[论文解读] Achieving Fully Proportional Representation: Approximability Results

Piotr Skowron, Piotr Faliszewski+1 more|arXiv (Cornell University)|Dec 14, 2013

Game Theory and Voting Systems参考文献 41被引用 5

一句话总结

本文提出了针对Monroe和Chamberlin–Courant多席位投票规则的高效近似算法，这些规则通过将选民分配给候选人以优化总体满意度，确保比例代表制。作者实现了出色的近似比——尤其在截断选票上表现近乎完美，尽管该问题是NP难的，但仍证明了其在实际中的可行性。

ABSTRACT

We study the complexity of (approximate) winner determination under the Monroe and Chamberlin--Courant multiwinner voting rules, which determine the set of representatives by optimizing the total (dis)satisfaction of the voters with their representatives. The total (dis)satisfaction is calculated either as the sum of individual (dis)satisfactions (the utilitarian case) or as the (dis)satisfaction of the worst off voter (the egalitarian case). We provide good approximation algorithms for the satisfaction-based utilitarian versions of the Monroe and Chamberlin--Courant rules, and inapproximability results for the dissatisfaction-based utilitarian versions of them and also for all egalitarian cases. Our algorithms are applicable and particularly appealing when voters submit truncated ballots. We provide experimental evaluation of the algorithms both on real-life preference-aggregation data and on synthetic data. These experiments show that our simple and fast algorithms can in many cases find near-perfect solutions.

研究动机与目标

• 解决Monroe和Chamberlin–Courant规则下赢家确定问题的计算不可解性，尽管这些规则具有比例性和选民-候选人问责性等理想属性，但其问题为NP难。
• 设计在现实场景中可实用的近似算法，尤其在选民仅提交截断排名（仅对最优先候选人排序）时，仍能获得高质量解。
• 为基于满意度的效用型变体提供近似比的理论界，以及基于不满意度和均等型变体的不可近似性结果。
• 在合成数据和真实偏好数据上对所提算法的性能进行实证评估，证明其在实践中接近最优。
• 探索在实际应用中使用这些规则的可行性，例如议会选举或推荐系统，其中必须最小化选民的参与成本。

提出的方法

• 针对基于满意度的效用型Monroe规则，提出三种主要算法——A、B和C，其中算法C在仅增加少量计算成本的情况下实现了性能提升。
• 通过Betzler等人（时间复杂度O(n²(K + log n)))的算法构造部分表示函数，以指导近似过程。
• 应用Lambert的W函数分析近似比界，尤其针对基于Borda的满意度函数（PSF）。
• 引入一种基于不同近似思路的随机算法，与主分析中使用的确定性界方法不同。
• 对于Chamberlin–Courant规则，基于理论分析推荐使用算法P，尽管实验评估显示所有方法均表现强劲。
• 在真实生活和合成数据上开展广泛实验，重点关注选民仅对少数候选人进行排序的截断选票场景。

实验结果

研究问题

• RQ1 能否为Monroe和Chamberlin–Courant规则设计出高效的近似算法，使其在实际中实现高质量解，尽管这些规则是NP难的？
• RQ2 在基于Borda的PSF下，Monroe和Chamberlin–Courant规则的基于满意度的效用型版本的最佳可实现近似比是多少？
• RQ3 是否存在针对基于不满意度的效用型和所有均等型变体的不可近似性结果？
• RQ4 当选民仅提交截断选票（例如仅对前k名候选人排序）时，所提算法的性能如何？
• RQ5 能否在现有O(n(m−1))界的基础上进一步改进理论近似保证，特别是针对非严格单调PSF或指数型计分函数？

主要发现

• 所提算法——尤其是Monroe规则的算法C和Chamberlin–Courant规则的算法P——在实践中实现了近乎完美的解，即使在大规模选举中亦然。
• 对于基于Borda PSF的满意度型Monroe规则，当每位选民仅对其前约8.7%的候选人进行排序时（例如在波兰议会选举中约6000名候选人中的500名），可实现90%的近似比。
• 理论分析表明，两种规则的基于满意度的效用型变体均可获得良好的近似比，而基于不满意度和均等型变体在标准复杂性假设下是不可近似的。
• 尽管赢家确定问题是NP难的，实证结果证实，简单且快速的算法仍能产生高质量解，尤其在选票被截断时表现更优。
• 基于满意度的Monroe规则的近似比界为O(n(m−1))，但作者认为对于非严格单调或指数型PSF，可能存在更好的确定性界。
• 本研究为在实际系统（如推荐引擎和多席位选举）中部署Monroe和Chamberlin–Courant规则铺平了道路，前提是选民无需对所有候选人进行排序。