論文の概要: Sequential Mechanisms for Multi-type Resource Allocation
- arxiv url: http://arxiv.org/abs/2101.12522v1
- Date: Fri, 29 Jan 2021 11:09:21 GMT
- ステータス: 処理完了
- システム内更新日: 2021-02-01 14:42:09.864635
- Title: Sequential Mechanisms for Multi-type Resource Allocation
- Title（参考訳）: マルチタイプリソース割り当てのシーケンシャルなメカニズム
- Authors: Sujoy Sikdar, Xiaoxi Guo, Haibin Wang, Lirong Xia, Yongzhi Cao
- Abstract要約: 本研究では, 局所的なメカニズムの性質と, 指定されたタイプの資源を割り当てる役割と, シーケンシャルなメカニズムの性質の関係について検討する。
本研究の主な成果は, O-legal lexicographic preferencesの下では, これらの特性の組合せが局所的な機構の逐次的構成であることである。
- 参考スコア（独自算出の注目度）: 37.59210789597414
- License: http://creativecommons.org/licenses/by/4.0/
- Abstract: Several resource allocation problems involve multiple types of resources,
with a different agency being responsible for "locally" allocating the
resources of each type, while a central planner wishes to provide a guarantee
on the properties of the final allocation given agents' preferences. We study
the relationship between properties of the local mechanisms, each responsible
for assigning all of the resources of a designated type, and the properties of
a sequential mechanism which is composed of these local mechanisms, one for
each type, applied sequentially, under lexicographic preferences, a well
studied model of preferences over multiple types of resources in artificial
intelligence and economics. We show that when preferences are O-legal, meaning
that agents share a common importance order on the types, sequential mechanisms
satisfy the desirable properties of anonymity, neutrality, non-bossiness, or
Pareto-optimality if and only if every local mechanism also satisfies the same
property, and they are applied sequentially according to the order O. Our main
results are that under O-legal lexicographic preferences, every mechanism
satisfying strategyproofness and a combination of these properties must be a
sequential composition of local mechanisms that are also strategyproof, and
satisfy the same combinations of properties.
- Abstract（参考訳）: リソース割り当ての問題には、複数のタイプのリソースが関係しており、各タイプのリソースを「ローカル」に割り当てる異なるエージェンシーが責任を持ち、中央プランナーは、与えられたエージェントの好みに応じて最終的なリソース割り当ての特性を保証することを望んでいる。
本研究では, 局所メカニズムの特性, 指定されたタイプの資源を割り当てる責任, およびこれらの局所メカニズムから構成されるシーケンシャルメカニズムの特性の関係を, 語彙的嗜好の下で順次適用し, 人工知能と経済学における複数の資源に対する嗜好のモデルとしてよく研究した。
選好がO-legalである場合、エージェントがそれらのタイプに対して共通の重要順序を共有する場合、各ローカルメカニズムが同じ性質を満たす場合に限り、シーケンシャルメカニズムが匿名性、中立性、非ボッシー性、パレート最適化の望ましい特性を満たすことを示し、順序Oに応じて順次適用される。
我々の主な結果は, o-legal lexicographic preferences では, 戦略的安全性とそれらの組み合わせを満足するすべてのメカニズムは, 戦略的安全性を兼ね備えた局所的機構の逐次構成であり, 同じ特性の組み合わせを満足しなければならない。
関連論文リスト
- Deep Learning Meets Mechanism Design: Key Results and Some Novel
Applications [1.2661010067882734]
本稿では、関連する文献から、深層学習を用いたメカニズム設計の技術的詳細について述べる。
本稿では,3つのケーススタディにおいて,このアプローチのパワーを実証する。
論文 参考訳（メタデータ） (2024-01-11T06:09:32Z) - Refined Mechanism Design for Approximately Structured Priors via Active
Regression [50.71772232237571]
我々は、大量の商品を戦略的入札者に販売する収益を最大化する販売業者の問題を考える。
この設定の最適かつほぼ最適のメカニズムは、特徴付けや計算が難しいことで有名である。
論文 参考訳（メタデータ） (2023-10-11T20:34:17Z) - A Novel Multiagent Flexibility Aggregation Framework [1.7132914341329848]
本稿では,多エージェントアーキテクチャを包含する新たなDERアグリゲーションフレームワークを提案する。
アーキテクチャの重要なコンポーネントのひとつはローカルフレキシビリティ・エスペクタ(LFE)エージェントです。
論文 参考訳（メタデータ） (2023-07-17T11:36:15Z) - Random Rank: The One and Only Strategyproof and Proportionally Fair
Randomized Facility Location Mechanism [103.36492220921109]
我々は、強い比例性は動機が良く基本的な公理であるが、その性質を満たす決定論的戦略防御機構は存在しないことを示した。
次に、予測において強い比例性を満たすランダムランクと呼ばれるランダム化メカニズムを同定する。
我々の主な特徴はランダムランクを、普遍的真理性、普遍的匿名性、期待における強い比喩性を達成するユニークなメカニズムとして特徴づけている。
論文 参考訳（メタデータ） (2022-05-30T00:51:57Z) - Properties from Mechanisms: An Equivariance Perspective on Identifiable
Representation Learning [79.4957965474334]
教師なし表現学習の主な目標は、データ生成プロセスが潜在プロパティを回復するために「反転」することである。
この論文は「進化を支配するメカニズムの知識を活用して潜伏特性を識別するのか?」と問う。
我々は、可能なメカニズムの集合に関する知識が異なるため、不特定性の原因の完全な特徴づけを提供する。
論文 参考訳（メタデータ） (2021-10-29T14:04:08Z) - Automated Mechanism Design for Classification with Partial Verification [64.69418921224529]
部分検証による自動機構設計の問題点について検討する。
私たちは、すべてのタイプが結果よりも同じ好みを共有する設定における真実のメカニズムに焦点を当てています。
論文 参考訳（メタデータ） (2021-04-12T03:29:31Z) - Near Instance-Optimality in Differential Privacy [38.8726789833284]
古典統計理論に着想を得た差分プライバシーにおけるインスタンス最適性の概念を考案する。
また、大規模な推定値に対してインスタンス最適(もしくはほぼインスタンス最適)な逆感度機構も開発する。
論文 参考訳（メタデータ） (2020-05-16T04:53:48Z) - VCG Mechanism Design with Unknown Agent Values under Stochastic Bandit
Feedback [104.06766271716774]
本研究では,エージェントが自己の価値を知らない場合に,マルチラウンドの福祉最大化機構設計問題について検討する。
まず、福祉に対する後悔の3つの概念、各エージェントの個々のユーティリティ、メカニズムの3つの概念を定義します。
当社のフレームワークは価格体系を柔軟に制御し、エージェントと販売者の後悔のトレードオフを可能にする。
論文 参考訳（メタデータ） (2020-04-19T18:00:58Z)
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。