論文の概要: Fairness based Multi-Preference Resource Allocation in Decentralised Open Markets

• arxiv url: http://arxiv.org/abs/2109.00207v1
• Date: Wed, 1 Sep 2021 06:29:06 GMT
• ステータス: 処理完了
• システム内更新日: 2021-09-02 14:06:51.644043
• Title: Fairness based Multi-Preference Resource Allocation in Decentralised Open Markets
• Title（参考訳）: 分散オープンマーケットにおける公平性に基づく多元的資源配分
• Authors: Pankaj Mishra, Ahmed Moustafa, and Takayuki Ito
• Abstract要約: 本稿では,リバース・オークション・パラダイムを用いた3段階の資源配分手法を提案する。 最初のステップでは、提案された優先順位機構に基づいて、各入札業者に優先順位ラベルを付ける。 第2のステップでは、購入者のさまざまな好みのすべてに対して、選好スコアが算出される。
• 参考スコア（独自算出の注目度）: 8.516527663732617
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: In this work, we focus on resource allocation in a decentralised open market. In decentralised open markets consists of multiple vendors and multiple dynamically-arriving buyers, thus makes the market complex and dynamic. Because, in these markets, negotiations among vendors and buyers take place over multiple conflicting issues such as price, scalability, robustness, delay, etc. As a result, optimising the resource allocation in such open markets becomes directly dependent on two key decisions, which are; incorporating a different kind of buyers' preferences, and fairness based vendor elicitation strategy. Towards this end, in this work, we propose a three-step resource allocation approach that employs a reverse-auction paradigm. At the first step, priority label is attached to each bidding vendor based on the proposed priority mechanism. Then, at the second step, the preference score is calculated for all the different kinds of preferences of the buyers. Finally, at the third step, based on the priority label of the vendor and the preference score winner is determined. Finally, we compare the proposed approach with two state-of-the-art resource pricing and allocation strategies. The experimental results show that the proposed approach outperforms the other two resource allocation approaches in terms of the independent utilities of buyers and the overall utility of the open market.
• Abstract（参考訳）: 本研究では,分散オープンマーケットにおける資源配分に着目した。 分散オープンマーケットは複数のベンダーと複数の動的買い手で構成されており、市場を複雑でダイナミックにする。 これらの市場では、価格、スケーラビリティ、堅牢性、遅延など、複数の相反する問題に関してベンダーと買い手の間で交渉が行われる。 その結果、こうした公開市場における資源配分の最適化は、異なる種類の購入者の好みを取り入れ、公正に基づくベンダーの勧誘戦略という、2つの重要な決定に直接依存することになる。 本稿では,この目的に向けて,逆計算パラダイムを用いた3段階の資源割当手法を提案する。 第1段階では、提案する優先機構に基づいて各入札ベンダーに優先ラベルを付加する。 そして、第2のステップでは、購入者のさまざまな好みのすべてに対して選好スコアを算出する。 最後に、第3のステップで、ベンダーの優先順位ラベルと選好スコア勝者とに基づいて決定する。 最後に,提案手法を2つの最先端リソース価格と割り当て戦略と比較する。 実験の結果,提案手法は他の2つの資源配分手法よりも,購入者の独立したユーティリティとオープンマーケット全体のユーティリティに優れていた。

関連論文リスト

• Evaluating the Impact of Multiple DER Aggregators on Wholesale Energy Markets: A Hybrid Mean Field Approach [2.0535683313855055]
  地域エネルギー市場への分散エネルギー資源の統合は、グリッドの柔軟性を大幅に向上させ、市場効率を向上し、より持続可能なエネルギーの未来に貢献することができる。 我々は、複数のDERアグリゲータを特徴とする市場モデルについて検討し、それぞれがDERリソースのポートフォリオを制御し、DER資産所有者に代わって市場への入札を行う。 本稿では,MFGフレームワーク内で各エージェントが最適な戦略を学習し,市場状況や不確実性に適応する能力を向上させるための強化学習(RL)手法を提案する。
  論文  参考訳（メタデータ） (2024-08-27T14:56:28Z)
• 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)
• Learning to Maximize Gains From Trade in Small Markets [6.204762177970342]
  両面市場(ダブルオークション)をインセンティブの整合性と予算バランスの制約の下で設計する問題について検討する。 この結果は,1つの売り手と2つの買い手の間でも相関した値の分布の場合の一般的な不可能性である。 2つ目は、独立分布の場合、1つの売り手と2つの買い手のための効率的な学習アルゴリズムです。
  論文  参考訳（メタデータ） (2024-01-21T20:57:12Z)
• ZeroSwap: Data-driven Optimal Market Making in DeFi [23.671367118750872]
  AMM(Automated Market Makers)は、分散金融における流動性供給と需要に合致する主要なセンターである。 本稿では,アセットの外部価格を最適に追跡する,最初の最適ベイズアルゴリズムとモデルフリーなデータ駆動アルゴリズムを提案する。
  論文  参考訳（メタデータ） (2023-10-13T21:28:19Z)
• No-Regret Learning in Two-Echelon Supply Chain with Unknown Demand Distribution [48.27759561064771]
  我々は[Cachon and Zipkin, 1999]で導入された2つのエケロンサプライチェーンモデルについて, 2つの異なる設定で検討する。 両設定の最適在庫決定に対する後悔と収束の両面において良好な保証を達成するアルゴリズムを設計する。 私たちのアルゴリズムは、オンライングラディエントDescentとOnline Newton Stepをベースとしています。
  論文  参考訳（メタデータ） (2022-10-23T08:45:39Z)
• Deep Q-Learning Market Makers in a Multi-Agent Simulated Stock Market [58.720142291102135]
  本稿では,エージェント・ベースの観点から,これらのマーケット・メーカーの戦略に関する研究に焦点をあてる。 模擬株式市場における知的市場マーカー作成のための強化学習(Reinforcement Learning, RL)の適用を提案する。
  論文  参考訳（メタデータ） (2021-12-08T14:55:21Z)
• An Artificial Intelligence Framework for Bidding Optimization with Uncertainty inMultiple Frequency Reserve Markets [0.32622301272834525]
  周波数プリザーブは、電力グリッドの周波数偏差に反応するために、電力生産または消費をリアルタイムで調整するリソースです。 多段階市場における価格ピークを生かした入札戦略を3つ提案する。 また、これらの3つの戦略を実装するAIベースの入札最適化フレームワークを提案する。
  論文  参考訳（メタデータ） (2021-04-05T12:04:29Z)
• Learning Strategies in Decentralized Matching Markets under Uncertain Preferences [91.3755431537592]
  エージェントの選好が不明な場合,共有資源の不足の設定における意思決定の問題について検討する。 我々のアプローチは、再生されたカーネルヒルベルト空間における好みの表現に基づいている。 エージェントの期待した利益を最大化する最適な戦略を導出する。
  論文  参考訳（メタデータ） (2020-10-29T03:08:22Z)
• 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)
• A Deep Reinforcement Learning Framework for Continuous Intraday Market Bidding [69.37299910149981]
  再生可能エネルギー源統合の成功の鍵となる要素は、エネルギー貯蔵の利用である。 欧州の継続的な日内市場におけるエネルギー貯蔵の戦略的関与をモデル化するための新しい枠組みを提案する。 本アルゴリズムの分散バージョンは, サンプル効率のため, この問題を解決するために選択される。 その結果, エージェントは, ベンチマーク戦略よりも平均的収益率の高い政策に収束することが示唆された。
  論文  参考訳（メタデータ） (2020-04-13T13:50:13Z)

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。