论重新划分选区中的党派偏见：计算复杂性遇见杰利蝾螈科学
摘要
本文的主题是“杰利蝾螈(gerrymandering)”，即蓄意制造具有高度不对称选举结果以剥夺选民权利的选区地图这一顽疾，其有着漫长的法律历史。衡量并消除杰利蝾螈对维系社会民主原则的支柱具有巨大意义。尽管多年来不乏涉及杰利蝾螈的法律简报，但数学家与应用计算研究者着手调查这一主题仅是较近期的事。然而，从事计算复杂性问题理论分析（如计算困难性、可近似性问题等）的计算复杂性研究者迄今对其关注相对较少。原因可能有很多，例如这些问题的描述多见于理论计算机科学(TCS)人员通常不关注的非CS非数学（常为法律或政治）期刊，或TCS出版场所对这些主题缺乏覆盖。我们撰写本文的朴素目标之一便是通过促进杰利蝾螈与TCS研究者之间的进一步互动来改善这一状况。为此，我们的主要贡献有两方面：(1) 我们利用TCS框架，从现有非TCS（或许是法律）场所可得的问题描述出发，对若干模型、相关概念及相应问题陈述进行形式化；(2) 我们也对一些版本的问题提供了计算复杂性分析，将其余版本留待未来研究。撰写本文的目的并非对杰利蝾螈盖棺定论，而是向TCS界介绍一系列概念、模型与问题，并表明杰利蝾螈科学涉及一组引人入胜的、关乎几何与组合优化的划分问题。
引用
@article{arxiv.1910.01565,
title = {On partisan bias in redistricting: computational complexity meets the science of gerrymandering},
author = {Tanima Chatterjee and Bhaskar DasGupta},
journal= {arXiv preprint arXiv:1910.01565},
year = {2020}
}
备注
Disclaimer: The authors were not supported, financially or otherwise, by any political party. The research results reported in this paper are purely scientific and reported as they are without any regard to which political party they may be of help (if at all)