[논문 리뷰] The Complexity of Multiwinner Voting Rules with Variable Number of Winners

Piotr Faliszewski, Arkadii Slinko외 1명|arXiv (Cornell University)|2017. 11. 17.

Game Theory and Voting Systems참고 문헌 18인용 수 11

한 줄 요약

이 논문은 투표자 선호도를 바탕으로 승리 위원회 구성원과 크기를 동시에 결정하는 승인 기반 다수결 다수 선거 규칙을 연구한다. NAV, MRC, 및 임계값 기반 방법과 같은 규칙들의 계산 복잡도를 도입하고 분석한다. 다항 시간 내에 해결 가능한 규칙과 NP-난이도 규칙을 식별하였으며, 실험 결과는 규칙과 승인 임계값에 따라 위원회의 크기가 다양하게 변동됨을 보여준다.

ABSTRACT

We consider the approval-based model of elections, and undertake a computational study of voting rules which select committees whose size is not predetermined. While voting rules that output committees with a predetermined number of winning candidates are quite well studied, the study of elections with variable number of winners has only recently been initiated by Kilgour. This paper aims at achieving a better understanding of these rules, their computational complexity, and on scenarios for which they might be applicable.

연구 동기 및 목표

• 고정된 크기가 없는 위원회를 투표자 승인 기반으로 선정하는 다수결 다수 선거 규칙의 계산 복잡도를 조사한다.
• 특히 크기가 변하는 경우에 계산적으로 다룰 수 있는(다항식 시간 내에 해결 가능한, P에 속하는) 규칙과 NP-난이도 규칙를 식별한다.
• 초기 선발, 자격 심사, 대표 위원회 구성과 같은 실제 응용 상황에서 이러한 규칙의 실용적 적용 가능성을 평가한다.
• 다양한 승인 확률 하에서 서로 다른 규칙이 생성하는 평균 및 위원회 크기의 범위를 실험적으로 분석한다.
• 사회적 위원회 크기 선호도를 다항 시간 내에 해결 가능한 다수결 다수 선거 규칙에 의미 있게 통합할 수 있는지 탐색한다.

제안 방법

• 정수선형계획법(ILP)을 사용하여 후보 유형과 투표자 승인 패턴을 모델링하는 크기가 변하는 다수결 다수 선거 규칙의 프레임워크를 체계화한다.
• 이중 변수 $v_j$ 를 통한 투표자 만족도와 선택된 위원회 내 승인된 후보 수 간의 제약 조건을 도입하여, 최소 $N$명의 투표자가 만족하도록 보장한다.
• 만족도 제약 조건 하에서 위원회 크기를 최대화하기 위해 FPT 시간 알고리즘(Lenstra의 알고리즘)을 적용하여 ILP를 해결한다.
• 변수 임계값을 가진 일반화된 규칙, 예를 들어 $t$-임계값 규칙, $t$-다数 임계값, NAV 및 MRC의 변형과 같은 규칙을 제안한다.
• 20명 또는 100명의 투표자와 20명의 후보를 가진 시뮬레이션 기반 실험 설계를 통해 승인 확률을 0에서 1까지 변화시킨다.
• 다양한 무작위 선거에서 위원회 크기의 평균 및 표준편차를 포함한 통계적 측정을 통해 결과를 분석한다.

실험 결과

연구 질문

• RQ1 크기가 변하는 다수결 다수 선거 규칙 중에서 승인 기반으로 다항 시간 내에 계산 가능한 규칙과 NP-난이도 규칙은 무엇인가?
• RQ2 다양한 승인 확률과 투표자 수에서 서로 다른 규칙이 평균 위원회 크기 측면에서 어떻게 성능을 내는가?
• RQ3 $t_{\mathrm{maj}}$-임계값 규칙과 같은 규칙이 생성하는 위원회 크기의 범위는 무엇이며, 투표자 수에 따라 어떻게 변화하는가?
• RQ4 NAV, MRC 및 그 임계값 변형 규칙들이 계산 복잡도와 출력 크기 측면에서 어떻게 비교되는가?
• RQ5 사회적 위원회 크기 선호도는 다항 시간 내에 해결 가능한 크기가 변하는 다수결 다수 선거 규칙에 의미 있게 통합될 수 있는가?

주요 결과

• $\nicefrac{2}{3}$-NAV 규칙은 20명의 투표자에서 평균 위원회 크기가 가장 작다(1.02 ± 1.01), 이는 최소 승리 집합을 선정하는 데 있어 높은 효율성을 보임을 시사한다.
• $0.9$-CSA 규칙은 100명의 투표자에서 평균 위원회 크기가 가장 크다(14.67 ± 2.75), 이는 최대 후보자 수인 20명에 가까운 크기로 수렴함을 나타낸다.
• MRC 규칙는 NP-난이도 복잡도를 가지며, 더 큰 위원회를 생성한다(100명의 투표자에서 4.08 ± 0.26), 이는 대규모 유권자 집단에서 높은 계산 비용을 수반함을 의미한다.
• $t_{\mathrm{maj}}$-임계값 규칙은 매우 변동성이 큰 위원회 크기를 생성하며, 20명의 투표자에서는 평균 7.52명의 위원회를 구성하지만, 100명의 투표자에서는 평균 2.20명으로 급격히 감소한다.
• FirstMajority 규칙은 일관되게 큰 위원회를 생성한다(20명의 투표자에서 9.51 ± 0.43), 이는 크기를 최소화하는 데 있어 효율성이 떨어짐을 시사한다.
• $0.5$-CSA 및 $0.5$-NCSA 규칙는 매우 큰 위원회를 생성한다(각각 평균 5.57 ± 2.14 및 5.57 ± 2.18), 이는 임계값 설정에 민감함을 보여준다.