[논문 리뷰] Strategyproof Mechanisms For Group-Fair Facility Location Problems

Houyu Zhou, Minming Li외 1명|arXiv (Cornell University)|2021. 07. 12.

Game Theory and Voting Systems인용 수 4

한 줄 요약

이 논문은 집단 간 공정성을 고려한 시 installocation 문제를 위한 전략적 비례 메커니즘을 제안한다. 여기서는 에이전트들이 인종이나 연령 등 기준에 따라 그룹으로 분할되며, 그룹의 비용을 공정하게 최소화하는 것이 목표이다. 새로운 집단 기반 메커니즘과 새로운 공정성 지표인 '중단 및 내집단 공정성(IIF)'을 도입하여, 엄격한 상수 근사 비율을 달성하며, 특히 다수 집단 결정론적 메커니즘(MGDM)은 최대 총 집단 비용을 최소화하는 데 3-근사 비율을 달성한다.

ABSTRACT

We study the facility location problems where agents are located on a real line and divided into groups based on criteria such as ethnicity or age. Our aim is to design mechanisms to locate a facility to approximately minimize the costs of groups of agents to the facility fairly while eliciting the agents' locations truthfully. We first explore various well-motivated group fairness cost objectives for the problems and show that many natural objectives have an unbounded approximation ratio. We then consider minimizing the maximum total group cost and minimizing the average group cost objectives. For these objectives, we show that existing classical mechanisms (e.g., median) and new group-based mechanisms provide bounded approximation ratios, where the group-based mechanisms can achieve better ratios. We also provide lower bounds for both objectives. To measure fairness between groups and within each group, we study a new notion of intergroup and intragroup fairness (IIF) . We consider two IIF objectives and provide mechanisms with tight approximation ratios.

연구 동기 및 목표

• 민족 또는 연령 등 기준에 따라 그룹화된 에이전트를 공정하게 지원할 수 있는 전략적 비례 메커니즘을 설계하는 것.
• 많은 자연스러운 목표에서 근사 비율이 유한하지 않음에도 불구하고, 유한한 근사 비율을 허용할 수 있는 집단 공정 비용 목표를 식별하는 것.
• 중단 및 내집단 공정성(IIF)이라는 새로운 공정성 개념을 도입하고 정의하여 집단 간 및 집단 내 공정성을 모두 포괄하는 것.
• 새로운 IIF 목표에 대해 엄격한 근사 비율을 확보하는 메커니즘을 제공함으로써 진정성과 공정성을 보장하는 것.
• 핵심 목표에 대해 상한과 하한 간 격차를 좁히기 위해 엄격한 하한과 향상된 메커니즘을 확립하는 것.

제안 방법

• 최대 집단의 중앙값에 시설을 위치시켜 최대 총 집단 비용을 최소화하는 다수 집단 결정론적 메커니즘(MGDM)을 제안한다.
• 집단 정보를 활용해 RM 메커니즘의 랜덤화 범위를 세밀하게 조정함으로써 평균 집단 비용에 대한 근사 비율을 향상시키는 좁은 랜덤화 메커니즘(NRM)을 도입한다.
• IIF_1과 IIF_2라는 두 가지 새로운 IIF 목표를 정의한다: IIF_1은 집단 간 및 내집단 공정성을 별개의 지표로 간주하는 반면, IIF_2는 각 집단에 대해 하나의 통합 지표로 통합한다.
• k-LDM 메커니즘을 사용하여 IIF_1 및 IIF_2 목표 모두에 대해 4-근사 비율을 달성하며, 이는 기존 하한 4와 일치한다.
• 부분 집단 전략적 비례성 및 모순을 통한 하한 증명을 포함한 철저한 게임 이론적 분석을 통해 메커니즘의 강건성을 검증한다.
• 기존의 고전적 메커니즘(MDM, LDM, RM)을 활용하고, 집단 인식 기반 논리를 통합하여 공정성 제약 조건 하에서 근사 비율을 향상시킨다.

실험 결과

연구 질문

• RQ1 많은 자연스러운 목표에서 근사 비율이 유한하지 않음에도 불구하고, 집단 공정 시설 위치 목표에 대해 전략적 비례 메커니즘이 제한된 근사 비율을 달성할 수 있는가?
• RQ2 진정성과 집단 구조를 확보하면서 최대 총 집단 비용을 효과적으로 최소화할 수 있는 메커니즘은 무엇인가?
• RQ3 집단 간 및 내집단 공정성을 시설 위치 문제에서 어떻게 체계적으로 모델링하고 최적화할 수 있는가?
• RQ4 새로운 IIF 목표에 대해 달성 가능한 엄격한 근사 비율은 무엇이며, 이러한 하한에 맞는 메커니즘을 설계할 수 있는가?
• RQ5 특히 전략적 비례성 제약 조건 하에서, 집단 공정 목표에 대한 근사 비율의 한계를 정의하는 하한이 존재하는가?

주요 결과

• 다수 집단 결정론적 메커니즘(MGDM)은 최대 총 집단 비용을 최소화하는 데 3-근사 비율을 달성하며, 고전적 메커니즘보다 향상된 성능을 보인다.
• 최대 평균 집단 비용을 최소화하는 데 있어 좁은 랜덤화 메커니즘(NRM)은 2-근사 비율을 달성하여 고전적 RM 메커니즘을 능가한다.
• k-LDM 메커니즘은 IIF_1 및 IIF_2 목표 모두에 대해 엄격한 4-근사 비율을 달성하며, 기존에 알려진 하한 4와 일치한다.
• 최대 총 집단 비용 목표에 대해 하한 2가 증명되었으며, 이는 어떤 결정론적 전략적 비례 메커니즘도 2-근사 비율 이하로는 성능을 향상시킬 수 없음을 보여준다.
• IIF_1 및 IIF_2 목표에 대해 하한 4는 부분 집단 전략적 비례성과 전략적 에이전트의 허위 보고를 활용한 모순 증명을 통해 엄격하게 유지됨을 입증하였다.
• 집단 기반 메커니즘은 특히 집단의 크기와 구조를 활용할 경우, MDM 및 LDM 등의 고전적 메커니즘보다 근사 비율 측면에서 뚜렷한 우수성을 보인다.