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
- Robust and Performance Incentivizing Algorithms for Multi-Armed Bandits
with Strategic Agents [57.627352949446625]
マルチアームバンディット問題の変種を考察する。
具体的には、武器は、報酬を改善したり、吸収したりできる戦略的なエージェントである。
我々は、プロパティの集合を満たすMABアルゴリズムのクラスを特定し、それらが平衡におけるトップレベルのパフォーマンスを刺激するメカニズムをもたらすことを示す。
論文 参考訳(メタデータ) (2023-12-13T06:54:49Z) - 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) - Strategic Resource Selection with Homophilic Agents [68.19497461624208]
類似エージェントとの共同資源利用を目指す異種エージェントを用いたリソース選択ゲームを提案する。
モデルでは,異なるタイプのエージェントを考慮し,その決定的特徴はユーザ間の同一型エージェントの割合である。
このような有界な有理性はゲーム理論上有利な性質を持つことを示す。
論文 参考訳(メタデータ) (2023-05-01T14:14:58Z) - Bandit Social Learning: Exploration under Myopic Behavior [58.75758600464338]
オンラインプラットフォーム上でのレビューによって動機付けられた社会学習のダイナミクスについて検討する。
エージェントはまとめて単純なマルチアームのバンディットプロトコルに従うが、各エージェントは探索を伴わずにミオプティカルに振る舞う。
このような振る舞いに対して,スターク学習の失敗を導出し,好意的な結果を提供する。
論文 参考訳(メタデータ) (2023-02-15T01:57:57Z) - 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) - Fair Ranking as Fair Division: Impact-Based Individual Fairness in
Ranking [36.42838320396534]
このようなリンク関数の特定の選択は、防御が難しいかもしれないと我々は主張する。
これにより、リンク関数を選択する必要がなくなるだけでなく、露出以外の項目への影響をより有意義に定量化できる。
論文 参考訳(メタデータ) (2022-06-15T02:20:30Z) - (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) - Two-Sided Matching Meets Fair Division [35.674275834421195]
両面マッチングの新しいモデルを導入し、フェアディビジョンの文献から人気のあるフェアネスの概念を借用する。
我々のモデルでは、各エージェントは、付加的な嗜好を持つ相手側の複数のエージェントにマッチする。
両面の公平さを別々に要求し、一試合(DEF1)と二試合(DMMS)という概念を生み出した。
論文 参考訳(メタデータ) (2021-07-15T15:45:17Z) - 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。