[论文解读] Efficient Computation of Exact IRV Margins

Michelle Blom, Peter J. Stuckey+2 more|arXiv (Cornell University)|Aug 20, 2015

Game Theory and Voting Systems参考文献 11被引用 5

一句话总结

本文提出了一种新颖的分支限界算法，可高效计算排序复选制（IRV）选举中的精确胜出差距，显著优于以往方法。通过引入一种更紧致的选票操纵下限，该算法在25个真实IRV选举中均于2秒内完成精确差距计算——相比此前最先进的方法，后者在部分实例中12小时内仍无法收敛。

ABSTRACT

The margin of victory is easy to compute for many election schemes but difficult for Instant Runoff Voting (IRV). This is important because arguments about the correctness of an election outcome usually rely on the size of the electoral margin. For example, risk-limiting audits require a knowledge of the margin of victory in order to determine how much auditing is necessary. This paper presents a practical branch-and-bound algorithm for exact IRV margin computation that substantially improves on the current best-known approach. Although exponential in the worst case, our algorithm runs efficiently in practice on all the real examples we could find. We can efficiently discover exact margins on election instances that cannot be solved by the current state-of-the-art.

研究动机与目标

• 为解决确定排序复选制（IRV）选举中精确胜出差距的计算难题，此类差距对风险限制审计和重新计票决策至关重要。
• 克服以往方法在合理时间内无法扩展至真实IRV实例的局限性。
• 在放宽假设条件下（如允许增加或删除选票）计算胜出差距，以评估遗失或无效选票的影响。
• 通过准确量化改变选举结果所需的最少选票操纵数量，为审计IRV选举提供可扩展的解决方案。
• 通过限制最终IRV轮次中的操纵规模，将胜出差距计算的适用性扩展至类似STV的系统。

提出的方法

• 该算法采用分支限界框架，探索IRV选举中候选人的淘汰顺序，早期剪枝大量搜索空间。
• 提出一种新的、可高效计算的下限，用于估计实现任意淘汰顺序所需的最少选票操纵数量，从而快速剪枝不可行路径。
• 利用线性规划（LP）求解器，计算实现目标淘汰顺序所需的最少选票修改数量（包括增加、删除或重新分配）。
• 将方法扩展至处理选票数量不固定的变体，包括仅删除和仅增加选票的情形，以评估遗失或无效选票的影响。
• 使用改进的下限函数 $ lb_{2}^{+} $，对选票增加与遗漏进行对称处理，提升操纵成本估计的效率。
• 集成一种动态上界初始化策略，利用已知的虚假或遗失选票上限，进一步加速收敛。

实验结果

研究问题

• RQ1 改变IRV选举结果所需的最少选票操纵数量是多少？
• RQ2 在实际真实选举数据中，能否高效计算出精确的IRV胜出差距？
• RQ3 实际胜出差距与最后一轮差距相比如何？对重新计票和审计有何影响？
• RQ4 遗失、无效或重复选票在多大程度上可能改变IRV选举的结果？
• RQ5 该算法能否适应评估真实选举中选票遗失或重复的影响？

主要发现

• 所提出的算法在所有25个此前由Magrino等人研究的真实IRV选举中，均于2秒内完成精确IRV胜出差距计算，而此前方法在多个实例中12小时内仍无法完成计算。
• 该算法成功计算了所有测试选举的胜出差距，包括2014年奥克兰市长选举（149,465张选票），此前该方法因超时而失败。
• 在2013年澳大利亚联邦选举中，该算法确认实际胜出差距为388票，远低于最后一轮的1,239票。
• 该方法可高效计算仅删除或仅增加选票模型下的胜出差距，从而评估遗失或无效选票的潜在影响。
• 在2013年澳大利亚联邦选举中，无效选票占比5.91%，算法显示无效选票数量（182,830张）超过胜出差距，表明其可能改变选举结果。
• 该算法为审计IRV选举提供了可扩展的基础，并可估算选票遗失的影响，未来可通过限制最终IRV轮次中的操纵规模，进一步扩展至STV系统。