[논문 리뷰] Group Fairness and Multi-Criteria Optimization in School Assignment

K. A. Santhini, Kamesh Munagala외 2명|arXiv (Cornell University)|2024. 03. 22.

Advanced Algebra and Logic인용 수 1

한 줄 요약

이 논문은 민족적 군집 수 g에 대해 O(g²)의 용량 위반으로만 정확한 비례성과 기타 볼록하지 않은 공정성 목표를 달성하는 보조적인 학교 배정 알고리즘을 제안한다. 이는 군집 공정성 제약 조건 하에서 볼록 프로그래밍 라운딩을 사용하여 달성되며, 실용적인 성능을 보이며 이론적 한계보다 훨씬 낮은 경험적 용량 위반을 보인다. 이 방법은 임의의 제약 조건이 있는 다기준 최적화로도 확장 가능하다.

ABSTRACT

We consider the problem of assigning students to schools, when students have different utilities for schools and schools have capacity. There are additional group fairness considerations over students that can be captured either by concave objectives, or additional constraints on the groups. We present approximation algorithms for this problem via convex program rounding that achieve various trade-offs between utility violation, capacity violation, and running time. We also show that our techniques easily extend to the setting where there are arbitrary covering constraints on the feasible assignment, capturing multi-criteria and ranking optimization.

연구 동기 및 목표

• 학생들이 순위가 매겨진 기여도를 가지며, 서로 겹치는 인구군집에 속할 수 있는 경우에 그룹 공정성 문제를 해결한다.
• 학교 용량을 최소한으로 위반하면서도 정확한 공정성 목표(예: 비례성, 최소 최대 공정성, 내쉬 복지)를 달성하는 근사 알고리즘을 설계한다.
• 가능한 할당에 대한 임의의 제약 조건을 처리할 수 있도록 프레임워크를 확장하여 다기준 최적화를 가능하게 한다.
• 실제 시뮬레이션을 통해 이론적 한계보다 훨씬 낮은 경험적 용량 위반을 보여줌으로써 이 접근의 실용성을 입증한다.

제안 방법

• 공정성 목표를 군집 기여도에 대해 최적화하는 볼록 프로그래밍으로 문제를 수식화하며, 내쉬 복지에 적합한 로그 함수나 최소값 함수와 같은 볼록하지 않은 함수를 사용하여 공정성을 측정한다.
• 분수 해를 정수 할당으로 변환하기 위해 랜덤화된 라운딩 기법(알고리즘 1 및 알고리즘 3)을 사용한다.
• 공정성을 확보하기 위해 추가적인 용량 위반을 도입하며, 총 추가 좌석 수에 대한 이론적 상한선으로 O(g²)를 확보한다.
• 최소한의 용량 위반을 달성하는 데 사용되는 정수선형계획(ILP) 기반 벤치마크를 구축하여, 라운딩 기반 해와 비교한다.
• 기존 모델이 군집을 분할하고 선호도를 동일하게 가정하는 것과 달리, 겹치는 인구군집과 이질적인 학생 기여도를 허용한다.
• 각 학교에 대해 다중 제약 조건을 도입하여 학교 측 선호도를 모델링함으로써, 용량과 제약 조건 위반의 가산적 위반을 포함한 다기준 최적화를 가능하게 한다.

실험 결과

연구 질문

• RQ1 작은, 유한한 용량 위반으로만 정확한 비례성을 달성할 수 있는가?
• RQ2 실제 인스턴스에서 볼록 프로그래밍 라운딩의 성능은 이론적 최적 ILP 기반 벤치마크와 비교해 용량 위반 측면에서 어떻게 되는가?
• RQ3 기존 연구와 달리, 겹치는 인구군집과 이질적인 학생 기여도를 처리할 수 있는가?
• RQ4 이론적 용량 위반 상한선인 O(g²)는 날카로운가, 아니면 O(g)로 개선될 수 있는가?
• RQ5 이 방법은 가능한 할당에 대한 임의의 제약 조건이 있는 다기준 최적화로 확장될 수 있는가?

주요 결과

• 제안된 라운딩 알고리즘은 이론적 상한선보다 훨씬 낮은 용량 위반을 달성하며, 알고리즘 1의 평균 위반률은 2.3, 알고리즘 3는 1.24이며, 이론적 상한선 24보다 훨씬 낮다.
• 기준으로 사용된 ILP 기반 벤치마크는 평균 0.66의 용량 위반률을 기록하여, 실제 상황에서 라운딩 방법이 거의 최적임을 보여준다.
• ILP와 라운딩 알고리즘을 포함한 모든 방법은 1000명의 학생과 10개의 학교를 가진 인스턴스에서 랩탑에서 1분 이내에 실행되어 실용성을 입증한다.
• 선형계획(LP) 해는 평균적으로 단지 21.73개의 분수 변수를 가지며, 이는 분수 해가 이미 정수 해에 매우 가까운 상태임을 시사하며, 이는 낮은 경험적 위반률을 설명한다.
• 기존 모델이 군집을 분할하고 전역 기여도 함수를 요구하는 것과 달리, 이 프레임워크는 겹치는 인구군집과 이질적인 기여도로도 일반화되어 성공적으로 확장된다.
• 용량과 제약 조건 위반의 가산적 위반을 포함하여, 임의의 제약 조건이 있는 학교 할당에 대해 다기준 최적화를 지원한다.