[论文解读] Bayesian Vote Manipulation: Optimal Strategies and Impact on Welfare

Tyler Lu, Pingzhong Tang+2 more|arXiv (Cornell University)|Oct 16, 2012

Game Theory and Voting Systems参考文献 38被引用 9

一句话总结

本文提出了一种贝叶斯框架，用于在对非操纵者偏好信息不完全的情况下实现最优投票操纵，利用概率模型推导出最小化社会福利损失的操纵策略。研究发现，即使操纵极有可能发生，其对社会福利的实际影响通常可忽略不计，从而挑战了传统上将注意力集中于操纵可能性而非现实世界影响的倾向。

ABSTRACT

Most analyses of manipulation of voting schemes have adopted two assumptions that greatly diminish their practical import. First, it is usually assumed that the manipulators have full knowledge of the votes of the nonmanipulating agents. Second, analysis tends to focus on the probability of manipulation rather than its impact on the social choice objective (e.g., social welfare). We relax both of these assumptions by analyzing optimal Bayesian manipulation strategies when the manipulators have only partial probabilistic information about nonmanipulator votes, and assessing the expected loss in social welfare (in the broad sense of the term). We present a general optimization framework for the derivation of optimal manipulation strategies given arbitrary voting rules and distributions over preferences. We theoretically and empirically analyze the optimal manipulability of some popular voting rules using distributions and real data sets that go well beyond the common, but unrealistic, impartial culture assumption. We also shed light on the stark difference between the loss in social welfare and the probability of manipulation by showing that even when manipulation is likely, impact to social welfare is slight (and often negligible).

研究动机与目标

• 解决先前研究假设完全掌握非操纵者选票且仅关注操纵可能性的局限性。
• 在操纵者仅拥有他人偏好部分、概率性知识的情况下，建立最优操纵策略的模型。
• 评估操纵对社会福利的预期影响，而非仅关注操纵发生的可能性。
• 在现实偏好分布下，评估常见投票规则的可操纵性及其对福利的影响。
• 挑战‘高操纵可能性必然导致大社会福利损失’的假设。

提出的方法

• 开发一种通用优化框架，用于在任意投票规则和偏好分布下推导最优贝叶斯操纵策略。
• 使用概率分布建模操纵者对非操纵者选票的信念，以实现期望效用最大化。
• 利用贝叶斯更新，随着新信息的出现，不断精炼对非操纵者偏好的信念。
• 将该框架应用于多种投票规则（例如， plurality、Borda、Copeland），并使用合成数据和真实世界偏好数据集进行实验。
• 采用计算优化技术，求解在不确定性下使操纵者期望效用最大化的策略。
• 将社会福利损失量化为在期望效用下，最优结果与操纵后结果之间的差异。

实验结果

研究问题

• RQ1 当操纵者仅对他人选票拥有部分信息时，最优贝叶斯操纵策略如何变化？
• RQ2 在最优贝叶斯操纵下，社会福利的预期损失与理想结果相比如何？
• RQ3 在不同投票规则下，操纵发生的概率与对社会福利的实际影响之间有何关联？
• RQ4 现实世界偏好分布在多大程度上改变了投票规则的可操纵性与福利后果？
• RQ5 高操纵可能性能否与极小的社会福利损失共存？若能，其条件是什么？

主要发现

• 即使操纵极有可能发生，社会福利的预期损失通常可忽略不计，这挑战了‘操纵可能性高即意味着严重损害’的假设。
• 该框架揭示，在部分信息的贝叶斯设定下，Plurality 和 Borda 等流行投票规则表现出显著的可操纵性。
• 真实世界偏好数据集导致的可操纵性模式与独立同分布（i.i.d.）假设下的结果不同，凸显了 i.i.d. 模型的局限性。
• 操纵对社会福利的影响始终低于操纵概率所暗示的水平，表明可能性与实际损害之间存在脱节。
• 最优贝叶斯策略在期望效用和福利保持方面显著优于天真或均匀策略。
• 本研究表明，福利损失对偏好分布的形状比对具体使用的投票规则更为敏感。