論文の概要: Fair Allocation in Dynamic Mechanism Design

• arxiv url: http://arxiv.org/abs/2406.00147v3
• Date: Thu, 03 Oct 2024 17:05:51 GMT
• ステータス: 翻訳完了
• システム内更新日: 2024-10-04 23:27:03.344742
• Title: Fair Allocation in Dynamic Mechanism Design
• Title（参考訳）: 動的機構設計におけるフェアアロケーション
• Authors: Alireza Fallah, Michael I. Jordan, Annie Ulichney,
• Abstract要約: 競売業者が各ラウンドの買い手グループに、合計で$T$で分けない商品を販売している問題を考える。 競売人は、各グループの最低平均配分を保証する公正な制約に固執しつつ、割引された全体の収益を最大化することを目的としている。
• 参考スコア（独自算出の注目度）: 57.66441610380448
• License:
• Abstract: We consider a dynamic mechanism design problem where an auctioneer sells an indivisible good to groups of buyers in every round, for a total of $T$ rounds. The auctioneer aims to maximize their discounted overall revenue while adhering to a fairness constraint that guarantees a minimum average allocation for each group. We begin by studying the static case ($T=1$) and establish that the optimal mechanism involves two types of subsidization: one that increases the overall probability of allocation to all buyers, and another that favors the groups which otherwise have a lower probability of winning the item. We then extend our results to the dynamic case by characterizing a set of recursive functions that determine the optimal allocation and payments in each round. Notably, our results establish that in the dynamic case, the seller, on the one hand, commits to a participation bonus to incentivize truth-telling, and on the other hand, charges an entry fee for every round. Moreover, the optimal allocation once more involves subsidization, which its extent depends on the difference in future utilities for both the seller and buyers when allocating the item to one group versus the others. Finally, we present an approximation scheme to solve the recursive equations and determine an approximately optimal and fair allocation efficiently.
• Abstract（参考訳）: 競売業者が各ラウンドの買い手グループに、合計で$T$ラウンドで不可分な商品を売っている動的メカニズム設計問題を考える。 競売人は、各グループの最低平均配分を保証する公正な制約に固執しつつ、割引された全体の収益を最大化することを目的としている。 まず、静的ケース(T=1$)を調査し、最適メカニズムには2つの種類の補助金が含まれることを確認します。 次に、各ラウンドにおける最適な割り当てと支払いを決定する再帰関数のセットを特徴付けることにより、結果を動的ケースに拡張する。 特に、我々の結果は、ダイナミックなケースでは、売り手は、真理の占いを奨励するために参加ボーナスをコミットし、一方、ラウンドごとに入場料を請求していることを証明しています。 さらに、最適割当には再び補助金が伴うが、これは売り手と買い手の両方が、商品を他のグループに割り当てる際の将来のユーティリティの違いに依存する。 最後に、再帰方程式を解き、ほぼ最適かつ公平な割当を効率的に決定する近似スキームを提案する。

関連論文リスト

• Online Fair Allocation of Perishable Resources [1.4952056744888913]
  我々は、標準オンラインフェアアロケーション問題の事実上の動機付け型を考察する。 意思決定者は、一定回数のラウンドを割り当てるために、パーシシブルなリソースの予算を持っている。 目標は、うらやましいほど効率的で効率的なアロケーションのシーケンスを構築することです。
  論文  参考訳（メタデータ） (2024-06-04T15:14:10Z)
• Sampling Individually-Fair Rankings that are Always Group Fair [9.333939443470944]
  公正ランキングタスクは、グループフェアネスの制約を満たすために、実用性を最大化するために一連のアイテムをランク付けするよう要求する。 近年の研究では、品物の効用の不確かさが不公平の原因となっている。 我々は,各アウトプットランキングがグループフェアであることを保証しながら,個別のフェア分布からランキングを抽出する効率的なアルゴリズムを提案する。
  論文  参考訳（メタデータ） (2023-06-21T01:26:34Z)
• Autobidders with Budget and ROI Constraints: Efficiency, Regret, and Pacing Dynamics [53.62091043347035]
  オンライン広告プラットフォームで競合するオートバイディングアルゴリズムのゲームについて検討する。 本稿では,全ての制約を満たすことを保証し,個人の後悔を解消する勾配に基づく学習アルゴリズムを提案する。
  論文  参考訳（メタデータ） (2023-01-30T21:59:30Z)
• Benefits of Permutation-Equivariance in Auction Mechanisms [90.42990121652956]
  競売人の収益を最大化しつつ、競売人の過去の後悔を最小限にする競売メカニズムは、経済学において重要であるが複雑な問題である。 ニューラルネットワークによる最適なオークションメカニズムの学習を通じて、注目すべき進歩が達成されている。
  論文  参考訳（メタデータ） (2022-10-11T16:13:25Z)
• Top $K$ Ranking for Multi-Armed Bandit with Noisy Evaluations [102.32996053572144]
  我々は,各ラウンドの開始時に,学習者が各アームの真の報酬について,ノイズのない独立した評価を受けるマルチアームバンディット・セッティングを考える。 評価の方法によって異なるアルゴリズムアプローチと理論的保証を導出する。
  論文  参考訳（メタデータ） (2021-12-13T09:48:54Z)
• 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)
• Individual Fairness in Advertising Auctions through Inverse Proportionality [12.861470300253329]
  公正な入札が与えられた場合、公正な結果を生み出すことが保証される広告オークションの設計について検討する。 フェアネスと社会福祉のトレードオフを実現するため,新たなアロケーションアルゴリズムを導入する。
  論文  参考訳（メタデータ） (2020-03-31T06:10:07Z)
• Generalization Guarantees for Multi-item Profit Maximization: Pricing, Auctions, and Randomized Mechanisms [86.81403511861788]
  購入者の価値に根ざした分布が存在する場合のマルチイテム利益について検討する。 購入者の値の任意のセットに対して、利益はメカニズムのパラメーターにおいて断片的に線形である。 我々は、まだサンプルベースのメカニズム設計文献にはないメカニズムクラスに対する新しい境界を証明した。
  論文  参考訳（メタデータ） (2017-04-29T22:02:14Z)

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。