对抗输入下基于贪心的在线公平分配：实现多场景最优保证
计算机科学与博弈论
2023-08-21 v1 数据结构与算法
摘要
我们研究一个在线分配问题，其中物品顺序到达且智能体价值由对抗方式选定，目标是平衡公平与效率。我们的目的是研究在其他输入模型(如随机输入)下也能获得强保证的算法性能，从而实现对多种输入的鲁棒保证。为此，我们研究了PACE(按当前估计效用 pacing)算法，一种为随机输入设计的已有算法。我们表明在等预算情形下，PACE等价于整数贪心算法。我们进一步证明，在对对抗输入模型加以自然限制时，整数贪心分配与PACE的乘法嫉妒度以及Nash福利的竞争比均渐近有界，其乘法因子为常数或关于智能体数量具有最优阶依赖。这为PACE补全了“多场景最优”保证，因为已有工作表明PACE在平稳及随机但非平稳输入模型下均能获得保证。
引用
@article{arxiv.2308.09277,
title = {Greedy-Based Online Fair Allocation with Adversarial Input: Enabling Best-of-Many-Worlds Guarantees},
author = {Zongjun Yang and Luofeng Liao and Christian Kroer},
journal= {arXiv preprint arXiv:2308.09277},
year = {2023}
}