必然最优匹配的在线偏好获取

本文研究房屋分配模型中获取智能体偏好的问题。为此，我们基于Hosseini等人[AAAI'21]近期提出的模型，专注于获取偏好以找到必然最优的匹配，即在所有可能补全的已获取偏好下均为最优的匹配。特别地，我们遵循Hosseini等人的方法，研究必然帕累托最优（NPO）和必然秩最大（NRM）匹配的获取。最重要的是，我们回答了他们的开放性问题，并在次优查询模型中给出了一个用于获取NRM匹配的在线算法，该算法是3/2-竞争的，即它最多使用最优算法3/2倍的查询次数。除此之外，我们通过引入两种新的自然获取模型，并研究在这些模型中确定必然最优匹配是否存在的复杂性，以及为这些模型提供在线算法，从而扩展了这一研究领域。