单峰住房市场中的交换动态

本文关注于公平且高效地将资源分配给智能体的问题。我们考虑一个特定设定，通常称为住房市场，其中每个智能体必须恰好获得一个资源（且初始拥有一个）。在此框架下，在线性偏好域中，顶级交易环（TTC）算法是唯一满足帕累托最优、个体理性与策略-proof性的程序。在单峰偏好限制下，Crawler享有相同性质。然而这两类集中式程序可能涉及长交易环。本文转而关注涉及最短环的程序：双边交换交易。在此类交换动态中，智能体执行成对互益交易直至达到交换稳定分配（不存在可改进的交换交易）。我们证明在单峰域中每个交换稳定分配都是帕累托最优的，表明了交换动态的效率。事实上，在保障该性质方面，此域是最大的。此外，TTC与Crawler的结果总可通过交换序列达到。然而，某些帕累托最优分配无法通过改进交换交易达到。我们进一步通过社会福利概念分析交换动态的结果，在本文语境下即最终分配中智能体所获资源的平均或最小秩。我们首先给出这些程序的最坏情况分析。最后，我们呈现一项广泛的实验研究，其中不同版本的交换动态与其他现有分配程序进行比较。我们表明在该域中，于生成合成数据的不同文化下，它们平均表现良好。