論文の概要: An Optimal Procedure to Check Pareto-Optimality in House Markets with Single-Peaked Preferences

• arxiv url: http://arxiv.org/abs/2002.11660v1
• Date: Fri, 14 Feb 2020 17:24:55 GMT
• ステータス: 処理完了
• システム内更新日: 2023-01-01 05:08:35.547346
• Title: An Optimal Procedure to Check Pareto-Optimality in House Markets with Single-Peaked Preferences
• Title（参考訳）: 単一話者選好を有する住宅市場におけるパレート最適性チェックの最適手順
• Authors: Aur\'elie Beynier and Nicolas Maudet and Simon Rey and Parham Shams
• Abstract要約: Diverは、単一話者の好みに最適な割り当てかどうかを最適にチェックする変種である。 コミュニケーションの複雑さの観点からは,ダイバーが最適であることを示す。
• 参考スコア（独自算出の注目度）: 6.88204255655161
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: Recently, the problem of allocating one resource per agent with initial endowments (house markets) has seen a renewed interest: indeed, while in the domain of strict preferences the Top Trading Cycle algorithm is known to be the only procedure guaranteeing Pareto-optimality, individual rationality, and strategy proofness. However, the situation differs in the single-peaked domain. Indeed, Bade presented the Crawler, an alternative procedure enjoying the same properties, with the additional advantage of being implementable in obviously dominant strategies. In this paper we further investigate the Crawler and propose the Diver, a variant which checks optimally whether an allocation is Pareto-optimal for single-peaked preferences, thus improving over known techniques used for checking Pareto-optimality in more general domains. We also prove that the Diver is asymptotically optimal in terms of communication complexity.
• Abstract（参考訳）: 実際、厳格な選好の領域では、トップトレーディングサイクルアルゴリズムがパレート最適性、個人的合理性、戦略実証性を保証する唯一の手順であることが知られている。 しかし、単一話者領域では状況が異なっている。 実際、Bade氏はCrawlerという、同じ特性を享受する代替の手順を紹介した。 本稿では,このクローラについてさらに検討し,単一話者の選好に対してパレートオプティリティであるかどうかを最適に検証し,より一般的なドメインにおけるパレートオプティリティの検証に使用される既知の手法を改良したダイバーを提案する。 また,コミュニケーションの複雑さの観点から,ダイバーが漸近的に最適であることを示す。

関連論文リスト

• Randomized Asymmetric Chain of LoRA: The First Meaningful Theoretical Framework for Low-Rank Adaptation [58.288682735160585]
  Low-Rank Adaptation (LoRA) は、ファインチューニングモデルの一般的なテクニックである。 LoRAは、フルパラメータの微調整と比較すると、しばしば実行されます。 本稿では,LoRA手法の適応率を厳密に分析するフレームワークを提案する。
  論文  参考訳（メタデータ） (2024-10-10T18:51:53Z)
• Distributed Fractional Bayesian Learning for Adaptive Optimization [7.16937736207894]
  本稿では,各エージェントが共通パラメータを持つローカルコスト関数にのみアクセス可能な分散適応最適化問題について考察する。 分散最適化問題におけるパラメータの不確実性に対処し、同時に最適解を見つけるための貴重な洞察を提供することを目的としている。
  論文  参考訳（メタデータ） (2024-04-17T13:09:33Z)
• Information-Theoretic Safe Bayesian Optimization [59.758009422067005]
  そこでは、未知の(安全でない)制約に反するパラメータを評価することなく、未知の関数を最適化することを目的としている。 現在のほとんどのメソッドはドメインの離散化に依存しており、連続ケースに直接拡張することはできない。 本稿では,GP後部を直接利用して,最も情報に富む安全なパラメータを識別する情報理論的安全な探索基準を提案する。
  論文  参考訳（メタデータ） (2024-02-23T14:31:10Z)
• Principled Preferential Bayesian Optimization [22.269732173306192]
  優先ベイズ最適化(BO)の問題について検討する。 一対の候補解よりも優先的なフィードバックしか持たないブラックボックス関数を最適化することを目指している。 この問題を解決するために,効率的な計算手法を用いた楽観的アルゴリズムを開発した。
  論文  参考訳（メタデータ） (2024-02-08T02:57:47Z)
• Smoothing the Edges: Smooth Optimization for Sparse Regularization using Hadamard Overparametrization [10.009748368458409]
  本稿では、(構造化された)空間性に対して、明示的に正規化された目的を円滑に最適化するためのフレームワークを提案する。 提案手法は,完全微分可能近似自由最適化を実現し,深層学習におけるユビキタス勾配降下パラダイムと互換性がある。
  論文  参考訳（メタデータ） (2023-07-07T13:06:12Z)
• Decentralized Nonconvex Optimization with Guaranteed Privacy and Accuracy [34.24521534464185]
  プライバシ保護と中立性は、分散化された最適化学習の機密データにおいて難しい2つの問題である。 プライバシー保護と回避の両方を可能にするアルゴリズムを提案する。 このアルゴリズムは通信と計算の両方において効率的である。
  論文  参考訳（メタデータ） (2022-12-14T22:36:13Z)
• Understanding the Effect of Stochasticity in Policy Optimization [86.7574122154668]
  最適化手法の優位性は、正確な勾配が用いられるかどうかに大きく依存することを示す。 次に,政策最適化におけるコミット率の概念を紹介する。 第三に、外部のオラクル情報がない場合には、収束を加速するために幾何を利用することと、最適性をほぼ確実に達成することとの間に本質的にトレードオフがあることが示される。
  論文  参考訳（メタデータ） (2021-10-29T06:35:44Z)
• Stochastic Gradient Descent-Ascent and Consensus Optimization for Smooth Games: Convergence Analysis under Expected Co-coercivity [49.66890309455787]
  本稿では,SGDA と SCO の最終的な収束保証として,期待されるコヒーレンシティ条件を導入し,その利点を説明する。 定常的なステップサイズを用いた場合、両手法の線形収束性を解の近傍に証明する。 我々の収束保証は任意のサンプリングパラダイムの下で保たれ、ミニバッチの複雑さに関する洞察を与える。
  論文  参考訳（メタデータ） (2021-06-30T18:32:46Z)
• Navigating to the Best Policy in Markov Decision Processes [68.8204255655161]
  マルコフ決定過程における純粋探索問題について検討する。 エージェントはアクションを逐次選択し、結果のシステム軌道から可能な限り早くベストを目標とする。
  論文  参考訳（メタデータ） (2021-06-05T09:16:28Z)
• A Non-asymptotic Approach to Best-Arm Identification for Gaussian Bandits [0.0]
  本稿では,ガウス変数の信頼度を一定に保ち,有界な手段と単位分散を持つベストアーム識別のための新しい戦略を提案する。 探索バイアスサンプリング(Exploration-Biased Sampling)と呼ばれるこの戦略は、必ずしも最適ではない。
  論文  参考訳（メタデータ） (2021-05-27T07:42:49Z)
• Robust, Accurate Stochastic Optimization for Variational Inference [68.83746081733464]
  また, 共通最適化手法は, 問題が適度に大きい場合, 変分近似の精度が低下することを示した。 これらの結果から,基礎となるアルゴリズムをマルコフ連鎖の生成とみなして,より堅牢で正確な最適化フレームワークを開発する。
  論文  参考訳（メタデータ） (2020-09-01T19:12:11Z)

関連論文リストは本サイト内にある論文のタイトル・アブストラクトから自動的に作成しています。

指定された論文の情報です。
本サイトの運営者は本サイト（すべての情報・翻訳含む）の品質を保証せず、本サイト（すべての情報・翻訳含む）を使用して発生したあらゆる結果について一切の責任を負いません。