[论文解读] Scalable Fair Division for 'At Most One' Preferences

Christian Kroer, Alexander Peysakhovich|arXiv (Cornell University)|Sep 24, 2019

Game Theory and Voting Systems参考文献 28被引用 5

一句话总结

本文提出了一种在'至多一个'（AMO）偏好下可扩展的公平分配解决方案——通过证明，利用凸规划求解的极大纳什福利（MNW）解，在大规模、低秩实例中近似于从等额收入出发的竞争性均衡（CEEI）。关键贡献在于，该MNW方法在大规模下继承了CEEI的优良特性，如帕累托最优性和无 envy 性，从而实现了可扩展的公平分配的多项式时间计算。

ABSTRACT

Allocating multiple scarce items across a set of individuals is an important practical problem. In the case of divisible goods and additive preferences a convex program can be used to find the solution that maximizes Nash welfare (MNW). The MNW solution is equivalent to finding the equilibrium of a market economy (aka. the competitive equilibrium from equal incomes, CEEI) and thus has good properties such as Pareto optimality, envy-freeness, and incentive compatibility in the large. Unfortunately, this equivalence (and nice properties) breaks down for general preference classes. Motivated by real world problems such as course allocation and recommender systems we study the case of additive `at most one' (AMO) preferences - individuals want at most 1 of each item and lotteries are allowed. We show that in this case the MNW solution is still a convex program and importantly is a CEEI solution when the instance gets large but has a `low rank' structure. Thus a polynomial time algorithm can be used to scale CEEI (which is in general PPAD-hard) for AMO preferences. We examine whether the properties guaranteed in the limit hold approximately in finite samples using several real datasets.

研究动机与目标

• 解决在个体对每类物品最多只想要一个单位时，对不可分或部分可分物品进行公平、高效且可扩展分配的挑战。
• 探究在加法型'至多一个'（AMO）偏好下，极大纳什福利（MNW）解是否继承从等额收入出发的竞争性均衡（CEEI）的优良特性，如帕累托最优性和无 envy 性。
• 证明在大规模、低秩实例中，通过凸规划求解的MNW解近似于CEEI解，从而在CEEI原本为PPAD难问题的情况下，实现多项式时间计算。
• 在真实世界数据集（包括课程分配和推荐系统）上评估AMO-MNW方法的实际性能与激励相容性。

提出的方法

• 将AMO-MNW问题表述为凸优化程序，利用为AMO约束下的不可分或分数分配量身定制的Eisenberg-Gale框架。
• 对估值引入低秩结构假设，以在大市场极限下实现AMO-MNW向CEEI解的理论收敛。
• 使用基于梯度的方法高效求解凸MNW程序，从而实现对大规模分配问题的可扩展性。
• 应用贝叶斯优化搜索对诚实申报的有利偏离，评估AMO-MNW在有限样本下的策略鲁棒性。
• 建立操纵带来的效用提升的理论边界，表明当市场足够大且估值集合紧密聚集时，收益可任意小。
• 在哈佛商学院课程分配和电影推荐系统的真实数据集上对方法进行实证验证，比较MNW与标准CEEI实现的公平性与运行时间。

实验结果

研究问题

• RQ1 在大规模、低秩市场中，AMO偏好下的极大纳什福利（MNW）解是否近似于从等额收入出发的竞争性均衡（CEEI）？
• RQ2 尽管CEEI在一般情况下为PPAD难问题，AMO偏好下的MNW解是否仍可在多项式时间内计算？
• RQ3 在有限的、现实世界中的AMO-MNW实例中，CEEI的公平性与效率特性（如帕累托最优性、无 envy 性）在多大程度上能近似保持？
• RQ4 AMO-MNW机制对策略性操纵的鲁棒性如何？通过虚报偏好可能获得的收益有多大？
• RQ5 在真实数据集上，AMO-MNW在公平性与计算效率方面与标准CEEI实现相比表现如何？

主要发现

• 在大规模、低秩AMO实例中，通过凸规划求解的MNW解近似于CEEI解，继承了其优良特性，如帕累托最优性和无 envy 性。
• AMO-MNW方法相较于标准CEEI实现实现了显著的速度提升——尤其在大规模场景中——同时保持了高公平性与高效率。
• 在哈佛商学院课程分配与电影推荐系统数据集上的实证评估表明，AMO-MNW产生的分配质量高，与精确CEEI相比公平性损失极小。
• 对AMO-MNW中偏好的策略性操纵仅带来边际收益，且通过贝叶斯优化难以找到此类偏离，表明其在实践中具有强激励相容性。
• 理论分析表明，操纵带来的效用提升受边界限制，且可通过增大市场规模和收紧估值聚集度使收益任意缩小。
• 该方法在计算上保持高效与可扩展，通过基于梯度求解凸MNW程序，可实现对极大规模分配问题的部署。