[논문 리뷰] On the inverse power index problem

Sascha Kurz|SSRN Electronic Journal|2012. 11. 27.

Game Theory and Voting Systems인용 수 7

한 줄 요약

이 논문은 가중 투표 게임에서의 역 전력 지수 문제에 대한 최초의 정확한 알고리즘을 제시하며, 목표 영향 분포와 가장 잘 일치하는 투표 가중치를 찾기 위해 정수선형계획법(ILP)을 사용한다. 연구에서는 Shapley-Shubik 및 Banzhaf 지수 모두에서 (0.75, 0.25, 0, ..., 0) 분포가 매우 어렵게 근사가 가능하다는 것을 입증하며, n ≤ 16명의 투표자에 대해 각각 최소 거리 1/3과 0.378을 관찰한다.

ABSTRACT

Weighted voting games are frequently used in decision making. Each voter has a weight and a proposal is accepted if the weight sum of the supporting voters exceeds a quota. One line of research is the efficient computation of so-called power indices measuring the influence of a voter. We treat the inverse problem: Given an influence vector and a power index, determine a weighted voting game such that the distribution of influence among the voters is as close as possible to the given target value. We present exact algorithms and computational results for the Shapley-Shubik and the (normalized) Banzhaf power index.

연구 동기 및 목표

• 목표 영향 벡터가 주어졌을 때, 그 영향 지수 분포와 가능한 한 가까운 가중 투표 게임을 찾는 역 전력 지수 문제를 해결하는 것.
• 주어진 전력 지수 하에서 최적의 투표 가중치를 계산하기 위한 브루트포스 탐색을 초월한 정확한 알고리즘을 개발하는 것.
• 특히 (0.75, 0.25, 0, ..., 0) 벡터와 같은 전력 분포의 최악의 근사 성질을 조사하는 것.
• 소수의 투표자 수에서 Banzhaf 및 Shapley-Shubik 지수에 대한 달성 가능한 전력 분포 집합을 특성화하는 것.
• 실제 투표 시스템에서 이상적인 전력 분포를 근사하는 데의 가능성과 한계에 대한 계산적 증거를 제공하는 것.

제안 방법

• 결정 변수로 투표 가중치를 사용하고, 목표 전력 지수 분포를 만족시키기 위한 제약 조건을 포함하는 정수선형계획법(ILP)으로 역 전력 지수 문제를 수식화한다.
• 목표 영향 벡터와 계산된 영향 벡터 간의 L1-거리 최소화를 위해 정규화된 Banzhaf 및 Shapley-Shubik 전력 지수를 목적 함수로 사용한다.
• 작은 n(n ≤ 16)에 대해서는 가중 투표 게임의 완전한 순열을 통한 정확한 계산을 수행하고, 더 큰 인스턴스에는 ILP 기반 최적화를 적용한다.
• ILP 수식의 대칭성을 줄이고 계산 효율을 향상시키기 위해 투표자들을 가중치 순서 기반 사전순서로 정렬한다.
• 정확한 ILP 방법의 성능를 비교하기 위해 고정점 히우리스틱을 벤치마크로 사용한다.
• n = 6에서 9까지의 2차원 투영(예: 투표자 1 대 투표자 2)을 통해 달성 가능한 전력 분포 집합을 시각화하며, 밀도를 색상 코딩된 픽셀 표현으로 나타낸다.

실험 결과

연구 질문

• RQ1 n ≤ 15명의 투표자 수를 가진 가중 투표 게임에서 Shapley-Shubik 지수에 대해 목표 전력 분포 (0.75, 0.25, 0, ..., 0)와 달성 가능한 전력 벡터 간의 최소 L1-거리가 얼마인가?
• RQ2 Banzhaf 전력 지수는 (0.75, 0.25, 0, ..., 0) 목표 분포를 얼마나 잘 근사할 수 있으며, n ≤ 16일 때 최악의 근사 오차는 얼마인가?
• RQ3 특정 벡터—예를 들어 (0.75, 0.25, 0, ..., 0)와 같은 것—이 매우 어렵게 근사되는 이유를 설명할 수 있는 달성 가능한 전력 분포 집합의 구조적 성질이 있는가?
• RQ4 제안된 ILP 기반 방법은 유럽 연합의 부분 집합과 같은 현실적인 투표 시스템에서 역 전력 지수 문제를 정확히 해결할 수 있는가?
• RQ5 (0.75, 0.25, 0, ..., 0) 분포가 두 전력 지수 모두에 대해 최악의 목표 분포이며, n이 증가함에 따라 이 성질이 유지되는가?

주요 결과

• Shapley-Shubik 지수의 경우, n ≤ 15명의 투표자에 대해 목표 (0.75, 0.25, 0, ..., 0)와의 최소 L1-거리가 항상 1/3 이상이다.
• Banzhaf 지수의 경우, 동일한 목표 분포와의 최소 L1-거리가 0.3783563이며, 이는 가중치 [466; 367, 99, 99, 99, 70, 29, 29, 12, 12, 5, 5, 2, 2, 1, 1]를 가진 15명의 투표자 게임에서 달성된다.
• 16명의 투표자 게임에 추가로 가중치 0인 투표자를 추가한 경우에도 동일한 최소 거리 0.3783563이 유지되며, 이는 어려운 인스턴스의 강건성을 보여준다.
• 두 지수 모두에 대해 달성 가능한 전력 분포 집합은 균일하게 밀도가 높지 않으며, (0.75, 0.25) 근처 영역는 여전히 흐리게 분포해 있어 근사의 내재적 한계를 시사한다.
• 계산 결과에 따르면 제안된 ILP 방법은 n ≤ 16까지 정확한 역 문제를 해결할 수 있으며, 가장 어려운 16명 투표자 인스턴스의 경우 최대 2.34일의 실행 시간이 소요된다.
• 이 연구는 (0.75, 0.25, 0, ..., 0) 벡터가 근사에 있어 중요한 사례이며, 두 전력 지수 모두에 대해 최악의 경우 시나리오일 가능성이 높다는 것을 확인한다.