本文研究了将不可拆分物品分配给具有加法偏好的代理人的基本问题。我们考虑 eliciting 每个代理人仅排名她最喜欢的 $k$ 个物品，而不是她的完整基数估值。我们表征了实现嫉妒 - 自由度高达一个良好且近似最大值共享保证的 $k$ 值。我们还分析了由于缺乏完整信息而产生的社会福利的乘法损失，无论是否满足公平要求。

May, 2021

研究公平地将一组不可分割的物品在代理商之间进行分配的问题，通过​​加法估值来衡量分配的公平程度，即代理商对其组合的估值的几何平均数，研究了特定情况下简单贪婪算法的有效性，其中代理的估值不同或是二元估值。

Jan, 2018

本文讨论了如何公平地将不可分割的物品分配给一组代理，并给出了一种多项式时间近似算法，最大化了 Nash 社会福利，计算出的配置是帕累托最优且近似无嫉妒。

May, 2018

研究不使用支付的真实机制的设计，以解决广义分配问题（GAP）及其变体。引入私人估值的模型，并研究了几种 GAP 变体，开发了一个基于 LP 的通用技术，可以将设计真实机制的问题降低到该问题的分数版本，获得了一些近似算法且吻合上下界，这个技术也可用于其他基于 LP 的问题。

Jan, 2010

本文研究了有资源分配约束限制的多智能体竞争问题，提出了基于最大匹配问题的解决方案，围绕基于预算限制下最大化匹配效果的约束条件进行了算法研究并在两个真实数据集上进行了实验评估。

Sep, 2022

本文研究不可分割物品的公平分配问题，使用最小最大份额范例作为公平性标准，并提出了一种在聚类代理人的集合上使用匹配配分和貪婪演算法获得 3/4 最小最大份额得分的方法，同时将该方法推广到子模，分数次折价及次折价情况，并提出了相应的近似比较与上界。

Apr, 2017

设计一个双边市场（双向拍卖）以在给定约束条件下（优势策略）实现最大化交易利益（社会福利），并在未知分布中使用多项式数量的样本进行研究。我们的首要结果是，在即使只有一个卖方和两个买方之间的相关价值分布的情况下，与一个卖方和一个买方（双边交易）的情况不同，这是不可能的。我们的第二个结果是，在独立分布的情况下，对于一个卖方和两个买方，我们提出了一种基于一种新算法的高效学习算法，用于计算有限支持和明确给定的独立分布的最优机制。这两个结果都严重依赖于（优势策略）激励兼容机制的特征，这些机制在经济上是强平衡的。

Jan, 2024

本文研究了一种公平分配问题，即计算最大最小份额分配。通过机制设计方法，提出了三种关于机制试图引导玩家了解其偏好的信息模型，并对每个模型进行积极和消极（不可能性）结果的阐述，最后特别关注了两位玩家的情况，提出了挑战性的问题。

May, 2016

本文研究了计算最大最小份额保证的问题，提出了新的公平性概念并使用近似算法解决分配问题，证明了在随机生成的实例中存在最大最小份额分配的概率高，同时对两种特殊情况进行了正面的研究和改进。

Mar, 2015

研究在 n 个代理人之间公平地分配不可分割物品的问题。针对加法和次模值问题，提出了最大化份额的概念和算法，同时利用多线性扩展分析回路算法的性能，得到了存在 0.21 近似的最大化份额分配结果。

Mar, 2017