論文の概要: Externalities in Chore Division
- arxiv url: http://arxiv.org/abs/2303.12446v1
- Date: Wed, 22 Mar 2023 10:30:51 GMT
- ステータス: 処理完了
- システム内更新日: 2023-03-23 14:23:47.726618
- Title: Externalities in Chore Division
- Title(参考訳): 雑用課の外部性
- Authors: Mohammad Azharuddin Sanpui
- Abstract要約: 雑用分割問題は、複数のエージェントの間で不均一な望ましくないリソースの公平な分割をシミュレートする。
公平な分割問題では、各エージェントは自身のピースからのみ値を取得する。
しかし、エージェントは、他のエージェントに渡された断片にも関心を持つかもしれない。
- 参考スコア(独自算出の注目度): 0.0
- License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
- Abstract: The chore division problem simulates the fair division of a heterogeneous
undesirable resource among several agents. In the fair division problem, each
agent only gains value from its own piece. Agents may, however, also be
concerned with the pieces given to other agents; these externalities naturally
appear in fair division situations. Branzei et ai. (Branzei et al., IJCAI 2013)
generalize the classical ideas of proportionality and envy-freeness while
extending the classical model to account for externalities.
- Abstract(参考訳): 雑用分割問題は、複数のエージェントの間で不均一な望ましくないリソースの公平な分割をシミュレートする。
公平分割問題では、各エージェントは自身のピースからのみ値を取得する。
しかし、エージェントは、他のエージェントに与えられたピースにも関心を持ち、これらの外部性は、当然公平な分割状況に現れる。
Branzei et ai
(Branzei et al., IJCAI 2013) は、古典的なモデルを拡張して外見を考慮しつつ、古典的な比例性や妬みのないアイデアを一般化している。
関連論文リスト
- Invariant Causal Set Covering Machines [64.86459157191346]
決定木のようなルールベースのモデルは、解釈可能な性質のために実践者にアピールする。
しかし、そのようなモデルを生成する学習アルゴリズムは、しばしば刺激的な関連に弱いため、因果関係の洞察を抽出することが保証されていない。
Invariant Causal Set Covering Machines は、古典的集合被覆マシンアルゴリズムの拡張であり、二値ルールの結合/分離を可能とし、スプリアス関係を確実に回避する。
論文 参考訳(メタデータ) (2023-06-07T20:52:01Z) - Causality Inspired Representation Learning for Domain Generalization [47.574964496891404]
本稿では、ドメイン一般化問題を形式化する一般的な構造因果モデルを提案する。
我々の目標は、入力から因果因子を抽出し、不変因果機構を再構築することである。
理想的な因果因子は、非因果的要因から分離され、共同独立であり、分類に十分な因果的要因である。
論文 参考訳(メタデータ) (2022-03-27T08:08:33Z) - 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) - Improving Social Welfare While Preserving Autonomy via a Pareto Mediator [15.10019081251098]
エージェントが自身のアクションを選択したり、中央のメディエーターにアクションを委譲したりできるドメインでは、オープンな質問は、エージェントを委譲する代わりに仲介者がどのようにアクションをとるべきかである。
既存のアプローチでは、デリゲートエージェントを使用して非デリゲートエージェントを罰し、すべてのエージェントを委譲しようとする。
エージェントを悪化させることなく、エージェントの委譲結果を改善することを目的としたPareto Mediatorを導入する。
論文 参考訳(メタデータ) (2021-06-07T19:34:42Z) - A mechanism of Individualistic Indirect Reciprocity with internal and
external dynamics [0.0]
本研究は,エージェントの態度に着目した Nowak モデルと Sigmund モデルの新しい変種を提案する。
エージェントベースモデルとデータサイエンス手法を用いて,エージェントの識別的スタンスがほとんどの場合優位であることを示す。
また, 他者の評判が不明な場合には, 不均一性が高く, 協力需要が高い場合には, 異種社会が得られることも示唆した。
論文 参考訳(メタデータ) (2021-05-28T23:28:50Z) - PROPm Allocations of Indivisible Goods to Multiple Agents [3.361550072563245]
本稿では,エージェント群間の不特定商品の集合を適切に割り当てる古典的問題を考察し,PROPmとして知られる近似比例性の概念に着目した。
PROPm割り当ては、エージェントや商品の数によらず、すべてのインスタンスに対して存在することが保証されていることを示す。
論文 参考訳(メタデータ) (2021-05-24T15:34:33Z) - Provably Strict Generalisation Benefit for Equivariant Models [1.332560004325655]
不変/等価であるモデルのエンジニアリングは一般化を改善すると広く信じられている。
本稿では,不変/等価モデルに対する一般化における最初の非ゼロ改善について述べる。
論文 参考訳(メタデータ) (2021-02-20T12:47:32Z) - Learning to Incentivize Other Learning Agents [73.03133692589532]
我々は、学習インセンティブ関数を用いて、RLエージェントに他のエージェントに直接報酬を与える能力を持たせる方法を示す。
このようなエージェントは、一般的なマルコフゲームにおいて、標準のRLと対戦型エージェントを著しく上回っている。
私たちの仕事は、マルチエージェントの未来において共通の善を確実にする道のりに沿って、より多くの機会と課題を指しています。
論文 参考訳(メタデータ) (2020-06-10T20:12:38Z) - Randomized Entity-wise Factorization for Multi-Agent Reinforcement
Learning [59.62721526353915]
実世界のマルチエージェント設定は、エージェントや非エージェントエンティティのタイプや量が異なるタスクを伴うことが多い。
我々の方法は、これらの共通点を活用することを目的としており、「観察対象のランダムに選択されたサブグループのみを考えるとき、各エージェントが期待する効用は何か?」という問いを投げかける。
論文 参考訳(メタデータ) (2020-06-07T18:28:41Z) - Single-Side Domain Generalization for Face Anti-Spoofing [91.79161815884126]
対面型アンチスプーフィングの一般化能力を向上させるために,エンドツーエンドの単一側ドメイン一般化フレームワークを提案する。
提案手法は,4つの公開データベース上での最先端手法よりも効果的かつ優れた手法である。
論文 参考訳(メタデータ) (2020-04-29T09:32:54Z) - Jealousy-freeness and other common properties in Fair Division of Mixed
Manna [2.28438857884398]
我々は、不特定項目をエージェントに割り当てる公平な区分について考察する。
エージェントに良く、他の人に悪いアイテムを区別します。
論文 参考訳(メタデータ) (2020-04-23T21:39:12Z)
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。