23、计算社会选择研究进展与实践探索

计算社会选择研究进展与实践探索

1. 多智能体资源分配的复杂性与收敛性

多智能体资源分配是一个复杂的问题，在最坏情况下，所需交易的结构复杂性非常高。如果智能体使用的协商协议排除了涉及一定数量智能体或商品的交易，那么就无法保证收敛性。不过，当所有估值函数都是可加的时，允许智能体一次只进行一项物品重新分配的协议就可以实现收敛，但这也是这类协议能达到的最佳结果，对于更大类别的估值函数，这种简单协议无法保证收敛。

对于其他公平性和效率标准，如帕累托最优、平等主义社会福利和无嫉妒性，也有类似的研究结果。该领域的大部分工作具有理论性质，但也通过基于智能体的模拟研究了收敛问题。

在看待多智能体系统时，有两种自然的视角：
- 视角一：先对个体智能体的理性行为做出合理假设，然后探索能证明的收敛结果。
- 视角二：从希望保证的收敛性质出发，设计合适的理性假设来证明相应定理。

具体采用哪种视角取决于具体应用。此外，分布式多智能体资源分配方法还引发了关于计算复杂性的新问题，例如判断给定的估值函数和初始分配是否存在一条仅由个体理性的单项物品交换交易组成的路径，以达到社会最优分配，这类问题已被深入研究。

2. 计算社会选择的研究趋势

2.1 社会选择设置的其他领域

除了偏好聚合、投票和公平分配，社会选择理论还有其他重要领域：
- 匹配理论 ：解决两个相互有偏好的群体元素配对问题，如男女配对、医生与医院配对、肾脏捐赠者与患者配对等。该理论有许多成功应用，相关优秀介绍可参考Roth和Sotomayor的专著。匹配可视为联盟形成的特殊情况。
-