論文の概要: Jealousy-freeness and other common properties in Fair Division of Mixed Manna

• arxiv url: http://arxiv.org/abs/2004.11469v3
• Date: Tue, 12 May 2020 19:18:02 GMT
• ステータス: 処理完了
• システム内更新日: 2022-12-10 10:04:52.535999
• Title: Jealousy-freeness and other common properties in Fair Division of Mixed Manna
• Title（参考訳）: 混合マンナのフェア分割におけるロイヤリティフリーネスと他の共通特性
• Authors: Martin Aleksandrov
• Abstract要約: 我々は、不特定項目をエージェントに割り当てる公平な区分について考察する。 エージェントに良く、他の人に悪いアイテムを区別します。
• 参考スコア（独自算出の注目度）: 2.28438857884398
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: We consider a fair division setting where indivisible items are allocated to agents. Each agent in the setting has strictly negative, zero or strictly positive utility for each item. We, thus, make a distinction between items that are good for some agents and bad for other agents (i.e. mixed), good for everyone (i.e. goods) or bad for everyone (i.e. bads). For this model, we study axiomatic concepts of allocations such as jealousy-freeness up to one item, envy-freeness up to one item and Pareto-optimality. We obtain many new possibility and impossibility results in regard to combinations of these properties. We also investigate new computational tasks related to such combinations. Thus, we advance the state-of-the-art in fair division of mixed manna.
• Abstract（参考訳）: 我々は,エージェントに不可分なアイテムを割り当てる公平な分割設定を考える。 設定中の各エージェントは、各アイテムに対して厳密に負、ゼロ、または正の効能を持つ。 したがって、あるエージェントにとって良いもの、他のエージェントにとって悪いもの(混合物)、誰にとっても良いもの(商品)、あるいは誰にとっても悪いもの(悪物)を区別します。 本モデルでは, 1 項目までの妬みフリーネス,1 項目までの妬みフリーネス,パレートオプティリティといった割当の公理的概念について検討する。 これらの特性の組み合わせに関して、多くの新しい可能性と不可能な結果が得られる。 また,これらの組み合わせに関する新しい計算タスクについても検討する。 そこで我々は,混合マンナの公平な分割における最先端の技術を推し進める。

関連論文リスト

• Multi-Agent Stochastic Bandits Robust to Adversarial Corruptions [6.234292942334148]
  敵の汚職に頑健なマルチエージェント協調学習アルゴリズムを提案する。 副産物として,本アルゴリズムは,単一エージェントと同種マルチエージェントの両方のシナリオに還元した場合の,最先端の後悔境界も改善する。
  論文  参考訳（メタデータ） (2024-11-12T20:20:26Z)
• Temporal Fair Division of Indivisible Items [61.235172150247614]
  分割不可能なアイテムが順次到着し,即時かつ無効に割り当てられなければならない公平な分割モデルについて検討する。 オンラインフェアディビジョンに関する以前の研究は、これらの制約の下で近似的なうらやみのない結果が得られないことを示してきた。 各ラウンドにおける累積割り当てが1項目までの時間的エンビーフリーネス(TEF1)に近似することを確実にすることを目指している。
  論文  参考訳（メタデータ） (2024-10-18T16:43:36Z)
• Stochastic Bandits for Egalitarian Assignment [58.33714486693828]
  我々は,多武装盗賊の文脈における平等的課題であるEgalMABについて検討する。 UCBベースのポリシーEgalUCBを設計・分析し、累積的後悔の上限を確立する。
  論文  参考訳（メタデータ） (2024-10-08T09:49:47Z)
• Honor Among Bandits: No-Regret Learning for Online Fair Division [20.38824614301761]
  本研究では, 商品の種類が有限であり, プレイヤーの値が未知の方法で分布から引き出される場合, プレイヤーに対する不特定商品のオンライン公平分割の問題点を考察する。 我々の主な成果は、公正な制約を維持しながら、$tildeO(T2/3)の後悔を達成できる探索列コミットアルゴリズムの設計である。
  論文  参考訳（メタデータ） (2024-07-01T20:44:52Z)
• Fair Allocation in Dynamic Mechanism Design [57.66441610380448]
  競売業者が各ラウンドの買い手グループに、合計で$T$で分けない商品を販売している問題を考える。 競売人は、各グループの最低平均配分を保証する公正な制約に固執しつつ、割引された全体の収益を最大化することを目的としている。
  論文  参考訳（メタデータ） (2024-05-31T19:26:05Z)
• Ranking a Set of Objects using Heterogeneous Workers: QUITE an Easy Problem [54.90613714264689]
  我々は、不平等労働者の群れによって提供されるノイズの多いペア比較の集合から始まる、$N$オブジェクトのランク付けの問題に焦点をあてる。 本研究では,作業者の信頼性とオブジェクトの品質を共同で推定する非適応的ランキングアルゴリズムQUITEを提案する。
  論文  参考訳（メタデータ） (2023-10-03T12:42:13Z)
• Reforming an Envy-Free Matching [3.615389896666528]
  我々は,各エージェントが単一項目を割り当てられたときに,うらやましのないマッチングを再構築する問題を考察する。 我々は,エージェントの項目を,エージェントが好む指定されていない項目と交換する操作を考慮し,この操作は別のうらやましのないマッチングをもたらす。
  論文  参考訳（メタデータ） (2022-07-06T13:03:49Z)
• (Almost) Envy-Free, Proportional and Efficient Allocations of an Indivisible Mixed Manna [10.933894827834825]
  エージェントの集合に分割不可能な項目の集合を公平かつ効率的に割り当てることの課題について検討する。 公平性の概念として、エンビーフリーネスと比例性の最も強い緩和性を考える。
  論文  参考訳（メタデータ） (2022-02-06T01:29:50Z)
• Robust Allocations with Diversity Constraints [65.3799850959513]
  エージェント値の積を最大化するナッシュ福祉規則は,多様性の制約が導入されたとき,一意にロバストな位置にあることを示す。 また, ナッシュ・ウェルズによる保証は, 広く研究されているアロケーション・ルールのクラスにおいて, ほぼ最適であることを示す。
  論文  参考訳（メタデータ） (2021-09-30T11:09:31Z)
• Randomized Entity-wise Factorization for Multi-Agent Reinforcement Learning [59.62721526353915]
  実世界のマルチエージェント設定は、エージェントや非エージェントエンティティのタイプや量が異なるタスクを伴うことが多い。 我々の方法は、これらの共通点を活用することを目的としており、「観察対象のランダムに選択されたサブグループのみを考えるとき、各エージェントが期待する効用は何か?」という問いを投げかける。
  論文  参考訳（メタデータ） (2020-06-07T18:28:41Z)

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。