Szavazó ágensek: racionális ágensek egyvéleményű közössége /3. Kooperáció és intelligencia, Dobrowiecki, BME-MIT

Hasonló dokumentumok
Szavazó ágensek racionális versengő ágensek egyvéleményű közössége. Intelligens Elosztott Rendszerek BME-MIT, 2018

Szavazási protokollok - közös preferencia kialakítása

Választási rendszerek axiomatikus elmélete

Kooperatív és Tanuló Rendszerek

EGYSZERŰ ÉS ABSZOLÚT TÖBBSÉGI SZAVAZÁS

POLITIKAI GAZDASÁGTAN

Antal Ádám. Választási játékok

Monoton Engedmény Protokoll N-M multilaterális tárgyalás

Mesterséges Intelligencia I. (I602, IB602)

Témalabor 2016 Kooperatív intelligens rendszerek Bevezető-1. Dobrowiecki Tadeusz Mészáros Tamás

Mikroökonómia elıadás

POLITIKAI GAZDASÁGTAN

Approximációs algoritmusok

2017/ Szegedi Tudományegyetem Informatikai Intézet

Számítógépes Hálózatok. 6. gyakorlat

Hágen Zsófia Margit. Többnyerteses választások

Alternatívák rangsora Rangsor módszerek. Debreceni Egyetem

Bonyolultságelmélet. Monday 26 th September, 2016, 18:28

JAVASLAT A TOP-K ELEMCSERÉK KERESÉSÉRE NAGY ONLINE KÖZÖSSÉGEKBEN

Függvények növekedési korlátainak jellemzése

Mandátumbecslés A REPUBLIKON INTÉZET ELEMZÉSE

Matematika alapjai; Feladatok

Algoritmusok Tervezése. 9. Előadás Genetikus Algoritmusok Dr. Bécsi Tamás

Algoritmusok bonyolultsága

Ágensek bevezető áttekintés:

A választási rendszer és választások

Kereső algoritmusok a diszkrét optimalizálás problémájához

Nyugat-magyarországi Egyetem Geoinformatikai Kara. Prof. Dr. Závoti József. Matematika III. 1. MA3-1 modul. Kombinatorika

Teljesítmény Mérés. Tóth Zsolt. Miskolci Egyetem. Tóth Zsolt (Miskolci Egyetem) Teljesítmény Mérés / 20

Algoritmuselmélet 18. előadás

Érvelés, tárgyalás, meggyőzés

Keresések Gregorics Tibor Mesterséges intelligencia

A Számítástudomány alapjai

FELVÉTELI VIZSGA, szeptember 12.

Kriptográfia 0. A biztonság alapja. Számítás-komplexitási kérdések

Bérek, jövedelmek, érdekvédelem Magyarországon

XIII. Bolyai Konferencia Bodnár József Eötvös József Collegium, ELTE TTK, III. matematikus. A véletlen nyomában

Nagyordó, Omega, Theta, Kisordó

1. Informatikai trendek, ágensek, többágenses rendszerek. Intelligens Elosztott Rendszerek BME-MIT, 2018

A Kari Tanács május 18-i ülésének határozatai

Mechanizmus-tervezés: szociális jóléti függvény nem kooperatív (versengő) ágensek. A megegyezés keresése és elérése: Tárgyalás (Negotiation)

Az optimális megoldást adó algoritmusok

MATEK-INFO UBB verseny április 6.

Totális Unimodularitás és LP dualitás. Tapolcai János

Bonyolultságelmélet. Thursday 1 st December, 2016, 22:21

Együttműködés versengés közepette - koordinálás és feladatkiosztás árveréssel/1

JÚLIUSI PÁRTPREFERENCIA ADATOK ALAPJÁN

Lineáris. Soros. Okozati FIFO. Belépő

Kereső algoritmusok a diszkrét optimalizálás problémájához

Bonyolultságelmélet. Monday 26 th September, 2016, 18:27. Bonyolultságelmélet

Új eredmények a nem teljesen kitöltött páros összehasonlítás mátrixok témájában (2. rész)

Tárgyalások. Intelligens Elosztott Rendszerek BME-MIT, 2018

A Borda-szavazás Nash-implementálható értelmezési tartományai

NULLADIK MATEMATIKA ZÁRTHELYI

Új tehetséggondozó programok és kutatások

Branch-and-Bound. 1. Az egészértéketű programozás. a korlátozás és szétválasztás módszere Bevezető Definíció. 11.

Csercsik Dávid ITK PPKE. Csercsik Dávid (ITK PPKE) Játékelmélet és hálózati alkalmazásai 4. ea 1 / 21

1. feladat Az egyensúly algoritmus viselkedése: Tekintsük a kétdimenziós Euklideszi teret, mint metrikus teret. A pontok

Számítógépes Hálózatok. 4. gyakorlat

Mit látnak a robotok? Bányai Mihály Matemorfózis, 2017.

Algoritmusok bonyolultsága

(1 pont) A súlypont képlete miatt

IT infrastruktúra egy modern egyetemi könyvtárban

Mesterséges Intelligencia MI

Mikro- és makroökonómia. A termelés modellje Szalai László

[Biomatematika 2] Orvosi biometria

FOGYASZTÓI MAGATARTÁS 1.

Deníciók és tételek a beugró vizsgára

Problémamegoldás kereséssel. Mesterséges intelligencia március 7.

Páros összehasonlítás mátrixokból számolt súlyvektorok Pareto-optimalitása

PARADOXONOK A VÁLASZTÁSI RENDSZEREKBEN

FOGYASZTÓI MAGATARTÁS 1.

Biomatematika 2 Orvosi biometria

Algoritmuselmélet. Bonyolultságelmélet. Katona Gyula Y.

Véletlenszám generátorok és tesztelésük HORVÁTH BÁLINT

HHF0CX. k darab halmaz sorbarendezésének a lehetősége k! Így adódik az alábbi képlet:

Adott: VPN topológia tervezés. Költségmodell: fix szakaszköltség VPN végpontok

Heurisztikák algoritmusok ütemezési problémákra. 1. Állapottér és a megoldások kezelése

Az igazság pillanatai

Befordulás sarkon bútorral

Gráfok 2. Legrövidebb utak, feszítőfák. Szoftvertervezés és -fejlesztés II. előadás. Szénási Sándor

Gépi tanulás. Hány tanítómintára van szükség? VKH. Pataki Béla (Bolgár Bence)

A foglalkoztatás funkciója

Kiegészítő részelőadás 1. Az algoritmusok hatékonyságának mérése

Mesterséges Intelligencia MI

Brósch Zoltán (Debreceni Egyetem Kossuth Lajos Gyakorló Gimnáziuma) Számelmélet I.

Döntéselméleti modellek

Kvantum-informatika és kommunikáció féléves feladatok (2010/2011, tavasz)

KÖZGAZDASÁGTAN I. Készítette: Bíró Anikó, K hegyi Gergely, Major Klára. Szakmai felel s: K hegyi Gergely június

Rasmusen, Eric: Games and Information (Third Edition, Blackwell, 2001)

Nagy méretű projektekhez kapcsolódó kockázatok felmérése és kezelése a KKV szektor szemszögéből

Magyarországi választási rendszerek

CHT& NSZT Hoeffding NET mom. stabilis november 9.

E LTE jogi karán. ELTE jogi karán. HÖOK Közgyűlés az. HÖOK Közgyűlés az

Mercs Erika. Matematikai módszerek a navigációban

A Condorcet-paradoxon intranzitív dobókockákkal

f (ξ i ) (x i x i 1 )

Kooperatív és Tanuló Rendszerek. 2. Együttműködéstől konfliktusokig - együttműködés Dobrowiecki Tadeusz Horváth Gábor

A sz.ot.ag. III. Magyar Számítógépes Nyelvészeti Konferencia december 8. Bíró Tamás, ELTE, Budapest / RUG, Groningen, NL 1/ 16

V. Békés Megyei Középiskolai Matematikaverseny 2012/2013 Megoldások 12. évfolyam

Átírás:

Szavazó ágensek: racionális ágensek egyvéleményű közössége /3

Hibrid szavazási protokollok és manipulálási komplexitás elmélet Manipulálás szoftver ágensek több veszély, lehetőség - Egyszeri algoritmus tervezés, másolás nagy számú ágensnek = stratégiai szavazás esélye, sikeressége nő = nem befolyásolják emóciók, irracionalitás - Ágens több számítási kapacitás, könnyebb hatékony manipulálást megtalálni - Ágens szavazás megnövelt anonimitás, kevesebb fenntartás a közösségi megtorlással szemben Manipulálás: - A manipuláló információja a nem manipulálókról: nem teljes, teljes - Ki manipulál: egyén, koalíció - Súlyozott, nem súlyozott szavazók - Manipulálás célja konstruktív: győzelemre vinni valakit destruktív: vesztésre vinni valakit Manipulálás számítási nehézsége

Manipulálás - elkerülhetetlen - legyen legalább exp. nehéz Kutatás: szavazási sémák polinom,..., NP manipulálhatók STV manipulálni NP-nehéz Borda, STV, Maxmin, többségi NP-nehéz, ha az első körben páronkénti mérkőzésekben elimináljuk a jelöltek felét Legyen n szavazó, m jelölt, V = {v1, v2,, vn}, C = {c1, c2,, cn} Komplexitás n, m-ben mérve! C összes permutációja: Π(C), i-edik szavazó preferenciája π i Π(C) Szavazási protokoll: leképzés P: (Π(C), Π(C),..., Π(C)) C Kezelt protokollok: - többségi - Borda - STV (Single Transferable Vote) - Maxmin (páronkénti mérkőzéseknél a mellette szavazók számának a minimuma) - BC (Binary Cup) páronkénti mérkőzés

Manipulálás modellje: vj szavazó manipulálhatja a P protokollt, ha van olyan permutáció π' j Π(C), hogy bizonyos π i Π(C), i=1,, n értékekre: 1. P(π 1,, π n ) = c 2. P(π 1,, π j-1, π' j, π j+1,..., π n ) = c' c 3. vj a c'-t a c-nél jobbnak tartja. Ha c' a vj-nél az első konstruktív manipulálás. Egy szavazó hatékonyan manipulál, ha a π' j konstruálása π 1,, π n ismeretében polinomiális komplexitású algoritmussal lehetséges. Manipulálási komplexitás növelése - Hibrid szavazási protokoll: Hyb(X k,y) - szavazat leadás x 1 - k lépés X protokollal, k db. jelölt eliminálása - Y protokoll alkalmazása a maradék jelöltekre Lépés: pontozásos protokolloknál a legrosszabb jelölt eliminálása, pontozás átszámítása nélkül.

Hibrid szavazási protokoll: Hyb(X k,y) Tétel: Végtelen sok k értékre Hyb(STV k,y), Hyb(X k,stv) ahol STV Single Transferable Vote, X, Y = TB, Borda, BC, STV, Hyb(Borda k,tb), Hyb(Maxmin k, TB), Hyb(Borda k,borda), Hyb(Maxmin k,borda) NP-manipulálható. Pareto optimális: aki mindenkinél vesztes, sohasem nyer. Condorcet konzisztens. Monoton: ha más jelöltek relatív sorrendje változatlan, feljebb (lejjebb) minősíteni a jelölt bukását (győzelmét) nem okozhatja. Erősen Pareto optimális: aki mindenkinél rosszabbul áll, korábban eliminálódik. Erősen monoton: feljebb minősíteni egy jelöltet nem befolyásolja az eliminálás sorrendjét. Tétel: Minden X, Y, k, ha X, Y teljesíti Condorcet kr.-t, akkor a Hyb(X k,y) is. Ha X erősen monoton (Pareto opt.), Y monoton (Pareto opt.), akkor a Hyb(X k,y) is monoton (Pareto opt.). Tétel: De pl. polinomiálisan konstruktív manipulálható Hyb(TB k,y), ahol Y = TB, Borda, BC, Maxmin.