[논문 리뷰] On Truthful Mechanisms for Maximin Share Allocations

Georgios Amanatidis, Georgios Birmpas외 1명|arXiv (Cornell University)|2016. 05. 13.

Game Theory and Voting Systems참고 문헌 9인용 수 29

한 줄 요약

이 논문은 비분할 물건의 정당한 분배를 위한 진실성 있는 메커니즘을 최대최소공유(MMS) 보장과 함께 조사한다. 세 가지 모델—정량적, 순서적, 일관된 평가—을 제안하여 진실성과 근사 가능성의 정도를 분석하고, 동일분포(i.i.d.) 평가 하에 대량의 물건이 존재할 경우 심지어 단순한 랜덤 메커니즘이 임의로 좋은 근사 비율을 달성할 수 있음을 보여준다.

ABSTRACT

We study a fair division problem with indivisible items, namely the computation of maximin share allocations. Given a set of $n$ players, the maximin share of a single player is the best she can guarantee to herself, if she would partition the items in any way she prefers, into $n$ bundles, and then receive her least desirable bundle. The objective then is to find an allocation, so that each player is guaranteed her maximin share. Previous works have studied this problem mostly algorithmically, providing constant factor approximation algorithms. In this work we embark on a mechanism design approach and investigate the existence of truthful mechanisms. We propose three models regarding the information that the mechanism attempts to elicit from the players, based on the cardinal and ordinal representation of preferences. We establish positive and negative (impossibility) results for each model and highlight the limitations imposed by truthfulness on the approximability of the problem. Finally, we pay particular attention to the case of two players, which already leads to challenging questions.

연구 동기 및 목표

• 비분할 물건이 있는 정당 분배에서 근사적 또는 정확한 최대최소공유(MMS) 할당을 위한 진실성 있는 결정적 메커니즘의 존재를 조사하는 것.
• 전체 정량적 평가, 순서적 랭킹, 주어진 랭킹과 일치하는 일관된 평가를 포함한 세 가지 별개의 정보 모델에서 진실성과 근사 가능성의 상호 상충 관계를 분석하는 것.
• 특히 두 명의 플레이어가 있는 경우에서 진실성에 의해 야기되는 근사 비율에 대한 제약 조건을 규명하는 것.
• 결정적 진실성 메커니즘의 불가능성 결과를 극복할 수 있는가를 탐색하는 것.
• MMS 할당에서 진실성 있는 메커니즘과 비진실성 메커니즘 간에 달성 가능한 보장 간의 명확한 분리를 제공하는 것.

제안 방법

• 세 가지 모델을 제안: (1) 정량적—플레이어들이 전체 가산 평가 함수를 보고함; (2) 순서적—플레이어들이 물건 간 랭킹만 보고함; (3) 일관된—메커니즘이 랭킹을 알고 있으며, 그 랭킹과 일치하는 평가를 유도함.
• Chebyshev의 부등식과 Hoeffding의 부등식을 사용하여 각 물건을 플레이어들 사이에 균일하게 무작위로 배분하는 랜덤 메커니즘의 성능을 분석함.
• 각 플레이어가 받는 총 가치의 기대값과 분산을 분석하여, 동일분포의 물건 평가 하에 평균 주위로 집중됨을 보임.
• 큰 m(물건 수)에 대해, ρ·μi에서의 이탈 확률은 O(n²/m)로 감소함을 증명하여 고확률 근사 보장을 가능하게 함.
• 플레이어의 입력과 무관하게 메커니즘을 적용함으로써 진실성 확보—전략적 영향력이 없기 때문임.
• 유계 평균 ε > 0을 가진 분포 Di(n,m)를 고려하여, 균일 및 이산 분포를 포함한 광범위한 i.i.d. 물건 평가 분포를 허용함.

실험 결과

연구 질문

• RQ1 정량적, 순서적, 일관된 평가 모델에서 진실성 있는 결정적 메커니즘이 MMS 할당에 대해 비트리비얼 근사 비율을 달성할 수 있는가?
• RQ2 특히 두 명의 플레이어가 있는 경우에서 진실성에 의해 야기되는 MMS 할당의 근사 가능성에 대한 근본적인 제약 조건은 무엇인가?
• RQ3 정량적 정보에 비해 순서적 정보는 진실성 있는 근사 달성에 얼마나 효과적인가?
• RQ4 물건 수가 많아질 경우, 랜덤 메커니즘이 임의로 좋은 근사 비율을 달성할 수 있는가?
• RQ5 작은 수의 물건, 예를 들어 m ∈ {4,5}일 때, 모델 간의 동치성(예: 정량적 모델과 순서적 모델 간)은 어느 정도 유지되는가?

주요 결과

• 큰 m에 대해, 각 물건을 균일하게 무작위로 배분하는 단순한 랜덤 메커니즘이, 높은 확률로 각 플레이어가 최소 ρ·μi 이상의 총 가치를 확보함을 보여줌. 여기서 ρ < 1이며 μi는 물건의 기대 가치임.
• 실패 확률—즉, 어떤 플레이어도 ρ·μi 미만의 가치를 받는 경우—는 O(n²/m)로 유계이며, m이 증가함에 따라 0으로 수렴함.
• 메커니즘이 모든 플레이어의 입력을 무시하고 보고된 평가와 무관하게 물건을 할당하므로 진실성 보장됨.
• Chebyshev의 부등식을 사용하여 플레이어가 기준값 이하의 가치를 받을 확률을 유계로 제한함으로써 O(n²/m) 오차 항을 도출함.
• Hoeffding의 부등식은 경험 평균이 진짜 평균에서 벗어날 확률이 지수적으로 작다는 것을 보여주며, 고확률 보장의 타당성을 뒷받침함.
• 결과적으로, 유계 평균을 가진 광범위한 분포(Di(n,m))에 대해, 랜덤 메커니즘이 m이 증가함에 따라 임의로 좋은 근사 비율을 달성함을 시사함.