論文の概要: Nash Welfare and Facility Location
- arxiv url: http://arxiv.org/abs/2310.04102v1
- Date: Fri, 6 Oct 2023 09:06:44 GMT
- ステータス: 処理完了
- システム内更新日: 2023-10-09 23:06:29.916332
- Title: Nash Welfare and Facility Location
- Title（参考訳）: ナッシュ福祉と施設立地
- Authors: Alexander Lam, Haris Aziz, Toby Walsh
- Abstract要約: 沿線にエージェントを配置する施設を配置することの問題点を考察する。
エージェントのユーティリティの産物として定義されたナッシュの福祉目的機能は、公正性と効率性の妥協をもたらすことが知られている。
- 参考スコア（独自算出の注目度）: 82.81742334337336
- License: http://creativecommons.org/licenses/by/4.0/
- Abstract: We consider the problem of locating a facility to serve a set of agents
located along a line. The Nash welfare objective function, defined as the
product of the agents' utilities, is known to provide a compromise between
fairness and efficiency in resource allocation problems. We apply this welfare
notion to the facility location problem, converting individual costs to
utilities and analyzing the facility placement that maximizes the Nash welfare.
We give a polynomial-time approximation algorithm to compute this facility
location, and prove results suggesting that it achieves a good balance of
fairness and efficiency. Finally, we take a mechanism design perspective and
propose a strategy-proof mechanism with a bounded approximation ratio for Nash
welfare.
- Abstract（参考訳）: 我々は,一線に沿って位置するエージェント群に対応するための施設を配置する問題を考える。
エージェントのユーティリティの産物として定義されたナッシュの福祉目的関数は、資源配分問題における公平性と効率の妥協をもたらすことが知られている。
我々は,この福祉概念を施設立地問題に適用し,個々の費用を公共事業に転換し,ナッシュ福祉を最大化する施設配置の分析を行う。
この施設の位置を計算するために多項式時間近似アルゴリズムを与え,公平性と効率のバランスが良好であることを示す。
最後に,メカニズム設計の観点から,ナッシュ福祉に限定的な近似比を持つ戦略防御機構を提案する。
関連論文リスト
- Fair and Welfare-Efficient Constrained Multi-matchings under Uncertainty [17.364297444721057]
我々は、市場デザイナーがグループフェアネスを維持しながら全体的な福祉を最適化する制約された資源の公平な配分について研究する。
多くの大規模環境では、ユーティリティは事前には知られていないが、アロケーションを実現した後で観察される。
本稿では、これらのトレードオフを2つのパラダイムで論じる。
論文 参考訳（メタデータ） (2024-11-04T22:42:34Z) - Facility Location Games with Scaling Effects [69.28397508730046]
古典的な施設配置問題を考慮し、各エージェントの個々のコスト関数が、スケーリング係数によって乗算された施設からの距離と等しくなる変動を考察する。
戦略と匿名のメカニズムによって達成できる総コストと最大コストの近似比について結果が得られた。
論文 参考訳（メタデータ） (2024-02-29T07:08:18Z) - Causal Fairness for Outcome Control [68.12191782657437]
本稿では,自動システムにおいて,公平かつ公平な結果変数を最適化することを目的とした,結果制御と呼ばれる特定の意思決定タスクについて検討する。
本稿では、まず因果レンズを通して利益の概念を分析し、特定の個人が肯定的な決定によってどれだけの利益を得られるかを明らかにする。
次に、保護された属性の影響を受けている可能性があることに留意し、これを分析するために使用できる因果的ツールを提案する。
論文 参考訳（メタデータ） (2023-06-08T09:31:18Z) - Proportional Fairness in Obnoxious Facility Location [70.64736616610202]
この問題に対して,距離に基づく比例フェアネスの概念の階層構造を提案する。
決定論的かつランダムなメカニズムを考察し、比例フェアネスの価格に関する厳密な境界を計算する。
モデルの拡張が2つあることを示す。
論文 参考訳（メタデータ） (2023-01-11T07:30:35Z) - Welfare and Fairness in Multi-objective Reinforcement Learning [1.5763562007908967]
エージェントが複数の次元において高い報酬を同時に達成する政策を学習しなければならない公平な多目的強化学習について検討する。
提案手法は,線形スカラー化に基づく手法よりも優れていることを示す。
論文 参考訳（メタデータ） (2022-11-30T01:40:59Z) - Maximizing Welfare with Incentive-Aware Evaluation Mechanisms [18.304048425012503]
本稿では,その特徴をコストで修正できる戦略的個人によって,入力が制御される評価問題を提案する。
学習者は特徴を部分的に観察することしかできず、品質スコアに関して個人を分類することを目的としている。
論文 参考訳（メタデータ） (2020-11-03T19:00:43Z) - Provably Efficient Reward-Agnostic Navigation with Linear Value
Iteration [143.43658264904863]
我々は、最小二乗値スタイルのアルゴリズムで一般的に使用される、より標準的なベルマン誤差の概念の下での反復が、ほぼ最適値関数の学習において強力なPAC保証を提供することを示す。
そこで本稿では,任意の(線形な)報酬関数に対して,最適に近いポリシーを学習するためにどのように使用できるかを示す。
論文 参考訳（メタデータ） (2020-08-18T04:34:21Z) - Provably Efficient Safe Exploration via Primal-Dual Policy Optimization [105.7510838453122]
制約付きマルコフ決定過程(CMDP)を用いた安全強化学習(SRL)問題について検討する。
本稿では,関数近似設定において,安全な探索を行うCMDPの効率の良いオンラインポリシー最適化アルゴリズムを提案する。
論文 参考訳（メタデータ） (2020-03-01T17:47:03Z)
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。