Udskæring af kagen efter brug

At skære kagen efter nytte (eller skære kagen med maxsum ) er reglen om at dele heterogene ressourcer , såsom en kage eller fast ejendom , mellem flere deltagere med forskellige kvantitative nyttefunktioner , således at summen af ​​nytte for deltagerne bliver så stor som muligt. Sådan skæring var inspireret af utilitarismens filosofi . At skære kagen efter brug er ofte "uretfærdigt". Derfor er utilitarisme i konflikt med bare at skære kagen .

Eksempel

Lad os forestille os en kage bestående af to dele - chokolade og vanilje. Lad der være to deltagere - Alice og George med følgende skøn

Deltager Chokolade Vanilje
Alice 9 en
George 6 fire

Nyttereglen giver hver del til deltageren med den højeste nyttescore . I dette tilfælde, ifølge brugsreglen, får Alice al chokoladen, og George får al vaniljen. Den maksimale værdi vil være 13.

Snittet efter nytte er uretfærdigt - det er ikke proportionalt , fordi George får mindre end halvdelen af ​​den fulde karakter. Den er heller ikke fri for misundelse , da George er jaloux på Alice.

Notation

Lad os betegne kagen med bogstavet . Det antages normalt, at det enten er et endeligt endimensionelt segment, en todimensionel polygon eller en endelig delmængde af et højeredimensionelt euklidisk rum .

Der er deltagere. Hver deltager har en personlig scoringsfunktion, der kortlægger delmængder ("pieces of cake") til tal.

skal opdeles i ikke-overlappende dele, én pr. deltager. Den del, der gives til deltageren , betegnes som og .

En split kaldes en utility split , eller maximum utility (MP), eller maxsum , hvis den maksimerer følgende udtryk:

Konceptet generaliseres ofte ved at tildele forskellig vægt til hver deltager. En partition kaldes vægtet-utilitaristisk-maksimal ( WUM ), hvis den maksimerer følgende udtryk:  

,

hvor gives positive konstanter.

Maxsum og Pareto effektivitet

Enhver MVP-partition med positive vægte er naturligvis Pareto-effektive . Hvis partitionen er Pareto-dominerende , så er den vægtede sum af hjælpeprogrammerne i strengt taget større end i , så det kan ikke være en MVP-partition.

Mere overraskende er enhver Pareto-effektiv partition en MVP for nogle valg af vægte [1] [2] .

Funktioner i maxsum- reglen

Christopher P. Chambers foreslog de karakteristiske træk ved MVP-reglen [3] . Funktionerne er baseret på følgende egenskab for opdelingsreglen R :

Følgende fakta er bevist for deltagere, der tildeler positiv nytte til ethvert stykke kage med en positiv størrelse:

Find den maksimale sum af partitioner

Afbrudte stykker

Hvis scorefunktionerne er additive , eksisterer maxsum divisionerne altid. Intuitivt kan vi give hver del af kagen til den deltager, der vurderer den højest, som i eksemplet ovenfor . På samme måde kan MVP-divisionen findes ved at give hvert stykke af kagen til den partner, for hvem forholdet har den største værdi.

Denne proces er let at implementere, hvis kagen er stykkevis homogen , det vil sige, at den kan opdeles i et begrænset antal stykker, hvor tætheden af ​​værdifunktionerne for alle deltagere er konstant.

Hvis kagen ikke er stykkevis homogen, svigter ovenstående algoritme, fordi der er et uendeligt antal forskellige "stykker" at overveje.

I dette tilfælde eksisterer maxsum-partitionen stadig. Dette er en konsekvens af Dubins-Spaniers kompaktitetsteoremet og kan bevises ved hjælp af Radon-Nikodim-sættet .

Ingen endelig algoritme kan dog finde maxsum-partitionen. Bevis [4] . Den endelige algoritme har data om værdien af ​​et begrænset antal stykker. Det vil sige, at der kun er et begrænset antal delmængder af kagen, som algoritmen kender deltagernes score for. Lad os antage, at algoritmen stoppede efter at have modtaget data om delmængder. Nu er det muligt, at alle deltagere svarede, at de har samme chunk- score. I dette tilfælde er den højest mulige nytte, der kan opnås af algoritmen, 1. Det er dog muligt, at der dybt inde i en af ​​bidderne er en delmængde, som de to deltagere værdsætter forskelligt. I dette tilfælde er der en superproportional division , hvor hver deltager modtager en værdi større end , så summen af ​​forsyninger er strengt taget større end 1. Derfor vil divisionen returneret af den endelige algoritme ikke være maxsum.

Forbundne stykker

Hvis kagen er endimensionel, og brikkerne skal forbindes, virker den simple algoritme til at tildele hver mest værdifulde brik til en agent ikke længere, selvom brikkerne er stykkevis konstante. I dette tilfælde er opgaven med at finde MT-imputationen NP-hård , og desuden er ingen FPTAS- ordning mulig, medmindre P=NP.

Der er en 8-fold tilnærmelsesalgoritme og algoritme, der kan løses med faste parametre , der er eksponentiel i antallet af spillere [5] .

For ethvert sæt positive vægte er der en MVP-partition, og den kan findes på en lignende måde.

Maxsum og egenkapital

Maxsum-inddelingen er ikke altid retfærdig, se eksemplet ovenfor . Ligeledes er en retfærdig opdeling ikke altid maxsum.

En tilgang til at løse konflikten er at begrænse "retfærdighedens pris" - vi beregner de øvre og nedre grænser for faldet i mængden af ​​nytte for at opnå en retfærdig opdeling. For detaljer, se artiklen " The Price of Equity ".

En anden tilgang til at kombinere effektivitet og retfærdighed er at søge blandt alle mulige fair divisioner for divisionen med den maksimale nyttemængde:

Find fair maxsum distributioner

Følgende algoritmer kan bruges til at finde et misundelsesfrit snit med den maksimale samlede nytteværdi for en kage i form af et endimensionelt interval, hvis hver deltager kan modtage forskellige (frakoblede) stykker af kagen, og evalueringsfunktionerne er additive [6] :

  1. For deltagere med stykvis konstante skøn: opdel kagen i m helt konstante områder (). Vi løser et lineært programmeringsproblem med nm variable - hvert par (agent, areal) har en variabel, der bestemmer andelen af ​​arealet, der overføres til agenten. For hver region er der en begrænsning, at summen af ​​alle dele af regionen er 1. For hvert par (agent, agent) er der en begrænsning, at den første agent ikke er jaloux på den anden agent. Bemærk, at opdelingen af ​​kagen opnået ved en sådan procedure kan vise sig at være ekstremt lille.
  2. For deltagere med stykvis lineære estimater: For hvert punkt på kagen beregner vi forholdet mellem forsyningsselskaber: . Vi giver deltageren 1 point fra , og deltageren 2 point fra , hvor er tærsklen udregnet så opdelingen bliver fri for misundelse. Generelt kan det ikke beregnes, fordi det kan være irrationelt , men i praksis, når estimaterne er stykkevis lineære, kan det tilnærmes ved den "irrationelle søgning" tilnærmelsesalgoritme. For enhver finder algoritmen en fordeling, der er -SZ (værdien for hver agent er ikke mindre end værdien for enhver anden agent minus ), og summen når mindst den maksimale sum af SZ-fordelinger. Algoritmens køretid afhænger polynomielt af inputdataene og på .
  3. For deltagere med generelle estimatorer: en additiv tilnærmelse for at opnå en misundelsesfri og effektiv fordeling baseret på en stykkevis lineær scoringsalgoritme.

Egenskaber for maxsum-fair distributioner

Artiklen af ​​Brahms et al . [7] studerer både misundelsesfri (SE, eng.  misundelsesfri , EF) og upartisk (DB, eng.  equitable , EQ) kagedeling og etablerer deres forbindelse med maxsum og Pareto optimal ( OP, eng.  Pareto-optimality , PO) efter divisioner. Som forklaret ovenfor er maxsummen af ​​en fordeling altid OP. Men når maxsum er begrænset af rimelighedsbetingelsen, er dette ikke nødvendigvis sandt. Brahms og medforfattere beviste følgende

Se også

Noter

  1. Barbanel og Zwicker 1997 , s. 203.
  2. Se også Wellers sætning . For lignende resultater relateret til det uensartede ressourceallokeringsproblem, se Varians sætninger .
  3. Chambers, 2005 , s. 236-258.
  4. Brams og Taylor 1996 , s. 48.
  5. Aumann, Dombb, Hassidim, 2013 .
  6. Cohler, Lai, Parkes, Procaccia, 2011 .
  7. Brams, Feldman et al., 2012 , s. 1285-1291.

Litteratur