[논문 리뷰] Dynamic Fair Division Problem with General Valuations

Bo Li, Yingkai Li외 1명|arXiv (Cornell University)|2018. 02. 14.

Game Theory and Voting Systems참고 문헌 19인용 수 4

한 줄 요약

이 논문은 일반적이고 비균일한 평가를 가진 플레이어가 시간이 지남에 따라 도착하고 퇴장하는 환경에서 가분 자원을 동적으로 공정하게 분배하기 위한 알고리즘을 제안한다. 1-기억 가능한 알고리즘을 도입하여 $O(\log n)$-비례성과 $O(n)$-비선호성의 공정성을 달성하며, 적대자 구성에 의해 이러한 경계가 로그 인자까지 정확히 타이트하다는 것을 증명한다. 또한 요구량이 다양한 균일한 평가에 대해 결과를 확장하여 $O(\log n)$-공정성 알고리즘과 해당 하한선을 보이며, 이는 정확히 일치함을 보인다.

ABSTRACT

In this paper, we focus on how to dynamically allocate a divisible resource fairly among n players who arrive and depart over time. The players may have general heterogeneous valuations over the resource. It is known that the exact envy-free and proportional allocations may not exist in the dynamic setting [Walsh, 2011]. Thus, we will study to what extent we can guarantee the fairness in the dynamic setting. We first design two algorithms which are O(log n)-proportional and O(n)-envy-free for the setting with general valuations, and by constructing the adversary instances such that all dynamic algorithms must be at least Omega(1)-proportional and Omega(n/log n)-envy-free, we show that the bounds are tight up to a logarithmic factor. Moreover, we introduce the setting where the players' valuations are uniform on the resource but with different demands, which generalize the setting of [Friedman et al., 2015]. We prove an O(log n) upper bound and a tight lower bound for this case.

연구 동기 및 목표

• 플레이어가 시간이 지남에 따라 도착하고 퇴장하는 환경에서 일반적이고 비균일한 평가를 가진 플레이어의 만족도를 최소화하는 동적 할당 알고리즘을 설계하기 위해.
• 정확한 공정성이 이룰 수 없는 동적 환경에서 비례성과 비선호성의 최선의 공정성 근사치를 정량화하기 위해.
• 공정성 근사치의 상한과 하한 사이의 격차를 메우기 위해 타이트한 적대자 인스턴스를 구성하기 위해.
• 이전 연구의 요구량이 있는 균일한 평가로의 일반화를 위해, 더 넓은 평가 함수 클래스로 결과를 확장하기 위해.

제안 방법

• 플레이어 도착 시 가분 자원을 동적으로 할당하는 1-기억 가능한 알고리즘 두 개를 설계하여, 이전에 할당된 한 명의 플레이어의 할당량만 재할당을 允허한다.
• 근사 비율을 통해 공정성 정의: $\sigma$-비례성(각 플레이어가 총 평가치의 $1/(\sigma n)$ 이상을 확보함) 및 $\xi$-비선호성(어느 플레이어도 다른 플레이어를 $1/\xi$ 초과로 선호하지 않음).
• 플레이어 수가 매 라운드마다 4배 감소하고 요구량이 8배 증가하는 $m = \log n / 3$라운드로 구성된 적대자 인스턴스를 구축한다.
• 합계와 적분 근사를 사용하여 총 할당 자원을 하한으로 제시하고, 균일한 요구량 케이스에 대해 $\Omega(\log n)$-공정성 하한선을 유도한다.
• 구성된 인스턴스에서 어떤 1-기억 가능한 알고리즘도 최소 $\Omega(\log n)$-공정성을 유발해야 한다는 것을 보여, 경계의 타이트성을 증명한다.
• $1/(4\tau)$ 및 $8\tau$ 스케일링을 조정하여 $\tau$-기억 가능한 알고리즘으로 결과를 확장하고, $\Omega(\log n)$ 하한선을 유지한다.

실험 결과

연구 질문

• RQ1 일반적이고 비균일한 평가를 가진 동적 공정 분배 환경에서 비례성과 비선호성의 최선의 근사 비율은 무엇인가요?
• RQ2 1-기억 가능성 하에서 $O\left(\log n\right)$-비례성 및 $O(n)$-비선호성 알고리즘이 달성 가능한가요? 그리고 이러한 경계는 타이트한가요?
• RQ3 플레이어가 균일한 평가를 가지지만 요구량이 다를 경우 어떤 공정성 보장이 가능하며, 일반 평가와 비교해 볼 때 어떻게 다릅니까?
• RQ4 균일한 요구량 모델에서 $\Omega(\log n)$-공정성 하한선은 1-기억 가능한 알고리즘에서도 타이트한가요?
• RQ5 비무산 가정 없이 $\tau$-기억 가능한 알고리즘($\tau \geq 2$)에서 공정성 근사치를 향상시킬 수 있을까요?

주요 결과

• 제안된 1-기억 가능한 알고리즘은 일반 평가에 대해 $O(\log n)$-비례성 및 $O(n)$-비선호성 공정성을 달성하며, 알려진 하한선과 로그 인자까지 일치한다.
• 적대자 인스턴스를 통해 어떤 1-기억 가능한 알고리즘도 $\Omega(\frac{n}{\log n})$-비선호성여야 하며, 이는 $O(n)$ 경계가 로그 인자까지 정확히 타이트하다는 것을 보여준다.
• 요구량이 다른 균일한 평가에 대해 논문은 $O(\log n)$-공정성 알고리즘을 구성하고, 해당 $\Omega(\log n)$ 하한선을 증명하여 타이트성을 확립한다.
• 상수 $\tau$에 대해 $\tau$-기억 가능한 알고리즘에서도 $\Omega(\log n)$-공정성 하한선은 유지되며, $1/(4\tau)$ 및 $8\tau$ 스케일링을 조정한 적대자 인스턴스로 이를 보장한다.
• 결과적으로 균일한 요구량 모델에서는 어떤 알고리즘도 $\Omega(\log n)$-공정성 이하를 달성할 수 없으며, 일반 평가 환경에서도 공정성 근사치의 향상은 로그 인자 이내에서만 가능하다.