[论文解读] An Empirical Study of Borda Manipulation

Jessica Davies, Georgios Katsirelos+2 more|arXiv (Cornell University)|Jul 29, 2010

Game Theory and Voting Systems参考文献 18被引用 16

一句话总结

本文提出了两种新的贪心算法 LSLG 和 LSLA，用于无权重 Borda 选举中的联盟操纵，其灵感来源于装箱问题和多处理器调度启发式方法。在实证实验中，LSLA 在 60,000 个随机生成的选举中找到了超过 99% 的最优操纵方案，显著优于 Zuckerman 等人提出的先前最先进方法，为 Borda 规则在实践中对操纵具有极低抵抗能力提供了有力证据。

ABSTRACT

We study the problem of coalitional manipulation in elections using the unweighted Borda rule. We provide empirical evidence of the manipulability of Borda elections in the form of two new greedy manipulation algorithms based on intuitions from the bin-packing and multiprocessor scheduling domains. Although we have not been able to show that these algorithms beat existing methods in the worst-case, our empirical evaluation shows that they significantly outperform the existing method and are able to find optimal manipulations in the vast majority of the randomly generated elections that we tested. These empirical results provide further evidence that the Borda rule provides little defense against coalitional manipulation.

研究动机与目标

• 调查无权重 Borda 规则的实际可操纵性，尽管其加权变体已被证明为 NP-难，但该问题在理论上仍未解决。
• 开发用于联盟操纵的新贪心算法，以在实际性能上超越现有方法，即使缺乏最坏情况下的理论保证。
• 实证评估新算法是否比 Zuckerman 等人提出的最先进方法更频繁地找到最优操纵方案。
• 探索来自装箱问题和调度问题的结构洞见是否能引导出更有效的 Borda 选举操纵策略。
• 进一步提供证据表明，尽管在复杂性方面存在理论不确定性，Borda 选举在实践中仍极易受到操纵。

提出的方法

• 提出两种新的贪心算法：LSLG（最长得分优先贪心）和 LSLA（最长得分优先交替法），其灵感来源于装箱问题和多处理器调度启发式方法。
• 采用基于得分的贪心策略，优先操纵当前得分最高的候选人，以高效提升心仪候选人的得分。
• 通过迭代方式将选票分配给操纵者，每次分配后更新得分，以反映当前操纵的影响。
• 与 Zuckerman 等人提出的 REVERSE 算法进行对比，该算法按当前得分反向排列候选人，并保证最多多一个操纵者。
• 采用组合方法验证最优性：若 LSLA 找到的解比 REVERSE 少一个操纵者，则确认为最优解。
• 在 60,000 个随机生成的均匀选举和翁氏选举中进行广泛实证评估，涵盖不同数量的候选人和选票。

实验结果

研究问题

• RQ1 受装箱问题和调度启发的贪心算法是否能在寻找最优 Borda 操纵方案方面超越现有最先进方法？
• RQ2 在不同选举结构中，新算法 LSLA 相较于 REVERSE 算法找到最优操纵方案的频率如何？
• RQ3 随着候选人数量的增加，新算法的性能是否会下降，特别是在结构化选举（如翁氏选举）中？
• RQ4 是否存在某些特定选举结构，使得新算法始终优于 REVERSE，即使 REVERSE 在最坏情况下具有理论保证？
• RQ5 LSLA 在实证上对 REVERSE 的主导表现是否能通过 Borda 操纵解空间的结构特性加以解释？

主要发现

• 在测试的 31,530 个翁氏选举中，LSLA 找到了 99.7% 的最优操纵方案，显著优于仅能以 76% 的最优性解决的 REVERSE 算法。
• 在均匀选举中，LSLA 在 32,679 个实例中实现了 99% 的最优操纵，而 REVERSE 仅能以 75% 的最优性解决。
• LSLG 在 76% 的均匀选举中优于 REVERSE，但在翁氏选举中仅优于 42%，表明其对选票结构敏感。
• 在 12 个实例中，LSLG 找到了最优解而 LSLA 未找到，但 LSLA 从未在 REVERSE 找到最优解的实例中失败。
• 结果表明，LSLA 在实践中全面优于 REVERSE，几乎在所有实例中均能最优求解，尽管 LSLA 本身并无理论最优性保证。
• 本研究为无权重 Borda 规则在实践中高度易受联盟操纵提供了强有力的实证证据，最优解通常可在多项式时间内找到。