論文の概要: Strategic Facility Location with Clients that Minimize Total Waiting Time

• arxiv url: http://arxiv.org/abs/2211.14016v3
• Date: Thu, 13 Jun 2024 17:42:12 GMT
• ステータス: 処理完了
• システム内更新日: 2024-06-15 02:48:35.003969
• Title: Strategic Facility Location with Clients that Minimize Total Waiting Time
• Title（参考訳）: 待ち時間を最小限にしたクライアントによる戦略的施設配置
• Authors: Simon Krogmann, Pascal Lenzner, Alexander Skopalik,
• Abstract要約: 本研究では,非協調型施設位置ゲームにおいて,施設やクライアントが戦略的に行動する場所ゲームについて検討する。 サブゲーム完全平衡は、このゲームの全ての事例に存在せず、その存在はNPハードで決定できることを証明している。
• 参考スコア（独自算出の注目度）: 52.3893099287099
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: We study a non-cooperative two-sided facility location game in which facilities and clients behave strategically. This is in contrast to many other facility location games in which clients simply visit their closest facility. Facility agents select a location on a graph to open a facility to attract as much purchasing power as possible, while client agents choose which facilities to patronize by strategically distributing their purchasing power in order to minimize their total waiting time. Here, the waiting time of a facility depends on its received total purchasing power. We show that our client stage is an atomic splittable congestion game, which implies existence, uniqueness and efficient computation of a client equilibrium. Therefore, facility agents can efficiently predict client behavior and make strategic decisions accordingly. Despite that, we prove that subgame perfect equilibria do not exist in all instances of this game and that their existence is NP-hard to decide. On the positive side, we provide a simple and efficient algorithm to compute 3-approximate subgame perfect equilibria.
• Abstract（参考訳）: 本研究では,非協調型施設位置ゲームにおいて,施設やクライアントが戦略的に行動する場所ゲームについて検討する。 これは、クライアントが最も近い施設を単に訪問する他の多くの施設のロケーションゲームとは対照的である。 施設エージェントは、グラフ上の場所を選択して、できるだけ多くの購入力を惹きつける施設を開く一方、クライアントエージェントは、総待ち時間を最小限に抑えるために、購入力を戦略的に分配することで、どの施設を後援するかを選択する。 ここでは、施設の待ち時間は、受け取った総購入力に依存する。 クライアントステージはアトミックスプリッタブル・コンゴレーションゲームであり,クライアント平衡の存在,特異性,効率的な計算を暗示する。 したがって、施設エージェントは、クライアントの振る舞いを効率的に予測し、それに応じて戦略的決定を行うことができる。 それにもかかわらず、サブゲーム完全平衡がこのゲームの全ての事例に存在せず、それらの存在はNPハードで決定できることを証明している。 正の面では、3-近似サブゲーム完全平衡を計算するための単純で効率的なアルゴリズムを提供する。

関連論文リスト

• Emulating Full Client Participation: A Long-Term Client Selection Strategy for Federated Learning [48.94952630292219]
  本稿では,クライアントの完全参加によって達成されるパフォーマンスをエミュレートする新しいクライアント選択戦略を提案する。 1ラウンドで、クライアントサブセットとフルクライアントセット間の勾配空間推定誤差を最小化し、クライアントを選択する。 複数ラウンド選択において、類似したデータ分布を持つクライアントが選択される頻度に類似することを保証する、新しい個性制約を導入する。
  論文  参考訳（メタデータ） (2024-05-22T12:27:24Z)
• Equilibria in Two-Stage Facility Location with Atomic Clients [46.08471181378526]
  2種類のクライアントを持つ2段階のマルチエージェントシステムとして,競争力のある施設配置を検討する。 すべてのクライアント重みが同一であれば、純粋なサブゲーム完全平衡が常に存在することを示す。
  論文  参考訳（メタデータ） (2024-03-05T16:56:09Z)
• Federated Learning as a Network Effects Game [32.264180198812745]
  Federated Learning (FL) は、ローカルデータを直接共有することなく、機械学習の精度を向上させるために、多くのクライアント間のコラボレーションを促進することを目的としている。 実際には、クライアントは、特にプライバシや計算などの問題に関連する潜在的なコストを考慮して、FLに参加することの恩恵を受けないかもしれません。 私たちはFLにおけるクライアントの振る舞いをネットワークエフェクトゲームとしてモデル化し、各クライアントの利点はネットワークに参加する他のクライアントに依存します。
  論文  参考訳（メタデータ） (2023-02-16T19:10:12Z)
• How Bad is Selfish Driving? Bounding the Inefficiency of Equilibria in Urban Driving Games [64.71476526716668]
  我々は,任意の平衡選手がプレーに同意するであろう効率について検討する。 我々は、アナーキーの価格に関する既存の境界を洗練させる保証を得る。 提案手法はオープンループ軌道に対する懸念を保証しているが,エージェントがクローズドループポリシーを採用する場合においても,効率的な平衡を観測する。
  論文  参考訳（メタデータ） (2022-10-24T09:32:40Z)
• Two-Stage Facility Location Games with Strategic Clients and Facilities [50.12183574133361]
  我々は,施設と顧客の両方が戦略的かつ大きな影響を与える非協力的な施設位置ゲームについて検討する。 当社のモデルでは,各施設の場所は,顧客を引き寄せる集合体を持ち,各クライアントは,その消費能力に応じた一組のショッピングロケーションと重みを有する。 サブゲーム完全平衡が存在することを示し、アナーキーの価格と安定の価格にほぼ一定の境界を与える。
  論文  参考訳（メタデータ） (2021-05-04T11:27:09Z)
• Equilibria for Games with Combined Qualitative and Quantitative Objectives [15.590197778287616]
  我々は,各プレイヤーが独立して戦略的に行動することが想定されるプロセスである並行ゲームについて研究する。 我々の主な結果は、そのようなゲームにおける厳密なエプシロン・ナッシュ均衡の存在を決定することは2ExpTime完全であるということである。
  論文  参考訳（メタデータ） (2020-08-13T01:56:24Z)
• Efficient exploration of zero-sum stochastic games [83.28949556413717]
  ゲームプレイを通じて,ゲームの記述を明示せず,託宣のみにアクセス可能な,重要で一般的なゲーム解決環境について検討する。 限られたデュレーション学習フェーズにおいて、アルゴリズムは両方のプレイヤーのアクションを制御し、ゲームを学習し、それをうまくプレイする方法を学習する。 私たちのモチベーションは、クエリされた戦略プロファイルの支払いを評価するのにコストがかかる状況において、利用可能性の低い戦略を迅速に学習することにあります。
  論文  参考訳（メタデータ） (2020-02-24T20:30:38Z)

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。