[论文解读] Efficient Nearly-Fair Division with Capacity Constraints

Hila Shoshan, Erel Segal-Halevi+1 more|arXiv (Cornell University)|May 16, 2022

Auction Theory and Applications被引用 6

一句话总结

本文提出了一种多项式时间算法，用于在容量约束下对两名具有可加效用的代理公平且高效地分配不可分物品——无论是商品还是负担。该算法保证实现帕累托最优且对一个商品和一个负担均无嫉妒（EF[1,1]）的分配，在所有物品在同一类别中符号相同时（全为商品或全为负担），可达到EF1的公平性。

ABSTRACT

We consider the problem of fairly and efficiently allocating indivisible items (goods or bads) under capacity constraints. In this setting, we are given a set of categorized items. Each category has a capacity constraint (the same for all agents), that is an upper bound on the number of items an agent can receive from each category. Our main result is a polynomial-time algorithm that solves the problem for two agents with additive utilities over the items. When each category contains items that are all goods (positively evaluated) or all chores (negatively evaluated) for each of the agents, our algorithm finds a feasible allocation of the items, which is both Pareto-optimal and envy-free up to one item. In the general case, when each item can be a good or a chore arbitrarily, our algorithm finds an allocation that is Pareto-optimal and envy-free up to one good and one chore.

研究动机与目标

• 解决在容量约束下，对具有混合估值（商品与负担）的不可分物品进行公平且高效分配的挑战。
• 将公平性与效率保证——特别是帕累托最优性与无嫉妒性松弛——扩展到代理在每类物品中接收数量受限的场景。
• 为两人场景提供一种构造性且多项式时间的算法，这是迈向处理具有结构约束的混合物品集的重要一步。
• 通过引入一种新的公平性松弛EF[1,1]，将研究范围从仅商品或仅负担的场景推广至混合估值下具有容量限制的情形。
• 为未来扩展至三名或更多代理，以及更一般的约束（如拟阵或异质容量限制）奠定基础。

提出的方法

• 构建一个加权二分图以计算w-最大分配，即最大化两名代理效用加权和的分配。
• 通过迭代交换来自双方分配中的一对可互换物品（每类一个）来改进分配，减少嫉妒感，同时保持可行性与w-最大性。
• 定义并维护跨类别的可互换对列表，每次交换后动态更新该列表，以确保有益交换的高效搜索。
• 使用效用向量的字典序排序，确保每一步改进都提升嫉妒代理的效用，最终导向EF[1,1]分配。
• 利用结构引理（如引理4.5）证明，在w-最大分配序列中，必然存在帕累托最优且EF[1,1]的分配。
• 通过算法1的构造性证明，系统性地探索w-最大分配空间，以找到同时满足效率与公平性的解。

实验结果

研究问题

• RQ1 在容量约束下，是否能为具有可加效用的两名代理在多项式时间内计算出帕累托最优且近似公平的分配？
• RQ2 是否可以定义一种公平性松弛，以处理在容量约束下具有混合物品集（商品与负担）的情形，其中标准的EF1可能不存在？
• RQ3 当物品具有混合估值且存在基于类别的容量限制时，如何同时实现效率（帕累托最优性）与公平性（无嫉妒性至多一个物品）？
• RQ4 该算法能否扩展至三名或更多代理的场景，或具有非均匀容量约束的场景？
• RQ5 分配空间中的哪些结构性质（如w-最大性、可互换对）可被利用以确保收敛至公平且高效的解？

主要发现

• 所提出的算法时间复杂度为O(m⁴)，其中m为物品总数，因此在实际应用中具有高效性。
• 该算法保证在容量约束下，为具有任意（正或负）效用的两名代理提供帕累托最优且EF[1,1]的分配。
• 在同符号实例中——即某一类别中所有物品对两名代理均为商品或均为负担——该算法可实现EF1，这是一种更强的公平性保证。
• 该算法构建一系列w-最大分配，并通过迭代交换可互换物品对来减少嫉妒，确保收敛至公平且高效的解。
• 该证明依赖于结构引理，表明帕累托最优与EF[1,1]分配必然存在于w-最大分配空间中，而该算法可找到此类点。
• 该方法具有模块化特性，可进一步推广至更一般的情形，如拟阵约束或多代理场景，尽管推广至三名或更多代理仍是开放挑战。