論文の概要: Online Housing Market

• arxiv url: http://arxiv.org/abs/2501.15916v1
• Date: Mon, 27 Jan 2025 10:05:49 GMT
• ステータス: 翻訳完了
• システム内更新日: 2025-01-28 13:55:02.906062
• Title: Online Housing Market
• Title（参考訳）: オンライン住宅市場
• Authors: Julien Lesca,
• Abstract要約: 筆者は, 著名な住宅市場問題のオンライン版について検討し, それぞれのエージェントが一戸建てで, 好みに応じて他のエージェントと交換しようとする。 このオンライン環境では、エージェントはいつでも到着して出発することができるので、すべてのエージェントが同時に住宅市場に存在しているわけではない。 私は、よく知られた連続独裁とGaleのトレーディングサイクルのメカニズムを、このオンラインシナリオに拡張し、彼らの望ましい特性を維持することを目指しています。
• 参考スコア（独自算出の注目度）: 1.9254132307399259
• License:
• Abstract: This paper studies an online variant of the celebrated housing market problem, where each agent has a single house and seeks to exchange it for another based on her preferences. In this online setting, agents may arrive and depart at any time, meaning that not all agents are present on the housing market simultaneously. I extend the well known serial dictatorship and Gale s top trading cycle mechanisms to this online scenario, aiming to retain their desirable properties such as Pareto efficiency, individual rationality, and strategy proofness. These extensions also seek to prevent agents from strategically delaying their arrival or advancing their departure. I demonstrate that achieving all of these properties simultaneously is impossible in the online context, and I present several variants that achieve different subsets of these properties.
• Abstract（参考訳）: 本論文は,各エージェントが一戸建てで,その嗜好に基づいて他のエージェントと交換しようとする,有望な住宅市場問題のオンライン版について考察する。 このオンライン環境では、エージェントはいつでも到着して出発することができるので、すべてのエージェントが同時に住宅市場に存在しているわけではない。 このオンラインシナリオは、Paretoの効率性、個人の合理性、戦略実証性といった彼らの望ましい特性を維持することを目的としています。 これらの拡張はまた、エージェントが到着を戦略的に遅らせたり、出発を前進させるのを防ぐことを目的としている。 これらの特性の全てを同時に達成することは、オンラインの文脈では不可能であり、これらの特性の異なる部分集合を達成するいくつかの変種を提示します。

関連論文リスト

• BattleAgent: Multi-modal Dynamic Emulation on Historical Battles to Complement Historical Analysis [62.60458710368311]
  本稿では,大規模視覚言語モデルとマルチエージェントシステムを組み合わせたエミュレーションシステムであるBattleAgentを提案する。 複数のエージェント間の複雑な動的相互作用をシミュレートし、エージェントとその環境をシミュレートすることを目的としている。 指導者の意思決定プロセスと、兵士のような一般参加者の視点の両方をエミュレートする。
  論文  参考訳（メタデータ） (2024-04-23T21:37:22Z)
• Blockchain Based Residential Smart Rent [0.0]
  資産の賃貸は、異なる責任と利益を持つ複数のエンティティを巻き込む。 紛争を避けるため、公証人、銀行、不動産代理店などを通じて当事者間の信頼関係を確立することが不可欠である。 現在のプロセスには、効率性、コスト、透明性、官僚主義、データセキュリティに関するいくつかの欠点がある。 我々は、家主とテナントの両方がレンタル契約を締結し、レンタル支払いを安全に行えるように設計された、ブロックチェーンベースのスマートレンタルプラットフォームを提案する。
  論文  参考訳（メタデータ） (2024-02-08T15:14:39Z)
• Single-Peaked Jump Schelling Games [12.940151684804958]
  本研究では,単一話者のユーティリティ機能を持つエージェントを用いたジャンプスケジューリングゲームについて検討する。 実用機能におけるピーク位置とは無関係に応答サイクルの改善が可能であることを示す。 また、高積分の有益な状態の計算がNP完全であることも示している。
  論文  参考訳（メタデータ） (2023-02-23T15:46:26Z)
• Strategic Facility Location with Clients that Minimize Total Waiting Time [52.3893099287099]
  本研究では,非協調型施設位置ゲームにおいて,施設やクライアントが戦略的に行動する場所ゲームについて検討する。 サブゲーム完全平衡は、このゲームの全ての事例に存在せず、その存在はNPハードで決定できることを証明している。
  論文  参考訳（メタデータ） (2022-11-25T10:43:57Z)
• Online Allocation and Learning in the Presence of Strategic Agents [16.124755488878044]
  我々は,各エージェントが予め指定された各項目の分数を受けなければならないという制約の下で,$n$均質なエージェントのうち,$T$が順次到着するアイテムを割り当てる問題について検討する。 私たちの主な貢献は、ほぼベイズ的インセンティブ互換のオンライン学習ベースのアロケーションメカニズムです。
  論文  参考訳（メタデータ） (2022-09-25T00:46:53Z)
• Stochastic Market Games [10.979093424231532]
  我々は、市場力を利用して、エージェントが協力的になるためのインセンティブを提供することを提案する。 プリソナーズ・ジレンマの反復版で示されているように、提案された市場の定式化はゲームのダイナミクスを変えることができる。 市場の存在は、全体的な結果と、取引活動を通じて個々のリターンを代理する双方を改善することができることを実証的に見出した。
  論文  参考訳（メタデータ） (2022-07-15T10:37:16Z)
• Social learning via actions in bandit environments [0.20305676256390928]
  ベイジアン・バンディット・セッティングにおける私的ペイオフと公共活動による戦略的探索のゲームについて研究する。 私はカスケード均衡を見て、エージェントが十分に悲観的になったときだけ、リスクのない行動からリスクのない行動に時間をかけて切り替える。
  論文  参考訳（メタデータ） (2022-05-12T14:15:17Z)
• Robust Allocations with Diversity Constraints [65.3799850959513]
  エージェント値の積を最大化するナッシュ福祉規則は,多様性の制約が導入されたとき,一意にロバストな位置にあることを示す。 また, ナッシュ・ウェルズによる保証は, 広く研究されているアロケーション・ルールのクラスにおいて, ほぼ最適であることを示す。
  論文  参考訳（メタデータ） (2021-09-30T11:09:31Z)
• ERMAS: Becoming Robust to Reward Function Sim-to-Real Gaps in Multi-Agent Simulations [110.72725220033983]
  Epsilon-Robust Multi-Agent Simulation (ERMAS)は、このようなマルチエージェントのsim-to-realギャップに対して堅牢なAIポリシーを学ぶためのフレームワークである。 ERMASは、エージェントリスク回避の変化に対して堅牢な税政策を学び、複雑な時間シミュレーションで最大15%社会福祉を改善する。 特に、ERMASは、エージェントリスク回避の変化に対して堅牢な税制政策を学び、複雑な時間シミュレーションにおいて、社会福祉を最大15%改善する。
  論文  参考訳（メタデータ） (2021-06-10T04:32:20Z)
• Learning Latent Representations to Influence Multi-Agent Interaction [65.44092264843538]
  エージェントのポリシーの潜在表現を学習するための強化学習に基づくフレームワークを提案する。 提案手法は代替手段よりも優れており,他のエージェントに影響を与えることを学習している。
  論文  参考訳（メタデータ） (2020-11-12T19:04:26Z)
• 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。