論文の概要: No Screening is More Efficient with Multiple Objects

• arxiv url: http://arxiv.org/abs/2408.10077v1
• Date: Mon, 19 Aug 2024 15:20:42 GMT
• ステータス: 処理完了
• システム内更新日: 2024-08-20 15:43:09.851223
• Title: No Screening is More Efficient with Multiple Objects
• Title（参考訳）: 複数オブジェクトのスクリーニングが効率的でない
• Authors: Shunya Noda, Genta Okada,
• Abstract要約: 我々は,残余剰の最大化,割当から発生する合計値を,エージェントの値のスクリーニングコストを抑えることを目的としている。 我々は,スタイリングされた環境における効率的なメカニズムを特徴付けることによって,その基礎となる要因を分析した。 本稿では,感染予防接種を計画するための効果的なシステムとして,RIB(Register-invite-book System)を提案する。
• 参考スコア（独自算出の注目度）: 0.0
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: We study efficient mechanism design for allocating multiple heterogeneous objects. We aim to maximize the residual surplus, the total value generated from an allocation minus the costs for screening agents' values. We discover a robust trend indicating that no-screening mechanisms such as serial dictatorship with exogenous priority order tend to perform better as the variety of goods increases. We analyze the underlying reasons by characterizing efficient mechanisms in a stylized environment. We also apply an automated mechanism design approach to numerically derive efficient mechanisms and validate the trend in general environments. Building on this implication, we propose the register-invite-book system (RIB) as an efficient system for scheduling vaccination against pandemic diseases.
• Abstract（参考訳）: 複数の異種物体を割当てる効率的な機構設計について検討する。 我々は,残余剰の最大化,割当から発生する合計値を,エージェントの値のスクリーニングコストを抑えることを目的としている。 商品の多様性が増大するにつれて,非スクリーニング機構,例えば外因性優先順序のシリアルディクテータが向上する傾向がみられた。 我々は,スタイリングされた環境における効率的なメカニズムを特徴付けることによって,その基礎となる要因を分析した。 また,効率的なメカニズムを数値的に導出し,一般的な環境におけるトレンドを検証するための自動メカニズム設計手法を適用した。 本研究は,感染予防接種を効果的にスケジューリングするシステムとして,RIB(Register-invite-book System)を提案する。

関連論文リスト

• Learning Payment-Free Resource Allocation Mechanisms [19.60309632660988]
  ニューラルネットワークを用いた自己関心エージェント間のリソース制限機構の設計について検討する。 支払いなしのメカニズム設計に"マネーバーニング"というアイデアを取り入れた、新たなエンドツーエンドニューラルネットワークアーキテクチャであるExS-Netをコントリビュートしています。
  論文  参考訳（メタデータ） (2023-11-18T01:21:54Z)
• Refined Mechanism Design for Approximately Structured Priors via Active Regression [50.71772232237571]
  我々は、大量の商品を戦略的入札者に販売する収益を最大化する販売業者の問題を考える。 この設定の最適かつほぼ最適のメカニズムは、特徴付けや計算が難しいことで有名である。
  論文  参考訳（メタデータ） (2023-10-11T20:34:17Z)
• No Bidding, No Regret: Pairwise-Feedback Mechanisms for Digital Goods and Data Auctions [14.87136964827431]
  本研究は, 一般的な繰り返しオークション設定に対処する新しいメカニズムを提案する。 メカニズムの新規性は、入札者から情報を引き出すためにペアワイズ比較を使用することにある。 ヒューマンファクターに焦点が当てられていることは、よりヒューマン・アウェアで効率的なメカニズム設計の発展に寄与する。
  論文  参考訳（メタデータ） (2023-06-02T18:29:07Z)
• Robust multi-item auction design using statistical learning: Overcoming uncertainty in bidders' types distributions [6.5920927560926295]
  提案手法は,非パラメトリック密度推定を用いて,過去の入札から入札者のタイプを正確に推定する。 本機構の効率をさらに高めるために,クエリ削減のための2つの新しい戦略を導入する。 小規模データと大規模データの両方で実施されたシミュレーション実験により、当社のメカニズムは、収益設計やクエリ削減の観点から、既存の手法よりも一貫して優れていることが示された。
  論文  参考訳（メタデータ） (2023-02-02T08:32:55Z)
• Pessimism meets VCG: Learning Dynamic Mechanism Design via Offline Reinforcement Learning [114.36124979578896]
  オフライン強化学習アルゴリズムを用いて動的メカニズムを設計する。 我々のアルゴリズムは悲観主義の原理に基づいており、オフラインデータセットのカバレッジについて軽度な仮定しか必要としない。
  論文  参考訳（メタデータ） (2022-05-05T05:44:26Z)
• Learning Dynamic Mechanisms in Unknown Environments: A Reinforcement Learning Approach [130.9259586568977]
  本稿では,複数ラウンドの対話を通して動的ビックレー・クラーク・グローブ(VCG)機構を回復するための新しい学習アルゴリズムを提案する。 当社のアプローチの重要な貢献は、報酬のないオンライン強化学習(RL)を取り入れて、リッチな政策分野の探索を支援することである。
  論文  参考訳（メタデータ） (2022-02-25T16:17:23Z)
• Recommender Systems meet Mechanism Design [29.132299904090868]
  提案手法では,入札者の価値分布をトピックモデルで近似できる多項目機構の設計問題を考察する。 このフレームワークの拡張により,話題モデルの表現力を利用して,問題の有効次元を低減できる。
  論文  参考訳（メタデータ） (2021-10-25T00:03:30Z)
• 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)
• 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。