論文の概要: Weighted Notions of Fairness with Binary Supermodular Chores

• arxiv url: http://arxiv.org/abs/2303.06212v1
• Date: Fri, 10 Mar 2023 21:21:53 GMT
• ステータス: 処理完了
• システム内更新日: 2023-03-14 20:23:46.629638
• Title: Weighted Notions of Fairness with Binary Supermodular Chores
• Title（参考訳）: 二元超モジュラー振付によるフェアネスの重み付き概念
• Authors: Vignesh Viswanathan and Yair Zick
• Abstract要約: 本稿では,二元的超モジュラーコスト関数を持つエージェント間での分別不能な雑用の問題について検討する。 言い換えれば、各コレは0ドルまたは1ドルという限界コストを持ち、コレは限界コストを増大させる。 このような評価関数のクラスを公平に割り当てるための一般的な枠組みを提案する。
• 参考スコア（独自算出の注目度）: 16.013563937696297
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: We study the problem of allocating indivisible chores among agents with binary supermodular cost functions. In other words, each chore has a marginal cost of $0$ or $1$ and chores exhibit increasing marginal costs (or decreasing marginal utilities). In this note, we combine the techniques of Viswanathan and Zick (2022) and Barman et al. (2023) to present a general framework for fair allocation with this class of valuation functions. Our framework allows us to generalize the results of Barman et al. (2023) and efficiently compute allocations which satisfy weighted notions of fairness like weighted leximin or min weighted $p$-mean malfare for any $p \ge 1$.
• Abstract（参考訳）: 二元超モジュラーコスト関数を持つエージェント間で不可分なコアを割り当てる問題について検討する。 言い換えれば、各コレは0ドルまたは1ドルという限界費用を持ち、コレは限界コストの増加(または限界効用率の減少)を示す。 本稿では,viswanathan と zick (2022) の手法と barman et al. (2023) の手法を組み合わせて,この評価関数のクラスを公平に割り当てるための汎用フレームワークを提案する。 私たちのフレームワークでは、barmanら(2023年)の結果を一般化し、重み付きレキシミンやminの重み付きモルファールのような公平さの重み付き概念を満たす割り当てを効率的に計算できます。

関連論文リスト

• Fairness in Monotone $k$-submodular Maximization: Algorithms and Applications [0.0]
  我々は、fair $k$submodular問題を研究し、実行時間$mathO(knB)$で$frac13$近似を開発する。 我々は$k$-submodular関数がアクセスできないが、ほぼアクセス可能な場合にのみ近似を保証する。
  論文  参考訳（メタデータ） (2024-11-08T04:20:12Z)
• 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)
• Refined Sample Complexity for Markov Games with Independent Linear Function Approximation [49.5660193419984]
  マルコフゲーム(MG)はマルチエージェント強化学習(MARL)の重要なモデルである 本稿では、WangらによるAVLPRフレームワークを改良し(2023年)、最適部分ギャップの悲観的推定を設計する。 マルチエージェントの呪いに取り組み、最適な$O(T-1/2)収束率を達成し、同時に$textpoly(A_max)$依存性を避ける最初のアルゴリズムを与える。
  論文  参考訳（メタデータ） (2024-02-11T01:51:15Z)
• Sample-Efficient Multi-Agent RL: An Optimization Perspective [103.35353196535544]
  一般関数近似に基づく汎用マルコフゲーム(MG)のためのマルチエージェント強化学習(MARL)について検討した。 汎用MGに対するマルチエージェントデカップリング係数(MADC)と呼ばれる新しい複雑性尺度を導入する。 我々のアルゴリズムは既存の研究に匹敵するサブリニアな後悔を与えることを示す。
  論文  参考訳（メタデータ） (2023-10-10T01:39:04Z)
• Online Learning with Knapsacks: the Best of Both Worlds [54.28273783164608]
  オンライン学習の課題として,意思決定者が,リソース制約の有限セットに違反することなく,期待する報酬を最大化したい,という課題を提起する。 当社のフレームワークは,意思決定者がそのエビデンスを柔軟かつコスト論的に扱えるようにします。
  論文  参考訳（メタデータ） (2022-02-28T12:10:48Z)
• Top $K$ Ranking for Multi-Armed Bandit with Noisy Evaluations [102.32996053572144]
  我々は,各ラウンドの開始時に,学習者が各アームの真の報酬について,ノイズのない独立した評価を受けるマルチアームバンディット・セッティングを考える。 評価の方法によって異なるアルゴリズムアプローチと理論的保証を導出する。
  論文  参考訳（メタデータ） (2021-12-13T09:48:54Z)
• A Model Selection Approach for Corruption Robust Reinforcement Learning [33.39130388569606]
  我々は,移行と報酬の両面において,敵対的腐敗を伴う強化学習に取り組むためのモデル選択手法を開発した。 我々のアルゴリズムは、$widetildemathcalO(minfrac1Delta, sqrtT+C)$で、$T$はエピソード数、$C$は腐敗の総量、$Delta$はベストとセカンドベストのポリシーの報酬ギャップである。
  論文  参考訳（メタデータ） (2021-10-07T15:59:01Z)
• Permutation Compressors for Provably Faster Distributed Nonconvex Optimization [68.8204255655161]
  本稿では,Gorbunov et al (2021) の MARINA 法が,理論的な通信複雑性の観点から最先端の手法とみなすことができることを示す。 MARINAの理論は、古典的な独立圧縮機設定を超えて、潜在的にエミュレートされた圧縮機の理論を支持するものである。
  論文  参考訳（メタデータ） (2021-10-07T09:38:15Z)
• On the price of explainability for some clustering problems [1.52292571922932]
  我々は,決定木を用いて説明可能性を実現する自然モデルに対して,上下境界を提供する。 k$-means と $k$-medians の問題に対して、上限は [moshkovitz et.] によって得られる問題を改善する。 低次元のための al, ICML 20]。 もう1つの貢献は、$k$-means問題に対する説明可能なクラスタリングを構築するための単純で効率的なアルゴリズムである。
  論文  参考訳（メタデータ） (2021-01-05T15:08:25Z)
• Budget-Constrained Bandits over General Cost and Reward Distributions [32.63624728528415]
  我々は,各アームがランダムなコストを発生させ,その見返りにランダムな報酬を与える,予算制約付きバンディット問題を考える。 ある$gamma > 0$ に対して位数 $(2+gamma)$ のモーメントが存在するならば、$O(log B)$ regret は予算 $B>0$ に対して達成可能である。
  論文  参考訳（メタデータ） (2020-02-29T23:50:08Z)

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。