論文の概要: Facility Location Games with Scaling Effects

• arxiv url: http://arxiv.org/abs/2402.18908v1
• Date: Thu, 29 Feb 2024 07:08:18 GMT
• ステータス: 処理完了
• システム内更新日: 2024-03-01 15:55:52.631631
• Title: Facility Location Games with Scaling Effects
• Title（参考訳）: スケーリング効果を考慮した施設位置ゲーム
• Authors: Yu He, Alexander Lam and Minming Li
• Abstract要約: 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。
• 参考スコア（独自算出の注目度）: 69.28397508730046
• License: http://creativecommons.org/licenses/by/4.0/
• Abstract: We take the classic facility location problem and consider a variation, in which each agent's individual cost function is equal to their distance from the facility multiplied by a scaling factor which is determined by the facility placement. In addition to the general class of continuous scaling functions, we also provide results for piecewise linear scaling functions which can effectively approximate or model the scaling of many real world scenarios. We focus on the objectives of total and maximum cost, describing the computation of the optimal solution. We then move to the approximate mechanism design setting, observing that the agents' preferences may no longer be single-peaked. Consequently, we characterize the conditions on scaling functions which ensure that agents have single-peaked preferences. Under these conditions, we find results on the total and maximum cost approximation ratios achievable by strategyproof and anonymous mechanisms.
• Abstract（参考訳）: 本稿では,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,施設配置によって決定される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い変動を考慮した。 連続スケーリング関数の一般的なクラスに加えて、多くの実世界のシナリオのスケーリングを効果的に近似またはモデル化できる分割線形スケーリング関数の結果も提供する。 我々は,最適解の計算を記述し,総コストと最大コストの目標に焦点をあてる。 次に、エージェントの嗜好がもはやシングルピーク化されないことを観察して、近似メカニズムの設計設定に移行する。 その結果、エージェントが単一話者の嗜好を持つことを保証するスケーリング関数の条件を特徴付ける。 これらの条件下では、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を得る。

関連論文リスト

• Unifying Feature and Cost Aggregation with Transformers for Semantic and Visual Correspondence [51.54175067684008]
  本稿では,高密度マッチングタスク用に設計されたTransformerベースの積分機能とコスト集約ネットワークを提案する。 まず, 特徴集約とコスト集約が異なる特徴を示し, 双方の集約プロセスの司法的利用から生じる実質的な利益の可能性を明らかにした。 本フレームワークは意味マッチングのための標準ベンチマークで評価され,また幾何マッチングにも適用された。
  論文  参考訳（メタデータ） (2024-03-17T07:02:55Z)
• An Algorithm and Complexity Results for Causal Unit Selection [16.307996243413967]
  単位選択問題は、刺激を受ける際に望ましい振る舞いを示す可能性が最も高い、単位と呼ばれる物体を特定することを目的としている。 本稿では,幅広い因果的目的関数のクラスと完全に定義された構造因果的モデルに与えられた最適単位を求めるための,最初の正確なアルゴリズムを提案する。
  論文  参考訳（メタデータ） (2023-02-28T08:46:51Z)
• Variable Importance Matching for Causal Inference [73.25504313552516]
  これらの目標を達成するためのModel-to-Matchと呼ばれる一般的なフレームワークについて説明する。 Model-to-Matchは、距離メートル法を構築するために変数重要度測定を使用する。 LASSO を用いて Model-to-Match フレームワークを運用する。
  論文  参考訳（メタデータ） (2023-02-23T00:43:03Z)
• Adaptive LASSO estimation for functional hidden dynamic geostatistical model [69.10717733870575]
  関数型隠れ統計モデル(f-HD)のためのペナル化極大推定器(PMLE)に基づく新しいモデル選択アルゴリズムを提案する。 このアルゴリズムは反復最適化に基づいており、適応最小限の収縮・セレクタ演算子(GMSOLAS)ペナルティ関数を用いており、これは不給付のf-HD最大線量推定器によって得られる。
  論文  参考訳（メタデータ） (2022-08-10T19:17:45Z)
• Bayesian Optimization with Informative Covariance [13.113313427848828]
  探索空間の特定の領域の好みを符号化するために,非定常性を利用した新しい情報共分散関数を提案する。 提案した関数は,より弱い事前情報の下でも,ハイ次元でのベイズ最適化のサンプル効率を向上させることができることを示す。
  論文  参考訳（メタデータ） (2022-08-04T15:05:11Z)
• Facility Location Games Beyond Single-Peakedness: the Entrance Fee Model [18.86193543684732]
  各施設が入場料を課金する新しいモデルを導入する。 本モデルでは,入場料関数を任意の関数とする。 近似比が好ましい戦略防御機構を設計する。
  論文  参考訳（メタデータ） (2022-04-24T13:56:35Z)
• Top-$k$ Regularization for Supervised Feature Selection [11.927046591097623]
  教師付き特徴選択のための新しい,シンプルで効果的な正規化手法である Top-k$ regularization を導入する。 上位$kの正規化は、教師付き特徴選択に有効で安定であることを示す。
  論文  参考訳（メタデータ） (2021-06-04T01:12:47Z)
• Automated Mechanism Design for Classification with Partial Verification [64.69418921224529]
  部分検証による自動機構設計の問題点について検討する。 私たちは、すべてのタイプが結果よりも同じ好みを共有する設定における真実のメカニズムに焦点を当てています。
  論文  参考訳（メタデータ） (2021-04-12T03:29:31Z)
• VCG Mechanism Design with Unknown Agent Values under Stochastic Bandit Feedback [104.06766271716774]
  本研究では,エージェントが自己の価値を知らない場合に,マルチラウンドの福祉最大化機構設計問題について検討する。 まず、福祉に対する後悔の3つの概念、各エージェントの個々のユーティリティ、メカニズムの3つの概念を定義します。 当社のフレームワークは価格体系を柔軟に制御し、エージェントと販売者の後悔のトレードオフを可能にする。
  論文  参考訳（メタデータ） (2020-04-19T18:00:58Z)

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。