[論文レビュー] Yankee Swap: a Fast and Simple Fair Allocation Mechanism for Matroid Rank Valuations

Vignesh Viswanathan, Yair Zick|arXiv (Cornell University)|Jun 17, 2022

Game Theory and Voting Systems被引用数 5

ひとこと要約

この論文は、マトロイドランク評価（MRV）の下で、分割不能な財の公平配分のための単純で効率的なアルゴリズムであるYankee Swapを導入する。順次選択メカニズムに盗難権を組み合わせることで、先行手法よりも著しく高速にLorenz優越的で、 envy-free かつ効用最適な配分を計算する。m = Θ(n)のとき、O(n^{13/2} log n)の高速化を達成する。

ABSTRACT

We study fair allocation of indivisible goods when agents have matroid rank valuations. Our main contribution is a simple algorithm based on the colloquial Yankee Swap procedure that computes provably fair and efficient Lorenz dominating allocations. While there exist polynomial time algorithms to compute such allocations, our proposed method improves on them in two ways. (a) Our approach is easy to understand and does not use complex matroid optimization algorithms as subroutines. (b) Our approach is scalable; it is provably faster than all known algorithms to compute Lorenz dominating allocations. These two properties are key to the adoption of algorithms in any real fair allocation setting; our contribution brings us one step closer to this goal.

研究の動機と目的

• 分割不能な財のマトロイドランク評価に対するスケーラブルで理解しやすい公平配分アルゴリズムの不足を補う。
• 複雑なマトロイド最適化サブルーチンに依存し、計算複雑度が高いため、既存のアルゴリズムの限界を克服する。
• 専門家でない者にとっても実装・理解が容易で、かつ証明可能な公平性と効率性を備えたメカニズムを開発する。
• MRV下でのLorenz優越的配分を計算するための最新の実行時間性能を向上させ、特に大学の授業割り当てのような大規模な設定において有効である。
• 実世界の応用、例えば授業マッチングシステムへの公平配分メカニズムの実用的導入を可能にする。

提案手法

• 「ヤンキースワップ」として知られる、代理が好みに従って順次財を選んだり、他の者から財を奪ったりする、俗に知られるヤンキースワップゲームにインspされた、新規のアルゴリズムを提案する。
• エージェントの優先順位の順序を用いてターン順序を決定し、優先順位付きのLorenz優越的配分を計算可能にする。
• 優先順位が低いエージェントが保有する財、または未割当の財を好む場合、エージェントが他の者から財を奪えるように許可する。これにより、公平性と効率性を維持する。
• 動的更新メカニズムを実装し、財を失ったエージェントは未割当の財を取るか、優先順位が低いエージェントから奪う必要がある。これにより、どのエージェントも状況が悪化しないように保証する。
• マトロイドランク関数の組み合わせ的構造を活用し、複雑なマトロイドインターセクションやランクオラクルの呼び出しを回避することで、計算コストを削減する。
• アルゴリズムがLorenz優越的で、任意の財についてのenvy-free（EFX）であり、かつ効用最適およびナッシュ社会的福祉を最大化することを証明する。

実験結果

リサーチクエスチョン

• RQ1 複雑なマトロイド最適化サブルーチンに依存せずに、マトロイドランク評価下で証明可能な公平性と効率性を達成する単純で直感的なアルゴリズムは可能か？
• RQ2 マトロイドランク評価下でのLorenz優越的配分の計算の計算複雑度は何か？ そして、著しく低減可能か？
• RQ3 Babaioffら（2021）の最新手法と比較して、Yankee Swapの実行時間とスケーラビリティはどの程度優れているか？
• RQ4 順次選択と盗難に基づくメカニズムは、EFXのような強い公平性保証および社会的福祉の最大化を達成できるか？
• RQ5 構造的評価の下で、組み合わせ的知見は、重いアルゴリズム的機構をどれだけ置き換えることができるか？

主な発見

• Yankee Swapは、マトロイドランク評価下で、O(n²m³/²(m + τ)log(nm))の時間で、優先順位付きのLorenz優越的配分を計算する。これはBabaioff ら（2021）のO(n⁶m⁷/²(m + τ)log(nm))の時間と比べて著しく高速である。
• m = Θ(n)のとき、Yankee Swapの最悪ケース実行時間は、先行の最新手法と比較してO(n¹³/² log n)の要因で高速である。
• このアルゴリズムは、すべての主要な公平性と効率性の性質を満たす：Lorenz優越的で、任意の財についてのenvy-free（EFX）であり、かつ効用最適およびナッシュ社会的福祉を最大化する。
• Yankee Swapはランクオラクルや複雑なマトロイドインターセクションアルゴリズムへのアクセスを必要としないため、非専門家にとってもより単純でアクセスしやすい。
• エージェントの優先順位に対する確率的変動を用いることで、事前公平性の保証（例：事前envy-freeや比例性）を実現できる。
• このアルゴリズムは数行のコードで実装可能であり、大学の授業割り当てのような現実世界の応用において、高い実用性とスケーラビリティを示している。