Fair Multi-agent Persuasion with Submodular Constraints
Yannan Bai, Kamesh Munagala, Yiheng Shen, Davidson Zhu
我们研究贝叶斯说服背景下的选择问题。 我们被赋予多个具有隐藏价值(或质量分数)的代理,资源必须由福利最大化的决策者分配给他们。 具有代理人价值观知识的中介试图通过设计信息信号和提供破译政策来影响选择的结果,以便当接收者最大化对由此产生的后人的福利时,代理人的预期效用(其中效用被定义为分配时间值)实现某些公平性。 我们将使用的公平措施是专业化,它同时近似最大化公用事业的所有对称,单调,凋谢功能。 我们考虑一般设置,其中分配给代理需要尊重任意子模块约束,如相应的polymatroid给出。 我们提出了一个信号策略,在接收方的温和边界理性假设下,在这个设置中实现了对数近似的专业化策略。 近似比几乎是最好的,并且显着优于仅产生线性近似的通用结果。 我们的结果的一个关键组成部分是一个结构特征,表明给定信号策略的代理实用程序向量定义了不同多基体的基础多管,这可能是独立感兴趣的结果。 此外,我们表明,通过乘法权重更新方法,可以在(弱)多项式时间(弱化)中产生任意良好的加法近似。
We study the problem of selection in the context of Bayesian persuasion. We are given multiple agents with hidden values (or quality scores), to whom resources must be allocated by a welfare-maximizing decision-maker. An intermediary with knowledge of the agents' values seeks to influence the outcome of the selection by designing informative signals and providing tie-breaking policies, so that when the receiver maximizes welfare over the resulting posteriors, the expected utilities of the agents...
