論文の概要: Fairmandering: A column generation heuristic for fairness-optimized political districting

• arxiv url: http://arxiv.org/abs/2103.11469v2
• Date: Fri, 25 Jun 2021 20:48:15 GMT
• ステータス: 処理完了
• システム内更新日: 2023-04-07 06:34:30.579451
• Title: Fairmandering: A column generation heuristic for fairness-optimized political districting
• Title（参考訳）: fairmandering: 公平を最適化した政治区分のためのコラム生成ヒューリスティック
• Authors: Wes Gurnee and David B. Shmoys
• Abstract要約: アメリカの当選者全選挙区制は、政治家に選挙区境界を操作することで選挙結果を作る権限を与えている。 既存の計算ソリューションは主に、政治的、人口統計学的入力を無視して、偏見のない地図を描くことに集中し、代わりに単にコンパクト性のために最適化する。 コンパクトさと公正さは品質であるので、これは欠点のあるアプローチであり、公正性の任意の片方向線形定義を明示的に最適化するスケーラブルな2段階法を導入する。
• 参考スコア（独自算出の注目度）: 0.0
• License: http://creativecommons.org/licenses/by/4.0/
• Abstract: The American winner-take-all congressional district system empowers politicians to engineer electoral outcomes by manipulating district boundaries. Existing computational solutions mostly focus on drawing unbiased maps by ignoring political and demographic input, and instead simply optimize for compactness. We claim that this is a flawed approach because compactness and fairness are orthogonal qualities, and introduce a scalable two-stage method to explicitly optimize for arbitrary piecewise-linear definitions of fairness. The first stage is a randomized divide-and-conquer column generation heuristic which produces an exponential number of distinct district plans by exploiting the compositional structure of graph partitioning problems. This district ensemble forms the input to a master selection problem to choose the districts to include in the final plan. Our decoupled design allows for unprecedented flexibility in defining fairness-aligned objective functions. The pipeline is arbitrarily parallelizable, is flexible to support additional redistricting constraints, and can be applied to a wide array of other regionalization problems. In the largest ever ensemble study of congressional districts, we use our method to understand the range of possible expected outcomes and the implications of this range on potential definitions of fairness.
• Abstract（参考訳）: アメリカ合衆国議会の選挙区制は、選挙区の境界を操作することで選挙結果を決める権限を政治家に与えている。 既存の計算ソリューションは、政治的、人口統計的な入力を無視して偏りのない地図を描くことに集中しており、代わりに単にコンパクトさを最適化している。 コンパクトさと公正さは直交的な性質であるため、これは欠陥のあるアプローチであり、公正性の任意の片方向線形定義を明示的に最適化するためのスケーラブルな2段階法を導入する。 第1段階はランダム化された分割列生成ヒューリスティックであり、グラフ分割問題の構成構造を利用して、指数的な数の異なる地区計画を生成する。 この地区アンサンブルは、マスター選択問題への入力を形成し、最終計画に含まれる地区を選択する。 分離した設計により、公正な対象関数を定義する上で、前例のない柔軟性が実現できます。 パイプラインは任意に並列化可能で、さらなる再制限制約をサポートする柔軟性があり、他の広範囲の地域化問題に適用できる。 議会地区における最大規模のアンサンブル研究において、我々の手法を用いて、期待される結果の範囲と、この範囲がフェアネスの潜在的な定義に与える影響を理解する。

関連論文リスト

• A-FedPD: Aligning Dual-Drift is All Federated Primal-Dual Learning Needs [57.35402286842029]
  本稿では,グローバルクライアントとローカルクライアントの仮想二重配向を構成する新しいアラインドデュアルデュアル(A-FedPD)手法を提案する。 本稿では,A-FedPD方式の非集中型セキュリティコンセンサスに対する効率を包括的に分析する。
  論文  参考訳（メタデータ） (2024-09-27T17:00:32Z)
• The Traveling Mailman: Topological Optimization Methods for User-Centric Redistricting [0.0]
  本研究では,US Postal Service ネットワークを用いた地域間接続性評価手法を提案する。 我々は、地域境界がコミュニティの整合性に与える影響を評価するために、トポロジカルデータ分析とマルコフ・チェイン・モンテカルロ法を組み合わせる。
  論文  参考訳（メタデータ） (2024-07-28T16:50:45Z)
• Drawing Competitive Districts in Redistricting [1.5654305985353367]
  我々は、少なくとも一定数の競争地区で計画を描く問題について論じる。 競争地区での計画作成の課題は、非常に自然な例であってもNPハードであることが示される。 簡単な登山手順では、すべての地区が競争力のある現実の州で地区を見つけることができることを示す。
  論文  参考訳（メタデータ） (2024-04-17T00:09:41Z)
• Multiscale Parallel Tempering for Fast Sampling on Redistricting Plans [1.1233768932957773]
  説得力のある方法は、計画と中立に描画された再限定計画のアンサンブルを比較することである。 アンサンブルと所定の計画との党派差を監査するためには、非党派基準が一致していることを保証する必要がある。 本研究では,各スケールで局所移動を行うマルチスケール並列テンパリング手法を提案する。
  論文  参考訳（メタデータ） (2024-01-30T21:33:05Z)
• Proportional Fairness in Obnoxious Facility Location [70.64736616610202]
  この問題に対して,距離に基づく比例フェアネスの概念の階層構造を提案する。 決定論的かつランダムなメカニズムを考察し、比例フェアネスの価格に関する厳密な境界を計算する。 モデルの拡張が2つあることを示す。
  論文  参考訳（メタデータ） (2023-01-11T07:30:35Z)
• Spanning tree methods for sampling graph partitions [0.7658085223797904]
  分割プランはグラフの連結部分集合へのバランスの取れた分割と見なすことができる。 RevReComは、ReComが元々近似するために設計された単純で自然な分布に収束する。
  論文  参考訳（メタデータ） (2022-10-04T06:18:33Z)
• Mathematically Quantifying Non-responsiveness of the 2021 Georgia Congressional Districting Plan [3.097163558730473]
  並列テンパリング法とReComを併用したメトロポリケートサンプリング手法を応用した。 ジョージア州における地区計画の最初の事例研究を通じて、これらの改善を開拓する。 我々の分析では、ジョージア州の選挙は、この制定された計画の下で、確実に9人の共和党員と5人の民主党員を選出すると予想している。
  論文  参考訳（メタデータ） (2022-03-13T02:58:32Z)
• Supervised learning of sheared distributions using linearized optimal transport [64.53761005509386]
  本稿では,確率測度空間における教師付き学習課題について検討する。 最適輸送フレームワークを用いて確率測度の空間を$L2$空間に埋め込むことでこの問題に対処する。 正規の機械学習技術は線形分離性を達成するために使われる。
  論文  参考訳（メタデータ） (2022-01-25T19:19:59Z)
• Crowd Counting via Perspective-Guided Fractional-Dilation Convolution [75.36662947203192]
  本稿では,PFDNetと呼ばれる新しい畳み込みニューラルネットワークを用いた群集カウント手法を提案する。 連続スケールの変動をモデル化することにより、提案したPFDNetは、異なる空間位置に対応するための適切な分数拡張カーネルを選択することができる。 これは、個々の代表スケールのみを考慮した最先端技術の柔軟性を著しく向上させる。
  論文  参考訳（メタデータ） (2021-07-08T07:57:00Z)
• Partition-Guided GANs [63.980473635585234]
  私たちは、スペースを小さな領域に分割し、それぞれがよりシンプルな分布を持ち、各パーティションごとに異なるジェネレータを訓練するパーティションーを設計します。 これはラベルを必要とせずに教師なしの方法で実行される。 各種標準ベンチマーク実験の結果,提案手法が近年の手法を上回っていることがわかった。
  論文  参考訳（メタデータ） (2021-04-02T00:06:53Z)
• Receptive Multi-granularity Representation for Person Re-Identification [46.99913453669368]
  本稿では,ストライプに基づく特徴学習を容易にするために,受動的多粒性学習手法を提案する。 2分岐ネットワークアーキテクチャにより、識別的アイデンティティ表現のスケールが異なることが分かる。 本手法は, Market-1501 ベンチマークにおいて96.2%@Rank-1 または 90.0%@mAP の最先端精度を実現する。
  論文  参考訳（メタデータ） (2020-08-31T09:26:08Z)

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。