, we embed such an oracle into a flexible algorithm called the Constrained Round Robin (CRR) algorithm, that achieves the required welfare level. Our algorithm also allows the system designer to lower the welfare requirements in order to achieve a higher degree of fairness. If the welfare requirement is lowered enough, a strengthening of envy-freeness up to one item is guaranteed. Hence, our algorithm can be viewed as a computationally efficient way to interpolate between welfare and approximate envy-freeness in allocation problems.

研究の動機と目的

• 任意の効用と容量制約を伴うマルチエージェントリソース割り当てにおいて、効率（例：ユーティタリアニアンまたはランク最大化福祉）と公平性（例：EF1）のバランスをとる課題に対処すること。
• 高い福祉と強い公平性保証の間を補間可能な、実用的で計算的に効率的なアルゴリズムを開発すること。
• システム設計者が福祉要件を調整することで、特に国際会議の論文割り当てのような現実世界の設定で望ましい公平性水準を達成できるフレームワークを提供すること。
• CRRが、他の福祉最適化手法よりも公平性指標（NEF1 や EF1）で優れていることを示すこと。これは、他の福祉目的を最適化する手法ですら、CRRに劣ることを示している。
• EF1 かつ ユーティタリアニアン／ランク最大化効率を満たす割り当てを求める問題が NP 完全であることを示すこと。これにより、CRRのようなヒューリスティックでありながら証明可能な公平性を備えた手法の必要性が正当化される。

提案手法

• CRRは、ラウンドロビン方式のアルゴリズムであり、アイテムを順番に割り当てるが、最終的な割り当てが指定された福祉目標 W を満たすことが制約として課される。
• アルゴリズムは外部のオラクルを用いて、目標福祉レベル（例：ユーティタリアニアン最大化、ランク最大化）を達成する割り当てを特定し、それを公平性を保つラウンドロビンプロセスに統合する。
• 福祉制約なし（W = null）の特別な場合、CRRは必須EF1（NEF1）を保証する。これは、順序的選好と整合するすべての効用関数に対して成り立つEF1の強化版である。
• アルゴリズムは、アクティブなエージェントの現在の割り当てと容量制約に基づいて、動的にエージェント選択を調整することで、割り当てプロセス全体を通じて公平性が維持されることを保証する。
• CRRは、異なる福祉目的（UM, RM, Nash, エゴイスト的、OWA）にパラメータ化可能であり、システム設計者が効率と公平性の間のトレードオフを調整できる。
• この手法は一般性と拡張性に富んでおり、負の効用やエージェント・アイテム両方の容量制限をサポートする。これにより、査読者-論文割り当てのような現実世界の応用に適している。

実験結果

リサーチクエスチョン

• RQ1 指定された福祉効率レベルを達成しながら、公平性（EF1 や NEF1）を保証する計算的に効率的なアルゴリズムを設計できるか？
• RQ2 任意の効用と容量制約を伴う設定において、福祉最大化と公平性の間で体系的なトレードオフを実現できるか？
• RQ3 CRRの性能は、既存の福祉最適化アルゴリズム（例：Nash, エゴイスト的, OWA）と比較して、EF1 や NEF1 といった公平性指標でどう異なるか？
• RQ4 EF1 かつ ユーティタリアニアン最大化またはランク最大化である割り当てを求める問題の計算複雑性は何か？
• RQ5 好みの相関が、現実世界の設定における割り当てアルゴリズムの公平性と効率にどのように影響するか？

主な発見

• ユーティタリアニアン最大化（UM-CRR）およびランク最大化（RM-CRR）制約を課したCRRは、テストされたすべての好み相関レベルで、単独のUMまたはRM目的よりも高いNEF1およびEF1の公平性を一貫して達成する。
• 実世界のPrefLibデータセット（MD-2-01 から MD-2-03）において、UM-CRR および RM-CRR は3つのデータセットのうち2つで100％のNEF1満足度を達成し、一部のケースではNP困難なエゴイスト的目的を上回った。
• 最も高い好み相関（ϕ = 0.95）の設定では、UM-CRR と RM-CRR はそれぞれ97.5％および97.5％のNEF1満足度を維持したが、エゴイスト的目的は1つのデータセットで65.7％まで低下した。
• 線形OWA（LSOWA）目的は、嫉妬を低減する点で良好に機能したが、CRRに福祉制約を課した場合でも、特に高い好み相関下でLSOWAを上回る公平性指標を達成した。
• EF1 かつ ユーティタリアニアン最大化である割り当てが存在するかどうかを決定する問題がNP困難である（3人のエージェントでも）ことが確認され、正確な解法の計算的非現実性が裏付けられ、CRRのような実用的代替手法の必要性が正当化された。
• 福祉制約を緩和したCRRは、必須EF1（NEF1）を保証する。これは、順序的選好と整合するすべての効用関数に対して成り立つ、標準的なEF1よりも強い形式的な公平性保証である。