論文の概要: Proportional Fair Division of Multi-layered Cakes
- arxiv url: http://arxiv.org/abs/2208.00726v1
- Date: Mon, 1 Aug 2022 10:22:48 GMT
- ステータス: 処理完了
- システム内更新日: 2022-08-02 14:28:57.680155
- Title: Proportional Fair Division of Multi-layered Cakes
- Title(参考訳): 多層ケーキの比例フェア分割
- Authors: Mohammad Azharuddin Sanpui
- Abstract要約: 連続性や実現可能性の制約を満たす選好数を持つ任意のエージェントに対して、比例的マルチアロケーションが存在することを示す。
2種類の嗜好を持つ3つのエージェントに対して、実現可能性と整合性の制約を満たす、うらやましい自由なマルチアロケーションが常に得られます。
- 参考スコア(独自算出の注目度): 0.0
- License: http://creativecommons.org/licenses/by/4.0/
- Abstract: We study the multi-layered cake cutting problem, where the multi-layered cake
is divided among agents proportionally. This problem was initiated by Hosseini
et al.(2020) under two constraints, one is contiguity and the other is
feasibility. Basically we will show the existence of proportional
multi-allocation for any number of agents with any number of preferences that
satisfies contiguity and feasibility constraints using the idea of switching
point for individual agent and majority agents. First we show that exact
feasible multi-allocation is guaranteed to exist for two agents with two types
of preferences. Second we see that we always get an envy-free multi-allocation
that satisfies the feasibility and contiguity constraints for three agent with
two types of preferences such that each agent has a share to each layer even
without the knowledge of the unique preference of the third agent.
- Abstract(参考訳): 本研究では,多層ケーキをエージェントに比例して分割する多層ケーキ切断問題について検討する。
この問題はHosseiniらによって始められた。
(2020) 二つの制約の下では、一方が連続性、もう一方が実現可能である。
基本的に、各エージェントと多数エージェントの切り替え点という概念を用いて、相性や実現可能性の制約を満たす任意の数の選好を持つエージェントに対して比例多重配置が存在することを示す。
まず、2種類の選好を持つ2つのエージェントに対して、正確なマルチアロケーションが保証されることを示す。
第二に, 3 種類の選好を持つエージェントに対して, 3 番目のエージェントのユニークな選好の知識がなくても,各エージェントが各レイヤにシェアを持つように, 実現可能性と連続性の制約を満たす, エンビーフリーなマルチアロケーションが常に得られることがわかった。
関連論文リスト
- Skipping Computations in Multimodal LLMs [63.29737699997859]
本研究では,マルチモーダル大言語モデル(MLLM)における推論時の冗長性について検討する。
ブロック全体,FFN,自己保持層をスキップするなど,計算をスキップするさまざまな手法を提案する。
本研究は,推定時に大量の計算を回避できることを実証した。
論文 参考訳(メタデータ) (2024-10-12T09:21:45Z) - On the Resilience of LLM-Based Multi-Agent Collaboration with Faulty Agents [58.79302663733703]
大規模言語モデルに基づくマルチエージェントシステムは、専門家エージェントの協力により、様々なタスクにまたがる優れた能力を示している。
しかし、不器用なエージェントや悪意のあるエージェントがシステム全体のパフォーマンスに与える影響は、まだ解明されていない。
本稿では, 種々のシステム構造の耐震性について考察する。
論文 参考訳(メタデータ) (2024-08-02T03:25:20Z) - Carrying over algorithm in transformers [0.0]
オーバーアルゴリズムは2つのタスクから構成される:同じ位置に桁を追加し、必要に応じて1つ以上を運ぶ。
本研究では、トランスモデルがこのアルゴリズムをどのように実装し、上記の2つのタスクがネットワークの異なる部分にどのように割り当てられるかを検討する。
論文 参考訳(メタデータ) (2024-01-15T22:36:11Z) - Scalable Multi-Agent Reinforcement Learning with General Utilities [30.960413388976438]
汎用性を備えた拡張型マルチエージェント強化学習(MARL)について検討する。
目的は、チーム内の各エージェントの完全な可観測性なしに、チームのローカルユーティリティ関数の平均を最大化する、ローカライズされたポリシーを見つけることである。
これは、完全な可観測性を必要としない汎用性を持つマルチエージェントRLに関する文献の最初の結果である。
論文 参考訳(メタデータ) (2023-02-15T20:47:43Z) - MALib: A Parallel Framework for Population-based Multi-agent
Reinforcement Learning [61.28547338576706]
人口ベースマルチエージェント強化学習(PB-MARL)は、強化学習(RL)アルゴリズムでネストした一連の手法を指す。
PB-MARLのためのスケーラブルで効率的な計算フレームワークMALibを提案する。
論文 参考訳(メタデータ) (2021-06-05T03:27:08Z) - Sliced Multi-Marginal Optimal Transport [21.82052188474956]
複数の測度間の相違を定義できる最適輸送の一般化であるマルチマルジナル最適輸送について検討する。
分割されたマルチマルジナル不一致の計算は、多くの確率測度に対して非常にスケーラブルであり、最大107ドルのサンプルをサポートすることを示す。
論文 参考訳(メタデータ) (2021-02-14T09:58:47Z) - Thompson sampling for linear quadratic mean-field teams [3.957353452014781]
エージェント間で動的およびコストが結合される未知のマルチエージェント線形二次系(LQ)の最適制御について検討する。
我々は,システムモデルの構造を活かした新しいトンプソンサンプリング学習アルゴリズムを提案し,時間軸に異なる種類のエージェントを持つシステムに対してベイズが提案したアルゴリズムを,エージェントの総数に関係なく$T$ is $tildemathcalO big( |M|1.5 sqrtT big)$で後悔していることを示す。
論文 参考訳(メタデータ) (2020-11-09T19:07:32Z) - From Two-Class Linear Discriminant Analysis to Interpretable Multilayer
Perceptron Design [31.446335485087758]
2クラス線形判別式解析(LDA)における閉形式解の存在
多層パーセプトロン(MLP)を2クラスLDAシステムの一般化として解釈する。
フィードフォワードのワンパス方式でネットワークアーキテクチャと全フィルタ重みを指定できる自動設計を提案する。
論文 参考訳(メタデータ) (2020-09-09T17:43:39Z) - On the Theory of Transfer Learning: The Importance of Task Diversity [114.656572506859]
一般的な関数クラス$mathcalF circ MathcalH$において、$f_j circ h$という形の関数によってパラメータ化される$t+1$タスクを考える。
多様なトレーニングタスクに対して、最初の$t$のトレーニングタスク間で共有表現を学ぶのに必要なサンプルの複雑さが、$C(mathcalH) + t C(mathcalF)$であることを示す。
論文 参考訳(メタデータ) (2020-06-20T20:33:59Z) - FANOK: Knockoffs in Linear Time [73.5154025911318]
本稿では,ガウスモデル-Xノックオフを効率的に実装し,大規模特徴選択問題における誤発見率を制御するアルゴリズムについて述べる。
当社のメソッドは、最大50,000ドルという問題でテストしています。
論文 参考訳(メタデータ) (2020-06-15T21:55:34Z) - Dynamic Multi-Robot Task Allocation under Uncertainty and Temporal
Constraints [52.58352707495122]
本稿では,不確実性およびマルチエージェント協調の下での逐次意思決定における重要な計算課題を分離するマルチロボット割当アルゴリズムを提案する。
都市におけるマルチアームコンベヤベルトピック・アンド・プレイスとマルチドローン配送ディスパッチの2つの異なる領域における広範囲なシミュレーション結果について検証を行った。
論文 参考訳(メタデータ) (2020-05-27T01:10:41Z)
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。