[论文解读] A Framework for Approval-based Budgeting Methods

Piotr Faliszewski, Nimrod Talmon|arXiv (Cornell University)|Sep 12, 2018

Game Theory and Voting Systems参考文献 17被引用 5

一句话总结

本文提出了一种用于基于批准的预算分配方法的通用公理化框架，通过定义满意度函数和聚合规则，系统地比较各类方法在计算复杂度、公理性质和经验行为方面的表现。主要贡献包括：建立统一的预算规则评估模型，将多胜者投票中的可视化技术适配至本场景，以及实证证据表明，同一规则的贪心与最大（Max）变体（例如，$\mathcal{R}^{g}_{|B_{v}|}$ 与 $\mathcal{R}^{m}_{|B_{v}|}$）在实践中会产生显著不同的结果。

ABSTRACT

We define and study a general framework for approval-based budgeting methods and compare certain methods within this framework by their axiomatic and computational properties. Furthermore, we visualize their behavior on certain Euclidean distributions and analyze them experimentally.

研究动机与目标

• 建立一个系统化、通用的基于批准的预算分配方法框架，以实现正式比较与评估。
• 定义并分析建模选民偏好与预算分配的满意度函数与聚合规则。
• 通过公理性质、计算复杂度以及在欧几里得偏好分布上的经验模拟，评估预算规则。
• 评估规则在处理本地与全局项目时的表现，并识别贪心与最大变体之间的差异。
• 为设计具有更好理论与实践保障的新预算分配方法提供基础。

提出的方法

• 该框架将预算分配场景建模为元组 $(A, V, c, \ell)$，其中 $A$ 为项目集合，$V$ 为具有批准集 $A_v$ 的选民，$c$ 为成本函数，$\ell$ 为预算上限。
• 满意度函数 $f: 2^A \times 2^A \to \mathbb{N}$ 衡量选民在资助预算 $B \subseteq A$ 下的满意度，基于其批准集 $A_v$。
• 通过组合不同的满意度函数（如 $c(B_v)$、$|B_v|$、$\mathbbm{1}_{|B_v|>0}$）与聚合策略（最大或贪心），定义了九种具体规则。
• 最大规则选择使选民满意度总和最大的预算 $B$，而贪心规则则迭代添加能最大化边际满意度的项目。
• 规则行为的可视化方法借鉴自 Elkind 等人，采用二维正方形中的欧几里得选民与项目分布。
• 实验评估了规则在本地/全局项目分配中的表现，通过 100 次重复，变化批准概率与预算上限。

实验结果

研究问题

• RQ1 不同的满意度函数与聚合规则如何影响基于批准的参与式预算中最终预算的构成？
• RQ2 哪些预算规则满足比例性、康多尔塞一致性或公平性等关键公理性质？
• RQ3 同一规则的贪心与最大变体（如 $\mathcal{R}^{g}_{|B_{v}|}$ 与 $\mathcal{R}^{m}_{|B_{v}|}$）在实践中如何不同，特别是在选择昂贵或本地项目时？
• RQ4 在不同批准概率与预算约束下，规则在本地与全局项目间分配资金的表现如何？
• RQ5 规则在欧几里得偏好下的可视化行为在多大程度上与它们的公理与计算性质相关？

主要发现

• 贪心规则 $\mathcal{R}^{g}_{|B_{v}|}$ 的结果与其中最大变体 $\mathcal{R}^{m}_{|B_{v}|}$ 显著不同，后者对更便宜的项目有更强的偏好。
• 规则 $\mathcal{R}^{m}_{c(B_{v})}$ 优先选择昂贵项目，并在高 $x$ 值（如 $x=190$）时仍持续选择，而 $\mathcal{R}^{m}_{|B_{v}|}$ 在 $x=30$ 时已停止此类行为。
• 当 $\ell=20$ 时，$\mathcal{R}^{m}_{c(B_{v})}$ 优先选择全局项目，随后为 $\mathcal{R}^{m}_{|B_{v}|}$，$\mathcal{R}^{m}_{\mathbbm{1}_{|B_{v}|>0}}$ 最后；随着 $\ell$ 增加，$\mathcal{R}^{m}_{c(B_{v})}$ 与 $\mathcal{R}^{m}_{|B_{v}|}$ 均增加对本地项目的资助，而 $\mathcal{R}^{m}_{\mathbbm{1}_{|B_{v}|>0}}$ 基本保持不变。
• 最大规则 $\mathcal{R}^{m}_{\mathbbm{1}_{|B_{v}|>0}}$ 在覆盖度与成本之间取得平衡，由于选民的空间分布，其会交错选择便宜与昂贵项目，除非在极端 $x$ 值下。
• 贪心规则 $\mathcal{R}^{g}_{|B_{v}|}$ 对项目成本的敏感度较低，而对批准数量更敏感，导致其预算构成与最大变体显著不同。
• 该框架成功捕捉了不同规则的行为差异，揭示了广泛使用的贪心方法（如 $\mathcal{R}^{g}_{|B_{v}|}$）在实践中可能无法良好近似其最大对应变体。