最佳失真双世界
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
我们研究社会选择机制中的失真问题,提出了具有恒定样本复杂度和恒定失真度的社会选择机制Random Referee。我们证明了这种机制使用比较查询是必要的,通过正态指标证明了这种机制的失真最小,并介绍了一种只需要3个查询的机制Random Oligarchy。
Nov, 2018
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
研究度量扭曲问题:有两个点集V和C,它们在相同的度量空间中,我们的目标是选择C中一点,其到V点的总距离尽可能小。我们提出了使用排名作为输入的算法,并提供了它们的扭曲界限。
Apr, 2020
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
本文研究了计算社会选择中投票规则的畸变,通过研究选民效用分布上的期望畸变,设计和分析了一种新颖且直观的规则——二项式投票,为所有分布提供了强大的期望畸变保证。
Jun, 2023
我们从选民偏好的角度研究委员会选举,寻找最具冲突的候选人,即表示最大冲突量的候选人。通过提出基本公理来捕捉这一目标,我们发现著名的多赢家投票规则没有满足这些公理。因此,我们设计了符合我们要求的委员会投票规则,引入了冲突投票规则。随后的深入分析更加清楚地展示了它们的运作方式。我们的研究还确定了冲突的各个方面,提出了相关的公理和定量措施,这可能具有独立的研究价值。我们通过对实际数据和合成数据进行实验证实了我们的理论研究。
May, 2024