该研究开发了一种新的投票机制，旨在选择能够最大程度降低社会成本（即选民与候选人之间的总距离）的候选人，并量化了关于候选人失真度和投票者偏好力量信息之间的权衡。

Jun, 2019

研究了社会选择中度量失真问题，给出了一种新的投票规则，通过随机化最大允许值与新规则可实现失真小于 2.753，其为计算社会选择中重要而具有挑战性的问题。

Jun, 2023

研究了基于歪曲的社会选择规则和基于度量空间的投票机制，在确定性社会选择规则和随机化社会选择规则中探讨畸变和沟通量之间的比较，并构建了一种新的随机化社会选择规则，达到了期望畸变的下界。

Nov, 2019

我们引入了一种新的定义，即在度量空间中，对于一个要表示的集合 V（如文件或选民）和一组可能的代表 C，我们的标准要求对于 V 的任何包含 theta 分数的子集 S，S 到其在 R 中最佳的 theta*k 个点的平均距离与其到 C 中所有点的最佳 theta*k 个点的平均距离相比，不超过一个因子 gamma。

Dec, 2023

研究 Monroe 规则和 Chamberlin-Courant 规则下基于总 (不) 满意度的多赢家决策的复杂性，提供了计算总满意度和总不满意度的适应性和不适应性算法，并通过实验评估验证了这些算法的可用性和优越性。

Dec, 2013

研究候选人选择机制以最小化社会成本，探讨候选人与选民在某种度量空间中的关系，颗粒度由投票机制，排名机制和位置机制决定，并且在真实情况和简化情况下量化了效率，真实性和简洁性之间的平衡。

Dec, 2015

本篇文章是通过一种效用歪曲的框架来评估社会选择（投票）规则，其中利用代理人提交的完整排名来生成社会成本，从而探讨选举规则的失真度和公平比率等概念。其中提出的 Copeland rule 实现了至多 5 的失真度和公平比率的两个指标，并将单赢家规则的失真度和多赢家规则联系起来，基于此引出 Recursive Copeland 规则在选择一组备选方案时，实现了 5 的失真度和 7 以下的公平比率。

Oct, 2018

本文研究了基于代理人的顺序偏好设计投票规则的问题，并使用 “变形度量” 来衡量投票规则的性能，旨在最大化所有代理人的快乐度，文中研究了两个不同的投票变形世界：功利变形和度量变形，并证明了可以通过设计新的投票规则同时达到两种变形下的最优性能。

May, 2023

提出了一种名为 Plurality Veto 的简单的投票规则，它只需进行两次查询，就可以实现 “失真度” 的最优解，并进一步将其推广为更广泛的随机化投票规则。

Jun, 2022

本文讨论了基于代价度量的随机社会选择机制的质量，在代理人的度量代价未知的情况下，从多个备选方案选择最优备选方案

Dec, 2015