論文の概要: Collective discrete optimisation as judgment aggregation
- arxiv url: http://arxiv.org/abs/2112.00574v1
- Date: Wed, 1 Dec 2021 15:40:23 GMT
- ステータス: 処理完了
- システム内更新日: 2021-12-02 15:29:08.669202
- Title: Collective discrete optimisation as judgment aggregation
- Title(参考訳): 判断集約としての集団離散最適化
- Authors: Linus Boes and Rachael Colley and Umberto Grandi and Jerome Lang and
Arianna Novaro
- Abstract要約: 例えば、参加予算はknapsack問題の集合バージョンである。
他の例としては、集合的なスケジューリングや集合的なスパンニングツリーがある。
我々は、重み付き問題による判断集約の統一的な枠組みでそれらを表現し、解決することを提案する。
- 参考スコア(独自算出の注目度): 5.4903333042180495
- License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
- Abstract: Many important collective decision-making problems can be seen as multi-agent
versions of discrete optimisation problems. Participatory budgeting, for
instance, is the collective version of the knapsack problem; other examples
include collective scheduling, and collective spanning trees. Rather than
developing a specific model, as well as specific algorithmic techniques, for
each of these problems, we propose to represent and solve them in the unifying
framework of judgment aggregation with weighted issues. We provide a modular
definition of collective discrete optimisation (CDO) rules based on coupling a
set scoring function with an operator, and we show how they generalise several
existing procedures developed for specific CDO problems. We also give an
implementation based on integer linear programming (ILP) and test it on the
problem of collective spanning trees.
- Abstract(参考訳): 多くの重要な集団決定問題は、離散最適化問題のマルチエージェント版と見なすことができる。
参加型予算設定は、例えば、クナプサック問題の集合バージョンであり、その他の例として、集合的スケジューリングや集合的散在木がある。
これらの各問題に対して,特定のモデルやアルゴリズム手法を開発するのではなく,重み付き問題を伴う判断集約の統一的な枠組みでそれらを表現し,解決することを提案する。
我々は,集合的離散最適化(cdo)ルールのモジュラー定義を,集合スコアリング関数と演算子の結合に基づいて提供し,特定のcdo問題に対して開発された既存の手順を一般化する方法を示す。
また,整数線形計画法 (ilp) に基づく実装を提案し,集合的スパンディングツリーの問題について検証する。
関連論文リスト
- UCB-driven Utility Function Search for Multi-objective Reinforcement Learning [75.11267478778295]
マルチオブジェクト強化学習(MORL)エージェントでは、意思決定行動の最適化を行う。
重みベクトル w でパラメータ化される線型効用関数の場合に焦点を当てる。
学習過程の異なる段階で最も有望な重みベクトルを効率的に探索する上信頼境界に基づく手法を提案する。
論文 参考訳(メタデータ) (2024-05-01T09:34:42Z) - On the Complexity of Multi-Agent Decision Making: From Learning in Games
to Partial Monitoring [105.13668993076801]
マルチエージェント強化学習(MARL)理論における中心的な問題は、構造条件やアルゴリズムの原理がサンプル効率の学習保証につながるかを理解することである。
本稿では,複数のエージェントを用いた対話型意思決定のための一般的な枠組みとして,この問題について考察する。
マルチエージェント意思決定における統計的複雑性を特徴付けることは、単一エージェント決定の統計的複雑性を特徴付けることと等価であることを示す。
論文 参考訳(メタデータ) (2023-05-01T06:46:22Z) - Consistent Multiclass Algorithms for Complex Metrics and Constraints [38.6998359999636]
この設定には、マルチクラスG平均やマイクロF1測定など、多くの一般的なパフォーマンス指標が含まれている。
このような複雑な設計目標のための一貫したアルゴリズムのための一般的なフレームワークを提供する。
様々なクラス分類タスクと公正制約のある問題の実験により、我々のアルゴリズムは最先端のベースラインと良好に比較できることを示した。
論文 参考訳(メタデータ) (2022-10-18T09:09:29Z) - An attention model for the formation of collectives in real-world
domains [78.1526027174326]
本研究では,サステナブル開発目標に沿った実世界のアプリケーションにエージェントの集合を形成することの問題点を考察する。
本稿では,注目モデルと整数線形プログラムの新たな組み合わせに基づく集合形成のための一般的な手法を提案する。
論文 参考訳(メタデータ) (2022-04-30T09:15:36Z) - Optimal Clustering with Bandit Feedback [57.672609011609886]
本稿では,バンディットフィードバックを用いたオンラインクラスタリングの問題点について考察する。
これは、NPハード重み付きクラスタリング問題をサブルーチンとして解決する必要性を回避するための、シーケンシャルなテストのための新しい停止規則を含む。
合成および実世界のデータセットの広範なシミュレーションを通して、BOCの性能は下界と一致し、非適応的ベースラインアルゴリズムよりも大幅に優れることを示す。
論文 参考訳(メタデータ) (2022-02-09T06:05:05Z) - Gradient Based Clustering [72.15857783681658]
本稿では,クラスタリングの品質を計測するコスト関数の勾配を用いて,距離に基づくクラスタリングの一般的な手法を提案する。
アプローチは反復的な2段階の手順(クラスタ割り当てとクラスタセンターのアップデートの代替)であり、幅広い機能に適用できる。
論文 参考訳(メタデータ) (2022-02-01T19:31:15Z) - Personalized Federated Learning via Convex Clustering [72.15857783681658]
本稿では,局所凸型ユーザコストを用いた個人化フェデレーション学習のためのアルゴリズム群を提案する。
提案するフレームワークは,異なるユーザのモデルの違いをペナル化する凸クラスタリングの一般化に基づいている。
論文 参考訳(メタデータ) (2022-02-01T19:25:31Z) - Joint Continuous and Discrete Model Selection via Submodularity [1.332560004325655]
機械学習のモデル選択問題では、意味のある構造を持つ優れたモデルに対する欲求は、典型的には正規化された最適化問題によって表される。
しかし、多くのシナリオでは、数値的に意味のある構造が離散空間において特定され、難しい非最適化問題を引き起こす。
我々は、ロバスト最適化によって動機づけられた特定の問題クラスに対して、単純な連続的あるいは離散的な制約をいかに扱うかを示す。
論文 参考訳(メタデータ) (2021-02-17T21:14:47Z) - Population-Based Methods: PARTICLE SWARM OPTIMIZATION -- Development of
a General-Purpose Optimizer and Applications [0.0]
この論文は、不等式制約を受ける連続、静的、単目的の最適化問題に関係している。
粒子群最適化のパラダイムは、社会で観察された協調行動の以前のシミュレーションから着想を得たものである。
論文 参考訳(メタデータ) (2021-01-25T09:36:25Z) - Kernel Methods for Cooperative Multi-Agent Contextual Bandits [15.609414012418043]
協調的マルチエージェント意思決定は、遅延のあるネットワーク上で通信しながら、学習問題を協調的に解決するエージェントのグループを含む。
エージェントが得られる報酬は、関連するカーネル再生ヒルベルト空間(RKHS)におけるコンテキストのイメージの任意の線形関数である。
我々は, 年齢ごとの後悔に対して, ほぼ最適境界を与えるアルゴリズムであるtextscCoop- KernelUCBを提案する。
論文 参考訳(メタデータ) (2020-08-14T07:37:44Z) - Bayesian preference elicitation for multiobjective combinatorial
optimization [12.96855751244076]
DM(Decision Maker)のノイズ応答に対処できる新しいインクリメンタルな選好推論手法を提案する。
DMの選好はパラメータが未知の集約関数で表され、その不確実性はパラメータ空間上の密度関数で表されると仮定する。
論文 参考訳(メタデータ) (2020-07-29T12:28:37Z)
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。