[论文解读] Not All Strangers Are the Same: The Impact of Tolerance in Schelling Games

Kanellopoulos, Panagiotis, Kyropoulou, Maria+1 more|arXiv (Cornell University)|Jan 1, 2022

Game Theory and Applications被引用 2

一句话总结

本文研究了在舍勒的住宅隔离模型中，计算福利最优代理分配的参数化复杂度，重点关注四种最优性概念：社会福利（WO）、帕累托最优（PO）、群体福利最优（GWO）和效用向量最优（UVO）。研究证明，当以代理数量（r + b）为参数时，这四个问题均为 W[1]-难。但提出了一个以 r + b + ∆ 为参数的 FPT 算法，其中 ∆ 为图的最大度数，以及一个以树宽和代理类型数量为参数的 XP 算法。

ABSTRACT

Schelling's model considers $k$ types of agents each of whom needs to select a vertex on an undirected graph, where every agent prefers to neighbor agents of the same type. We are motivated by a recent line of work that studies solutions that are optimal with respect to notions related to the welfare of the agents. We explore the parameterized complexity of computing such solutions. We focus on the well-studied notions of social welfare (WO) and Pareto optimality (PO), alongside the recently proposed notions of group-welfare optimality (GWO) and utility-vector optimality (UVO), both of which lie between WO and PO. Firstly, we focus on the fundamental case where $k=2$ and there are $r$ red agents and $b$ blue agents. We show that all solution-notions we consider are $ extsf{NP}$-hard to compute even when $b=1$ and that they are $ extsf{W}[1]$-hard when parameterized by $r$ and $b$. In addition, we show that WO and GWO are $ extsf{NP}$-hard even on cubic graphs. We complement these negative results by an $ extsf{FPT}$ algorithm parameterized by $r, b$ and the maximum degree of the graph. For the general case with $k$ types of agents, we prove that for any of the notions we consider the problem is $ extsf{W}[1]$-hard when parameterized by $k$ for a large family of graphs that includes trees. We accompany these negative results with an $ extsf{XP}$ algorithm parameterized by $k$ and the treewidth of the graph.

研究动机与目标

• 分析在舍勒模型下，基于四种最优性概念（WO、PO、GWO 和 UVO）计算福利最优分配的参数化复杂度。
• 确定这些优化问题在各种参数化下是否具有固定参数可满足性（FPT）算法。
• 识别底层图的结构约束（如有界度数、树宽）以实现可解性。
• 在负面复杂度结果的基础上，补充正面的算法结果，包括核化和基于树分解的动态规划。

提出的方法

• 提出一种核化预处理步骤，将实例规模缩减至 O(∆² · r · b) 个顶点，参数化为 r、b 和最大度数 ∆。
• 在图的优美树分解上使用动态规划，通过等价类编码每个顶点袋中各代理类型的邻居数量。
• 使用状态表示来追踪：(1) 分配的代理类型大小，(2) 袋中代理的类型，以及 (3) 每类代理的邻居数量。
• 通过在树分解节点上递归计算，对每种最优性概念（WO、PO、GWO、UVO）应用 FPT 算法。
• 利用已知的树分解构造和等价类枚举结果来限制运行时间。
• 将该方法扩展至处理常数个代理类型的情况，证明当以树宽为参数时，Perfect-SCHELLINGM 具有 FPT 可解性。

实验结果

研究问题

• RQ1 当以代理数量（r + b）为参数时，舍勒模型中计算福利最优分配的问题是否具有固定参数可满足性（FPT）？
• RQ2 WO、PO、GWO 和 UVO 这四种最优性概念在参数化复杂度上是否具有计算等价性？
• RQ3 图的有界最大度数或树宽是否能为这些优化问题提供可解性？
• RQ4 在一般情况（任意 k 种类型）与常数个类型的情况下，复杂度是否存在显著差异？
• RQ5 当以顶点覆盖为参数时，特别是当代理数量少于顶点数时，该问题是否可在 FPT 时间内求解？

主要发现

• 当以 r + b 为参数时，所有四种最优性概念（WO、PO、GWO、UVO）均为 W[1]-难，即使 b = 1 时亦然。
• WO 和 GWO 即使在立方图上也保持 NP-难，表明仅靠有界度数无法保证可解性。
• 当以 r + b + ∆ 为参数时，所有四种最优性概念均存在 FPT 算法，其中 ∆ 为图的最大度数。
• 为一般情况（k 种类型）提供了参数化为 k 和树宽的 XP 算法。
• 当代理类型数 k 为常数时，Perfect-SCHELLINGM 存在以树宽为参数的 FPT 算法。
• 该算法使用基于树分解的动态规划，通过仔细定义的等价类来追踪代理类型分布和邻居类型。