論文の概要: Average-Case Analysis of Iterative Voting
- arxiv url: http://arxiv.org/abs/2402.08144v2
- Date: Wed, 6 Mar 2024 00:15:56 GMT
- ステータス: 処理完了
- システム内更新日: 2024-03-07 17:24:40.033569
- Title: Average-Case Analysis of Iterative Voting
- Title(参考訳): 反復投票における平均ケース分析
- Authors: Joshua Kavner, Lirong Xia
- Abstract要約: 反復投票は、社会的選択における戦略的意思決定の自然なモデルである。
先行研究は、選択された結果の均衡度に対する反復的な複数の効果を解析した。
本研究は, 平均ケース分析をより広範な分布クラスに拡張し, 反復的複数回による福祉改善や低下を区別する。
- 参考スコア(独自算出の注目度): 33.68929251752289
- License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
- Abstract: Iterative voting is a natural model of repeated strategic decision-making in
social choice when agents have the opportunity to update their votes prior to
finalizing the group decision. Prior work has analyzed the efficacy of
iterative plurality on the welfare of the chosen outcome at equilibrium,
relative to the truthful vote profile, via an adaptation of the price of
anarchy. However, prior analyses have only studied the worst- and average-case
performances when agents' preferences are distributed by the impartial culture.
This work extends average-case analysis to a wider class of distributions and
distinguishes when iterative plurality improves or degrades asymptotic welfare.
- Abstract(参考訳): 反復投票は、社会的選択において戦略決定を繰り返し行う自然なモデルであり、エージェントがグループ決定を確定する前に投票を更新する機会がある。
先行研究は、アナーキーの価格の適応により、真正の投票プロファイルに対して、平衡における選択された結果の福祉に関する反復的な複数の効果を分析した。
しかし、先行分析では、エージェントの嗜好が公平な文化によって分配される場合の最悪の、平均的なパフォーマンスについてしか研究されていない。
本研究は, 平均ケース分析をより広範な分布群に拡張し, 反復的複数が漸近的福祉を改善するか低下するかを区別する。
関連論文リスト
- Causal Strategic Learning with Competitive Selection [10.237954203296187]
複数の意思決定者の下で因果戦略学習におけるエージェント選択の問題について検討する。
最適な選択規則は、最適なエージェントを選択することと、エージェントの改善を最大化するためのインセンティブを提供することの間のトレードオフであることを示す。
我々は、真の因果パラメータを回復するために、すべての意思決定者がまとめて採用しなければならない協調プロトコルを提供する。
論文 参考訳(メタデータ) (2023-08-30T18:43:11Z) - Value-Distributional Model-Based Reinforcement Learning [63.32053223422317]
政策の長期的業績に関する不確実性の定量化は、シーケンシャルな意思決定タスクを解決するために重要である。
モデルに基づくベイズ強化学習の観点から問題を考察する。
本稿では,値分布関数を学習するモデルに基づくアルゴリズムであるEpicemic Quantile-Regression(EQR)を提案する。
論文 参考訳(メタデータ) (2023-08-12T14:59:19Z) - The Distortion of Binomial Voting Defies Expectation [26.481697906062095]
本稿では,投票者の効用に対する基本的分布に関する投票規則の歪曲について検討する。
私たちの主な貢献は、新鮮で直感的なルール、二項投票の設計と分析です。
論文 参考訳(メタデータ) (2023-06-27T17:50:58Z) - Moral Machine or Tyranny of the Majority? [25.342029326793917]
Moral Machineプロジェクトでは、自動運転車に関する"Trolley Problems"に対する回答をクラウドソーシングした。
Noothigattu et al. は、各個人の好みを近似した線形関数を推論し、これらの線形モデルを集団全体の平均パラメータによって集約することを提案した。
本稿では,この平均化メカニズムについて検討し,戦略的効果の有無の公平性に焦点をあてる。
論文 参考訳(メタデータ) (2023-05-27T00:49:11Z) - Majority Vote for Distributed Differentially Private Sign Selection [11.117652973995748]
本稿では,分散環境での符号選択問題に対する分散グループ差分多数決機構を提案する。
応用として,分散システムにおける平均推定と線形回帰問題に対するプライベートサインの選択について検討する。
論文 参考訳(メタデータ) (2022-09-08T15:48:24Z) - Fairness in Selection Problems with Strategic Candidates [9.4148805532663]
選択問題における戦略的側面が公平性に与える影響について検討する。
合理的な候補者の人口は、彼らの品質を高めるために努力レベルを選択することで競います。
我々は、異なるパラメータのレジームにおけるこのゲームの(一意)平衡を特徴づける。
論文 参考訳(メタデータ) (2022-05-24T17:03:32Z) - Off-Policy Evaluation with Policy-Dependent Optimization Response [90.28758112893054]
我々は,テキスト政治に依存した線形最適化応答を用いた非政治評価のための新しいフレームワークを開発した。
摂動法による政策依存推定のための非バイアス推定器を構築する。
因果介入を最適化するための一般的なアルゴリズムを提供する。
論文 参考訳(メタデータ) (2022-02-25T20:25:37Z) - Statistical discrimination in learning agents [64.78141757063142]
統計的差別は、訓練人口のバイアスとエージェントアーキテクチャの両方の関数としてエージェントポリシーに現れる。
我々は、リカレントニューラルネットワークを使用するエージェントによる差別の低減と、トレーニング環境のバイアスの低減が示される。
論文 参考訳(メタデータ) (2021-10-21T18:28:57Z) - Selective Classification Can Magnify Disparities Across Groups [89.14499988774985]
選択的分類は平均的精度を向上させることができるが、既存の精度格差を同時に増大させることができる。
禁忌の増大は、一部のグループでのアキュラシーを減少させることもある。
我々は,グループ間で類似のフルカバレッジ精度を実現する分散ロバストモデルを訓練し,選択分類が各グループを均一に改善することを示す。
論文 参考訳(メタデータ) (2020-10-27T08:51:30Z) - Decision-Making with Auto-Encoding Variational Bayes [71.44735417472043]
変分分布とは異なる後部近似を用いて意思決定を行うことが示唆された。
これらの理論的な結果から,最適モデルに関するいくつかの近似的提案を学習することを提案する。
おもちゃの例に加えて,単細胞RNAシークエンシングのケーススタディも紹介する。
論文 参考訳(メタデータ) (2020-02-17T19:23:36Z)
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。