部分信息下设施选址的机制设计
计算机科学与博弈论
2019-05-23 v1
摘要
我们研究在实线上选址公共设施的经典机制设计问题。与以往工作不同，我们假设智能体无法完整指明其偏好位置所在，而仅提供粗粒度信息——即其偏好位置位于某个区间内。给定此类部分偏好信息，我们探索鲁棒确定性机制的设计，其中鲁棒机制是指对智能体所有可能的未知真实偏好位置均表现良好的机制。为此，我们考虑两个被广泛研究的目标准则函数，并考察在两种自然解概念下实现这些函数：i) 极弱占优与 ii) 极小极大占优。我们证明，在前者解概念下，不存在优于朴素机制（该机制不论智能体提供何种信息总是输出同一位置）的机制。然而，当使用后者这一更弱的解概念时，我们证明可以做得明显更好，并给出了相关目标准则函数下机制性能的上下界。此外，我们注意到我们的机制可视为经典最优机制的扩展，因为在智能体精确知晓并指明其偏好位置时它们是最优的。
引用
@article{arxiv.1905.09230,
title = {Mechanism Design for Locating a Facility under Partial Information},
author = {Vijay Menon and Kate Larson},
journal= {arXiv preprint arXiv:1905.09230},
year = {2019}
}