論文の概要: Towards Fairness in Online Service with k Servers and its Application on Fair Food Delivery

• arxiv url: http://arxiv.org/abs/2312.11280v1
• Date: Mon, 18 Dec 2023 15:22:03 GMT
• ステータス: 処理完了
• システム内更新日: 2023-12-20 19:45:30.708276
• Title: Towards Fairness in Online Service with k Servers and its Application on Fair Food Delivery
• Title（参考訳）: kサーバによるオンラインサービスにおける公正性と公正食品配送への応用
• Authors: Daman Deep Singh, Amit Kumar, Abhijnan Chakraborty
• Abstract要約: 我々は k-FOOD 問題という仮定を使わずに k- の現実的な一般化を導入する。 k-FOOD問題は、フードデリバリー、ライドシェアリング、クイックコマースなど、さまざまな現実世界のユースケースをモデル化する汎用性を提供する。 オンラインプラットフォームにおける公平性の必要性に感銘を受けて、最大値の目的を持つFAIR k-FOOD問題を導入する。
• 参考スコア（独自算出の注目度）: 6.729646573556134
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: The k-SERVER problem is one of the most prominent problems in online algorithms with several variants and extensions. However, simplifying assumptions like instantaneous server movements and zero service time has hitherto limited its applicability to real-world problems. In this paper, we introduce a realistic generalization of k-SERVER without such assumptions - the k-FOOD problem, where requests with source-destination locations and an associated pickup time window arrive in an online fashion, and each has to be served by exactly one of the available k servers. The k-FOOD problem offers the versatility to model a variety of real-world use cases such as food delivery, ride sharing, and quick commerce. Moreover, motivated by the need for fairness in online platforms, we introduce the FAIR k-FOOD problem with the max-min objective. We establish that both k-FOOD and FAIR k-FOOD problems are strongly NP-hard and develop an optimal offline algorithm that arises naturally from a time-expanded flow network. Subsequently, we propose an online algorithm DOC4FOOD involving virtual movements of servers to the nearest request location. Experiments on a real-world food-delivery dataset, alongside synthetic datasets, establish the efficacy of the proposed algorithm against state-of-the-art fair food delivery algorithms.
• Abstract（参考訳）: k-SERVER問題(k-SERVER problem)は、いくつかの変種と拡張を持つオンラインアルゴリズムにおいて最も顕著な問題の1つである。 しかしながら、即時サーバの動作やサービス時間ゼロといった仮定を単純化することは、現実の問題への適用性を制限している。 本稿では,そのような前提を満たさないk-サーバの現実的な一般化について紹介する。k-food問題とは,送信先の位置と関連するピックアップタイムウインドウに関する要求がオンライン形式で到着し,それぞれが利用可能なkサーバの1つで提供されなければならないという問題である。 k-FOOD問題は、フードデリバリー、ライドシェアリング、クイックコマースなど、さまざまな現実世界のユースケースをモデル化する汎用性を提供する。 さらに,オンラインプラットフォームにおける公平性の必要性に動機づけられ,fair k-food問題をmax-min目的に導入する。 k-food問題とfair k-food問題の両方がnp-hardであり、時間拡張フローネットワークから自然に発生する最適なオフラインアルゴリズムを開発する。 次に,サーバの仮想移動を最寄りの要求位置へ伝達するオンラインアルゴリズムdoc4foodを提案する。 合成データセットと共に実世界の食品配送データセットに関する実験は、最先端のフードデリバリーアルゴリズムに対する提案アルゴリズムの有効性を確立した。

関連論文リスト

• Learning to Solve Combinatorial Optimization under Positive Linear Constraints via Non-Autoregressive Neural Networks [103.78912399195005]
  組合せ最適化(英: Combinatorial Optimization、CO)は、計算機科学、応用数学などにおける基本的な問題である。 本稿では, 正線形制約下でのCO問題の解法として, 非自己回帰ニューラルネットワーク群を設計する。 本研究では,施設位置,最大被覆率,旅行セールスマン問題を含む代表的CO問題の解決において,この枠組みの有効性を検証する。
  論文  参考訳（メタデータ） (2024-09-06T14:58:31Z)
• The Restaurant Meal Delivery Problem with Ghost Kitchens [0.0]
  「ゴーストキッチン」では、中央コンプレックスに数軒のレストランを同調した料理が提案されている。 ゴーストキッチンを効果的に運用するための運用戦略を提案する。 本研究は,料理スケジューリングと派遣車両の統合最適化と,今後の需要と意思決定の予測の両方が,事業の成功に不可欠であることを示す。
  論文  参考訳（メタデータ） (2024-08-14T09:54:03Z)
• RoDE: Linear Rectified Mixture of Diverse Experts for Food Large Multi-Modal Models [96.43285670458803]
  Uni-Foodは、さまざまな食品ラベルを持つ10万以上の画像からなる統合食品データセットである。 Uni-Foodは、食品データ分析に対するより包括的なアプローチを提供するように設計されている。 本稿では,食品関連マルチタスキングの課題に対処するため,新しいリニア・リクティフィケーション・ミックス・オブ・ディバース・エキスパート (RoDE) アプローチを提案する。
  論文  参考訳（メタデータ） (2024-07-17T16:49:34Z)
• A Federated Online Restless Bandit Framework for Cooperative Resource Allocation [23.698976872351576]
  MRPの未知系力学を用いた協調資源配分問題について検討する。 我々は、このマルチエージェントオンラインRMAB問題を解決するために、フェデレートトンプソン対応Whittle Index(FedTSWI)アルゴリズムを作成した。 数値計算の結果,提案アルゴリズムは,ベースラインと比較して,$mathcalO(sqrtTlog(T))$の高速収束率と性能の向上を実現している。
  論文  参考訳（メタデータ） (2024-06-12T08:34:53Z)
• From Canteen Food to Daily Meals: Generalizing Food Recognition to More Practical Scenarios [92.58097090916166]
  DailyFood-172とDailyFood-16という2つの新しいベンチマークを、毎日の食事から食のイメージをキュレートする。 これらの2つのデータセットは、よく計算された食品画像領域から日常的な食品画像領域へのアプローチの伝達性を評価するために使用される。
  論文  参考訳（メタデータ） (2024-03-12T08:32:23Z)
• Low-Latency Federated Learning over Wireless Channels with Differential Privacy [142.5983499872664]
  フェデレートラーニング(FL)では、モデルトレーニングはクライアントに分散し、ローカルモデルは中央サーバによって集約される。 本稿では,各クライアントの差分プライバシ(DP)要件だけでなく,全体としてのトレーニング性能に制約された無線チャネル上でのFLトレーニング遅延を最小限に抑えることを目的とする。
  論文  参考訳（メタデータ） (2021-06-20T13:51:18Z)
• A Deep Reinforcement Learning Approach for the Meal Delivery Problem [1.5391321019692434]
  一日に一組の宅配業者に与えられた動的顧客要求を満たす食事配達サービスについて検討する。 私たちはこのサービスをマルコフ決定プロセスとしてモデル化し、ソリューションアプローチとして深層強化学習を使用します。 本研究は,ある日に異なる順序周波数のクーリエの割り当てプロセスと最適なクーリエ数の両方について有意な知見を与える。
  論文  参考訳（メタデータ） (2021-04-24T19:01:59Z)
• Efficient Algorithms for Global Inference in Internet Marketplaces [6.2122699483618]
  インターネット市場における供給需要のマッチングは、世界的な推論問題です。 近年まで、LP定式化によるWebスケールデータにおけるそのような問題の解決は難しかった。 最近の研究は、ポリトープの制約が単純であるような問題を解くための双対分解に基づくアプローチを開発した。 この研究では、これらの単純なポリトープを超えて、より複雑な構造化されたポリトープ制約を必要とする現実世界のインターネットマーケットプレイスを示す必要性を動機付けます。
  論文  参考訳（メタデータ） (2021-03-09T08:00:58Z)
• Cross-Modal Food Retrieval: Learning a Joint Embedding of Food Images and Recipes with Semantic Consistency and Attention Mechanism [70.85894675131624]
  画像とレシピを共通の特徴空間に埋め込み、対応する画像とレシピの埋め込みが互いに近接するように学習する。 本稿では,2つのモダリティの埋め込みを正規化するためのセマンティック・一貫性とアテンション・ベース・ネットワーク(SCAN)を提案する。 食品画像や調理レシピの最先端のクロスモーダル検索戦略を,かなりの差で達成できることが示される。
  論文  参考訳（メタデータ） (2020-03-09T07:41:17Z)
• Non-Cooperative Game Theory Based Rate Adaptation for Dynamic Video Streaming over HTTP [89.30855958779425]
  Dynamic Adaptive Streaming over HTTP (DASH)は、新興かつ有望なマルチメディアストリーミング技術であることを示した。 本稿では,サーバの限られた輸出帯域幅をマルチユーザに対して最適に割り当てるアルゴリズムを提案し,その品質・オブ・エクスペリエンス(QoE)を公平性で最大化する。
  論文  参考訳（メタデータ） (2019-12-27T01:19:14Z)

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。