論文の概要: Outcome-Driven Dynamic Refugee Assignment with Allocation Balancing
- arxiv url: http://arxiv.org/abs/2007.03069v4
- Date: Thu, 13 Jan 2022 00:31:34 GMT
- ステータス: 処理完了
- システム内更新日: 2022-11-14 15:02:03.263528
- Title: Outcome-Driven Dynamic Refugee Assignment with Allocation Balancing
- Title(参考訳): 割り当てバランシングによるアウトカム駆動型ダイナミックリフュージアサインメント
- Authors: Kirk Bansak, Elisabeth Paulson
- Abstract要約: 本研究では,難民や亡命希望者とホスト国内の地理的地域をマッチングする2つの動的割当てアルゴリズムを提案する。
1つ目は、最小記録のオンライン割当てアルゴリズムにより、難民の平均雇用水準(または、関心の測定結果)を最大化することである。
第2のアルゴリズムは、難民の成果を改善するという目標と、時間とともに均等に割り当てたいという願望のバランスをとる。
- 参考スコア(独自算出の注目度): 0.0
- License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
- Abstract: This study proposes two new dynamic assignment algorithms to match refugees
and asylum seekers to geographic localities within a host country. The first,
currently implemented in a multi-year pilot in Switzerland, seeks to maximize
the average predicted employment level (or any measured outcome of interest) of
refugees through a minimum-discord online assignment algorithm. Although the
proposed algorithm achieves near-optimal expected employment compared to the
hindsight-optimal solution (and improves upon the status quo procedure by about
40%), it results in a periodically imbalanced allocation to the localities over
time. This leads to undesirable workload inefficiencies for resettlement
resources and agents. To address this problem, the second algorithm balances
the goal of improving refugee outcomes with the desire for an even allocation
over time. The performance of the proposed methods is illustrated using real
refugee resettlement data from a large resettlement agency in the United
States. On this dataset, we find that the allocation balancing algorithm can
achieve near-perfect balance over time with only a small loss in expected
employment compared to the pure employment-maximizing algorithm. In addition,
the allocation balancing algorithm offers a number of ancillary benefits
compared to pure outcome-maximization, including robustness to unknown arrival
flows and greater exploration.
- Abstract(参考訳): 本研究は,難民と亡命希望者をホスト国内の地理的地域とマッチングする2つの動的割当アルゴリズムを提案する。
スイスの多年制パイロットで現在実施されている最初の試みは、最小記録のオンライン割当てアルゴリズムにより、難民の平均雇用水準(または関心の測定結果)を最大化することを目指している。
提案手法は後見最適解と比較して最適に近い雇用を達成し(現状割当手続きを約40%改善する)、時間とともに局所的な配分の不均衡をもたらす。
これは再定住リソースやエージェントにとって、望ましくない作業負荷の非効率につながる。
この問題に対処するため、第2のアルゴリズムは難民の成果を改善するという目標と、時間とともに均等に割り当てたいという欲求のバランスをとる。
提案手法の性能は,米国の大規模再定住機関からの実際の難民再定住データを用いて示される。
このデータセットでは、割り当てバランスアルゴリズムは、純粋な雇用最大化アルゴリズムと比較して、期待する雇用の損失がわずかながら、ほぼ完全な時間的バランスを達成できることがわかった。
さらに、割り当てバランスアルゴリズムは、未知の到着フローに対する堅牢性やさらなる探索など、純粋な結果最大化と比較して、多くの補助的な利点を提供する。
関連論文リスト
- Characterization of Locality in Spin States and Forced Moves for
Optimizations [0.36868085124383626]
最適化問題において、エネルギーランドスケープにおける局所最小値の存在は、世界最小値を求めるために問題となる。
そこで我々は,局所最小値から効率よく抜け出すアルゴリズムを開発したが,正確なサンプリングは得られなかった。
提案アルゴリズムはリジェクションフリーなアルゴリズムに基づいているため,計算コストは低い。
論文 参考訳(メタデータ) (2023-12-05T07:21:00Z) - Balancing exploration and exploitation phases in whale optimization
algorithm: an insightful and empirical analysis [4.0814527055582746]
文献における頑健でよく認識されているメタヒューリスティックアルゴリズムとしての鯨最適化アルゴリズムは、このバランスを達成するための新しいスキームを提案している。
本章では,WOAアルゴリズムの局所的およびグローバルな探索能力を実証的に分析する。
論文 参考訳(メタデータ) (2023-09-03T19:15:34Z) - Age of Information in Federated Learning over Wireless Networks [58.98720501937935]
各通信ラウンドでは、装置のサブセットが選択され、限られた時間とエネルギーでアグリゲーションに参加する。
収束時間を最小化するために、Stackelbergゲームベースのフレームワークでは、グローバルな損失とレイテンシが共同で検討されている。
論文 参考訳(メタデータ) (2022-09-14T13:20:26Z) - Non-Clairvoyant Scheduling with Predictions Revisited [77.86290991564829]
非論理的スケジューリングでは、優先度不明な処理条件でジョブをスケジューリングするためのオンライン戦略を見つけることが課題である。
我々はこのよく研究された問題を、アルゴリズム設計に(信頼できない)予測を統合する、最近人気の高い学習強化された設定で再検討する。
これらの予測には所望の特性があり, 高い性能保証を有するアルゴリズムと同様に, 自然な誤差測定が可能であることを示す。
論文 参考訳(メタデータ) (2022-02-21T13:18:11Z) - Reinforcement Learning in the Wild: Scalable RL Dispatching Algorithm
Deployed in Ridehailing Marketplace [12.298997392937876]
本研究では,強化学習に基づくリアルタイムディスパッチアルゴリズムを提案する。
ディディのA/Bテストの運営下にある複数の都市でオンラインに展開され、主要な国際市場の一つで展開されている。
デプロイされたアルゴリズムは、A/Bテストによるドライバーの総収入を1.3%以上改善している。
論文 参考訳(メタデータ) (2022-02-10T16:07:17Z) - Evolutionary Optimization for Proactive and Dynamic Computing Resource
Allocation in Open Radio Access Network [4.9711284100869815]
Open Radio Access Network (O-RAN) におけるコンピュータリソースの自動割り当てを実現するためのインテリジェントな技術が求められている
このリソース割り当て問題を解決するための既存の問題定式化は、リソースのキャパシティユーティリティを不適切な方法で定義しているため不適切である。
問題をよりよく記述した新しい定式化が提案されている。
論文 参考訳(メタデータ) (2022-01-12T08:52:04Z) - Lower Bounds and Optimal Algorithms for Smooth and Strongly Convex
Decentralized Optimization Over Time-Varying Networks [79.16773494166644]
通信ネットワークのノード間を分散的に保存するスムーズで強い凸関数の和を最小化するタスクについて検討する。
我々は、これらの下位境界を達成するための2つの最適アルゴリズムを設計する。
我々は,既存の最先端手法と実験的な比較を行うことにより,これらのアルゴリズムの理論的効率を裏付ける。
論文 参考訳(メタデータ) (2021-06-08T15:54:44Z) - Community detection using fast low-cardinality semidefinite programming [94.4878715085334]
局所的な更新を一般化し、ライデン-k-カットから導かれる半定緩和を最大化する、新しい低カルチナリティアルゴリズムを提案する。
提案アルゴリズムはスケーラビリティが高く,最先端のアルゴリズムより優れ,実時間では性能が向上し,追加コストがほとんどない。
論文 参考訳(メタデータ) (2020-12-04T15:46:30Z) - Learning to Accelerate Heuristic Searching for Large-Scale Maximum
Weighted b-Matching Problems in Online Advertising [51.97494906131859]
バイパルタイトbマッチングはアルゴリズム設計の基本であり、経済市場や労働市場などに広く適用されている。
既存の正確で近似的なアルゴリズムは、通常そのような設定で失敗する。
我々は、以前の事例から学んだ知識を活用して、新しい問題インスタンスを解決するtextttNeuSearcherを提案する。
論文 参考訳(メタデータ) (2020-05-09T02:48:23Z) - Second-Order Guarantees in Centralized, Federated and Decentralized
Nonconvex Optimization [64.26238893241322]
単純なアルゴリズムは、多くの文脈において優れた経験的結果をもたらすことが示されている。
いくつかの研究は、非最適化問題を研究するための厳密な分析的正当化を追求している。
これらの分析における重要な洞察は、摂動が局所的な降下アルゴリズムを許容する上で重要な役割を担っていることである。
論文 参考訳(メタデータ) (2020-03-31T16:54:22Z)
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。