[论文解读] Envy-freeness and maximum Nash welfare for mixed divisible and indivisible goods

Koichi Nishimura, Hanna Sumita|arXiv (Cornell University)|Feb 26, 2023

Experimental Behavioral Economics Studies被引用 4

一句话总结

该论文证明，在混合可分与不可分物品且具有二值线性估值的条件下，最大纳什福利（MNW）分配满足混合物品的任意物品 envy-freeness（EFXM），这是一种强于现有 EF1M 和 EFM 的公平性概念。该结果推广了以往针对纯可分或纯不可分物品的 MNW 公平性保证，并适用于任何对称严格凸函数最小化问题，证明在二值估值下，MNW 分配既满足帕累托最优性，也具备公平性。

ABSTRACT

We study fair allocation of resources consisting of both divisible and indivisible goods to agents with additive valuations. When only divisible or indivisible goods exist, it is known that an allocation that achieves the maximum Nash welfare (MNW) satisfies the classic fairness notions based on envy. Moreover, the literature shows the structures and characterizations of MNW allocations when valuations are binary and linear (i.e., divisible goods are homogeneous). In this paper, we show that when all agents' valuations are binary linear, an MNW allocation for mixed goods satisfies the envy-freeness up to any good for mixed goods (EFXM). This notion is stronger than an existing one called envy-freeness for mixed goods (EFM), and our result generalizes the existing results for the case when only divisible or indivisible goods exist. When all agents' valuations are binary over indivisible goods and identical over divisible goods (e.g., the divisible good is money), we extend the known characterization of an MNW allocation for indivisible goods to mixed goods, and also show that an MNW allocation satisfies EFXM. For the general additive valuations, we also provide a formal proof that an MNW allocation satisfies a weaker notion than EFM.

研究动机与目标

• 研究在同时存在可分与不可分物品的设定下，最大纳什福利（MNW）分配的公平性属性。
• 确定 MNW 分配在混合物品设定中是否满足强于现有近似公平性概念（如 EF1M 或 EFM）的公平性概念。
• 将已知的关于纯可分或纯不可分物品中 MNW 公平性的结果，推广至二值和线性估值下的混合情形。
• 建立在二值估值下，MNW 分配最小化任意对称严格凸函数的效用函数，从而推广先前结果。
• 为混合物品设定中 MNW 分配的存在性及其公平性属性提供正式证明。

提出的方法

• 证明任何 MNW 分配均为帕累托最优（PO），这是推导公平性保证的关键前提。
• 采用反证法：假设 MNW 分配违反 EFXM，然后构造一个纳什福利更高的新分配，从而与 MNW 最优性矛盾。
• 运用几何转移论证，利用具有比例效用比的可分物品片段，证明福利可提升。
• 定义并分析两种情形：当嫉妒源于可分物品部分时，以及当嫉妒源于不可分物品时，通过使用最小效用比的物品确保福利提升。
• 利用估值的线性性质以及二值效用值（0 或 1）的特性，确保在转移过程中效用比保持不变。
• 利用纳什福利在正效用乘积最大时达到最大化的事实，任何使该乘积增加的重新分配均与最优性矛盾。

实验结果

研究问题

• RQ1 在所有参与者均具有二值线性估值的情况下，混合可分与不可分物品的 MNW 分配是否满足混合物品的任意物品 envy-freeness（EFXM）？
• RQ2 在混合物品设定中，MNW 分配与现有公平性概念（如 EF1M 和 EFM）相比如何？
• RQ3 在二值估值下，能否将纯可分或纯不可分物品设定中 MNW 分配的公平性保证推广至混合情形？
• RQ4 是否存在一种通用的公平性原则（如最小化对称严格凸函数），使得 MNW 分配在混合设定下仍保持最优与公平？
• RQ5 在混合物品模型中，对于二值和线性估值，能否在多项式时间内计算出 EFXM 分配？

主要发现

• 在二值和线性估值下，混合可分与不可分物品的每一个 MNW 分配均满足 EFXM，这是一种强于 EF1M 和 EFM 的公平性概念。
• 该结果推广了已知的 MNW 公平性保证：在纯可分物品中，MNW 意味着无嫉妒；在纯不可分物品且具有二值估值时，MNW 意味着 EFX；本文将两者统一于 EFXM 框架之下。
• MNW 分配是帕累托最优（PO），该性质在证明任何基于嫉妒的偏离均可用于构造福利提升的重新分配中至关重要。
• 通过转移一个精心选择的可分物品片段或具有最小效用比的不可分物品，该证明构造了一个福利提升的重新分配，从而与 MNW 最优性矛盾。
• 可使用现有算法在多项式时间内计算出 EFXM 分配：适用于线性估值的 EFM 算法，以及适用于二值不可分物品的 EFX 算法。
• 该公平性保证不仅适用于纳什福利，也适用于任意对称严格凸函数的效用函数，从而将结果推广至几何平均之外的更广范围。