[论文解读] Networked Fairness in Cake Cutting

Xiaohui Bei, Youming Qiao+1 more|arXiv (Cornell University)|Jul 7, 2017

Game Theory and Voting Systems参考文献 16被引用 6

一句话总结

本文提出一种用于公平分蛋糕的图结构框架，通过无向图定义代理网络中的 envy-freeness（无偏见性）与比例公平性。针对树结构提出了一个简单的移动刀具算法以实现无偏见分配，针对后代图（descendant graphs）提出一种离散且有界的算法以实现比例分配——显著简化了以往针对完全图的复杂方法。

ABSTRACT

We introduce a graphical framework for fair division in cake cutting, where comparisons between agents are limited by an underlying network structure. We generalize the classical fairness notions of envy-freeness and proportionality to this graphical setting. Given a simple undirected graph G, an allocation is envy-free on G if no agent envies any of her neighbor's share, and is proportional on G if every agent values her own share no less than the average among her neighbors, with respect to her own measure. These generalizations open new research directions in developing simple and efficient algorithms that can produce fair allocations under specific graph structures. On the algorithmic frontier, we first propose a moving-knife algorithm that outputs an envy-free allocation on trees. The algorithm is significantly simpler than the discrete and bounded envy-free algorithm recently designed by Aziz and Mackenzie for complete graphs. Next, we give a discrete and bounded algorithm for computing a proportional allocation on descendant graphs, a class of graphs by taking a rooted tree and connecting all its ancestor-descendant pairs.

研究动机与目标

• 形式化在仅与邻居比较份额的网络约束下分蛋糕的公平性。
• 将经典的公平性概念——无偏见性与比例公平性——推广至图结构的代理关系中。
• 为特定图族（如树与后代图）设计简单且高效的公平分配算法。
• 相较于以往针对完全图的无偏见协议，降低算法复杂度，尤其适用于结构化网络。
• 在图约束下建立比例公平性与无偏见性的理论保证，从而支持在社交或优先级系统中的实际部署。

提出的方法

• 在图 G 上定义无偏见性：任意代理在其自身估值下，不嫉妒其任何邻居的份额。
• 在图 G 上定义比例公平性：每个代理对其自身份额的估值至少等于其邻居份额的平均值。
• 提出一种自根节点向下进行的移动刀具算法，确保在树结构上实现无偏见性，且复杂度最低。
• 设计一种离散且有界的算法，用于在后代图上实现比例分配——即通过连接根树中所有祖先-后代对而形成的图。
• 通过递归地在祖先与后代之间分配蛋糕片段，基于代理的度数与片段数量进行精确的分数分配。
• 通过界定估值不等式证明比例公平性：对每个代理 v，有 αv(Av) ≥ αv(N(v))/|N(v)|，利用分段分配与共享估值一致性。

实验结果

研究问题

• RQ1 在代理仅与邻居比较的网络化环境中，是否可以有意义地重新定义无偏见性与比例公平性？
• RQ2 相较于一般完全图，是否可以为树状网络设计出更简单、更高效的无偏见算法？
• RQ3 是否可设计一种离散且有界的协议，实现对树结构之外更广泛图类（如后代图）的比例公平分配？
• RQ4 在图约束下，比例分配所需的最少切割次数的理论边界是什么？
• RQ5 祖先与后代之间估值一致性如何影响分布式分蛋糕协议中的公平性保证？

主要发现

• 任何树结构上的无偏见分配均可通过一种移动刀具算法实现，其复杂度远低于以往针对完全图的离散有界协议。
• 一种离散且有界的算法可计算后代图上的比例分配，后代图是通过连接根树中所有祖先-后代对而形成的图类。
• 该算法最多需要 n²·d! 次切割，其中 d 为任意节点的最大度数，n 为代理数量，代表单指数级的上界。
• 通过证明每个代理 v 所获份额的估值至少等于其邻居份额平均值，从而证明比例公平性。
• 证明依赖于将每个代理份额的估值界定为其祖先与后代贡献的总和，利用分段均分与基于度数的分配策略。
• 该框架通过将嫉妒比较限制在网络邻居之间，显著降低了复杂度，使其适用于大规模或优先级系统。