論文の概要: Favoring Eagerness for Remaining Items: Achieving Efficient and Fair Assignments

• arxiv url: http://arxiv.org/abs/2109.08856v1
• Date: Sat, 18 Sep 2021 07:00:04 GMT
• ステータス: 処理完了
• システム内更新日: 2021-09-21 16:16:05.252241
• Title: Favoring Eagerness for Remaining Items: Achieving Efficient and Fair Assignments
• Title（参考訳）: 残り物に対する嫌悪感:効率的かつ公平な割り当てを達成する
• Authors: Xiaoxi Guo, Sujoy Sikdar, Lirong Xia, Hanpin Wang, and Yongzhi Cao
• Abstract要約: より高位を好むために、微妙に異なる概念に基づいて、効率の新たな特性を提案する。 具体的には,前投稿前投稿前投稿前投稿後投稿後投稿後投稿前投稿後投稿後投稿後投稿後投稿後投稿後投稿後投稿後投稿後投稿後投稿後投稿後投稿後投稿後投稿後投稿後投稿後投稿後投稿後投稿後投稿後投稿後投稿後投稿後投稿後投稿後投稿後投稿後投稿後投稿後投稿後投稿後投稿後投稿前投稿後投稿後投稿前投稿前投稿前投稿前投稿前投稿前投稿後投稿後投稿前投稿前投稿前投稿前投稿前投稿後投稿後投稿前投稿後投稿後投稿後投稿後投稿後投稿後投稿後投稿後投稿後投稿後投稿後投稿後投稿後投稿後表示後投稿後投稿後投稿後投稿後投稿後投稿後投稿後投稿後投稿後投稿後投稿後投稿後投稿後投稿後投稿
• 参考スコア（独自算出の注目度）: 34.62857280111384
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: In the assignment problem, items must be assigned to agents who have unit demands, based on agents' ordinal preferences. Often the goal is to design a mechanism that is both fair and efficient. In this paper, we first prove that, unfortunately, the desirable efficiency notions rank-maximality, ex-post favoring-higher-ranks, and ex-ante favoring-higher-ranks, which aim to allocate each item to agents who rank it highest over all the items, are incompatible with the desirable fairness notions strong equal treatment of equals (SETE) and sd-weak-envy-freeness (sd-WEF) simultaneously. In light of this, we propose novel properties of efficiency based on a subtly different notion to favoring higher ranks, by favoring "eagerness" for remaining items and aiming to guarantee that each item is allocated to agents who rank it highest among remaining items. Specifically, we propose ex-post favoring-eagerness-for-remaining-items (ep-FERI) and ex-ante favoring-eagerness-for-remaining-items (ea-FERI). We prove that the eager Boston mechanism satisfies ep-FERI and sd-WSP and that the uniform probabilistic respecting eagerness mechanism satisfies ea-FERI. We also prove that both mechanisms satisfy SETE and sd-WEF, and show that no mechanism can satisfy stronger versions of envy-freeness and strategyproofness while simultaneously maintaining SETE, and either ep-FERI or ea-FERI.
• Abstract（参考訳）: 割り当て問題では、アイテムは、エージェントの順序選択に基づいて、単位要求を持つエージェントに割り当てられなければならない。 多くの場合、目標は公平かつ効率的なメカニズムを設計することです。 本稿では、まず、各項目を最高位にランク付けするエージェントに割り当てることを目的とした、ランク最大性、元ポスト優越性、元アンテ優越性といった望ましい効率概念が、SETEとsd-weak-envy-freeness(sd-WEF)を同時に扱うという望ましい公平性概念とは相容れないことを証明した。 そこで我々は,各項目が最上位のエージェントに割り当てられることを保証することを目的として,上位の項目に優良さを優先して,下位の項目を優先するという,微妙に異なる概念に基づく効率性の新たな特性を提案する。 具体的には,ea-FERI(ep-FERI)とex-ante(ea-FERI)を提案する。 ボストンの運動機構がep-FERIとsd-WSPを満足し、均一な確率論的尊敬機構がea-FERIを満足していることを証明する。 また,両機構がSETEおよびsd-WEFを満たすことを証明し,SETEとea-FERIの双方を同時に維持しながら,エンビーフリーネスとストラテジーセーフネスの強いバージョンを満足できるメカニズムは存在しないことを示した。

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)
• First-Choice Maximality Meets Ex-ante and Ex-post Fairness [33.992491196317744]
  我々は、第一選択(FCM)を満たすランダム化機構、すなわち、第一選択を割り当てるエージェントの数を最大化する機構を設計する。 我々のメカニズムは、元アンティーと元ポストフェアネスの保証も提供する。
  論文  参考訳（メタデータ） (2023-05-08T09:57:30Z)
• 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)
• Strategyproof and Proportionally Fair Facility Location [77.16035689756859]
  簡単な1次元集団決定問題(しばしば施設配置問題と呼ばれる)に焦点を当てる。 比例に基づく様々な強度のフェアネス公理の階層構造を解析する。 各公理に対して、公理と戦略の安全性を満足するメカニズムのファミリーを特徴付ける。
  論文  参考訳（メタデータ） (2021-11-02T12:41:32Z)
• 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)
• Allocating Indivisible Goods to Strategic Agents: Pure Nash Equilibria and Fairness [16.187873844872637]
  付加価値関数を持つ戦略エージェントの集合に、分割不可能な商品の集合をかなり割り当てるという問題を考察する。 我々の主なゴールは、全てのインスタンスに純粋なナッシュ平衡を持つメカニズムが存在するかどうかを探ることである。 対応するアロケーションは EFX だけでなく、最大シェアフェアネスも満足していることを示します。
  論文  参考訳（メタデータ） (2021-09-17T16:57:20Z)
• The Emergence of Individuality [33.4713690991284]
  マルチエージェント強化学習(MARL)における個人性(EOI)の出現の簡易かつ効率的な方法を提案する。 EOIは、観測されたエージェント上の確率分布を予測する確率的分類器を学習する。 EOIは, 様々なマルチエージェント協調シナリオにおいて, 既存手法を著しく上回っていることを示す。
  論文  参考訳（メタデータ） (2020-06-10T14:11:21Z)
• 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。