論文の概要: Efficient Portfolio Selection through Preference Aggregation with Quicksort and the Bradley--Terry Model
- arxiv url: http://arxiv.org/abs/2504.16093v1
- Date: Sun, 06 Apr 2025 23:16:30 GMT
- ステータス: 翻訳完了
- システム内更新日: 2025-05-02 19:15:52.815969
- Title: Efficient Portfolio Selection through Preference Aggregation with Quicksort and the Bradley--Terry Model
- Title（参考訳）: QuicksortとBradley-Terryモデルによる選好集約による効率的なポートフォリオ選択
- Authors: Yurun Ge, Lucas Böttcher, Tom Chou, Maria R. D'Orsogna,
- Abstract要約: 長期的利益をもたらすプロジェクトに対して、限られたリソースを割り当てる方法は、不確実性の下で意思決定でしばしば発生する問題である。
そこで我々はQuicksortとBradley-Terryモデルに基づく比較ルールを提案する。
- 参考スコア（独自算出の注目度）: 0.0
- License: http://creativecommons.org/licenses/by-nc-nd/4.0/
- Abstract: How to allocate limited resources to projects that will yield the greatest long-term benefits is a problem that often arises in decision-making under uncertainty. For example, organizations may need to evaluate and select innovation projects with risky returns. Similarly, when allocating resources to research projects, funding agencies are tasked with identifying the most promising proposals based on idiosyncratic criteria. Finally, in participatory budgeting, a local community may need to select a subset of public projects to fund. Regardless of context, agents must estimate the uncertain values of a potentially large number of projects. Developing parsimonious methods to compare these projects, and aggregating agent evaluations so that the overall benefit is maximized, are critical in assembling the best project portfolio. Unlike in standard sorting algorithms, evaluating projects on the basis of uncertain long-term benefits introduces additional complexities. We propose comparison rules based on Quicksort and the Bradley--Terry model, which connects rankings to pairwise "win" probabilities. In our model, each agent determines win probabilities of a pair of projects based on his or her specific evaluation of the projects' long-term benefit. The win probabilities are then appropriately aggregated and used to rank projects. Several of the methods we propose perform better than the two most effective aggregation methods currently available. Additionally, our methods can be combined with sampling techniques to significantly reduce the number of pairwise comparisons. We also discuss how the Bradley--Terry portfolio selection approach can be implemented in practice.
- Abstract（参考訳）: 長期的利益をもたらすプロジェクトに対して、限られたリソースを割り当てる方法は、不確実性の下で意思決定でしばしば発生する問題である。
例えば、組織はリスクのあるリターンを持つイノベーションプロジェクトを評価し、選択する必要があります。
同様に、研究プロジェクトに資源を割り当てる際、資金提供機関は、慣用的基準に基づいて最も有望な提案を特定することを任務とする。
最後に、参加型予算編成において、地域コミュニティは資金提供のための公共プロジェクトのサブセットを選択する必要があるかもしれない。
状況に関わらず、エージェントは潜在的に多くのプロジェクトの不確実な値を見積もる必要がある。
これらのプロジェクトを比較するための擬似的な方法を開発し、全体の利益を最大化するためにエージェント評価を集約することは、最高のプロジェクトポートフォリオを組み立てるのに不可欠です。
標準的なソートアルゴリズムとは異なり、不確実な長期的利益に基づいてプロジェクトを評価することは、さらなる複雑さをもたらす。
そこで我々はQuicksortとBradley-Terryモデルに基づく比較ルールを提案する。
本モデルでは,プロジェクトの長期的利益に関する具体的な評価に基づいて,各エージェントが一対のプロジェクトの成功確率を決定する。
勝利確率は適切に集計され、プロジェクトのランク付けに使用される。
提案手法のいくつかは、現在利用可能な2つの最も効果的なアグリゲーション手法よりも優れている。
さらに,本手法をサンプリング手法と組み合わせることで,ペア比較の回数を大幅に削減することができる。
また、Bradley-Terryポートフォリオ選択アプローチが実際にどのように実装できるかについても論じる。
関連論文リスト
- TETRIS: Optimal Draft Token Selection for Batch Speculative Decoding [76.23719557942917]
TETRISは、(バッチ内のすべてのリクエストに対して)最も有望なドラフトトークンを積極的に選択する。
我々は,TETRISがベースライン投機的復号法およびドラフトトークンを動的に選択する既存手法より優れていることを理論的かつ実証的に示す。
論文 参考訳（メタデータ） (2025-02-21T04:19:24Z) - Design of mechanisms for ensuring the execution of tasks in project planning [0.0]
本報告では,プロジェクト計画の段階的側面の分析について報告する。
費用とプロジェクトの実施期間の制限を考慮している。
プロジェクト計画の段階で行われるタスクやタスクの階層を構築するタスクのモデルを構築した。
論文 参考訳（メタデータ） (2025-01-02T13:47:20Z) - CoPS: Empowering LLM Agents with Provable Cross-Task Experience Sharing [70.25689961697523]
クロスタスク体験の共有と選択によるシーケンシャル推論を強化する一般化可能なアルゴリズムを提案する。
我々の研究は、既存のシーケンシャルな推論パラダイムのギャップを埋め、タスク間体験の活用の有効性を検証する。
論文 参考訳（メタデータ） (2024-10-22T03:59:53Z) - Not All Preference Pairs Are Created Equal: A Recipe for Annotation-Efficient Iterative Preference Learning [81.69044784288005]
反復的な選好学習には、オンラインの注釈付き選好ラベルが必要である。
コスト効率のよいアノテーションに対する応答対を選択するための戦略について検討する。
論文 参考訳（メタデータ） (2024-06-25T06:49:16Z) - Training Greedy Policy for Proposal Batch Selection in Expensive Multi-Objective Combinatorial Optimization [52.80408805368928]
本稿では,バッチ取得のための新しいグリーディ型サブセット選択アルゴリズムを提案する。
赤蛍光タンパク質に関する実験により,提案手法は1.69倍少ないクエリでベースライン性能を達成できることが判明した。
論文 参考訳（メタデータ） (2024-06-21T05:57:08Z) - MAP: Low-compute Model Merging with Amortized Pareto Fronts via Quadratic Approximation [80.47072100963017]
Amortized Pareto Front (MAP) を用いた新しい低演算アルゴリズム Model Merging を導入する。
MAPは、複数のモデルをマージするためのスケーリング係数のセットを効率的に識別し、関連するトレードオフを反映する。
また,タスク数が比較的少ないシナリオではベイジアンMAP,タスク数の多い状況ではNested MAPを導入し,計算コストを削減した。
論文 参考訳（メタデータ） (2024-06-11T17:55:25Z) - Efficient Prompt Optimization Through the Lens of Best Arm Identification [50.56113809171805]
この作業は、明示的な予算制約の下でプロンプト選択を効率的に行うための、原則化されたフレームワークであるTRIPLEを提供する。
マルチアームバンディット(MAB)における即時最適化と固定予算ベストアーム識別(BAI-FB)の間に確立された新しい接続上に構築されている。
論文 参考訳（メタデータ） (2024-02-15T05:31:13Z) - Fuzzy Mathematical Model For Optimizing Success Criteria Of Projects: A Project Management Application [0.0]
プロジェクトマネジメントの傘の下でプロジェクトの成功を測定することは、コスト、時間、品質と密接に関連していることはよく知られている。
この分野における以前の研究の多くは、それぞれの基準に対して別の数学的モデルを割り当て、それから3つの基準間の最適なトレードオフを得るために数値的手法や探索技術を適用した。
論文 参考訳（メタデータ） (2024-01-11T21:54:05Z) - Benchmarking PtO and PnO Methods in the Predictive Combinatorial Optimization Regime [59.27851754647913]
予測最適化(英: Predictive optimization)は、エネルギーコストを意識したスケジューリングや広告予算配分など、多くの現実世界のアプリケーションの正確なモデリングである。
我々は,広告のための新しい産業データセットを含む8つの問題に対して,既存のPtO/PnOメソッド11をベンチマークするモジュラーフレームワークを開発した。
本研究は,8ベンチマーク中7ベンチマークにおいて,PnOアプローチがPtOよりも優れていることを示すが,PnOの設計選択に銀の弾丸は見つからない。
論文 参考訳（メタデータ） (2023-11-13T13:19:34Z) - Participatory Budgeting With Multiple Degrees of Projects And Ranged
Approval Votes [0.0]
PB(Indivisible Participatory budgeting)フレームワークでは、プロジェクト群に分散する限られた予算があります。
各投票者は、プロジェクトに必要なコストを上下に制限することで、各プロジェクトに対するさまざまなコストを承認する。
PBルールの結果はプロジェクトのサブセットを選択し、それに対応するコストを指定する。
論文 参考訳（メタデータ） (2023-05-18T13:39:56Z) - What Should We Optimize in Participatory Budgeting? An Experimental
Study [28.76045220764571]
PB(Participatory Budgeting)は、有権者が共通の予算を割り当てる方法を決定するプロセスである。
最新のPBアグリゲーション技術はユーザの期待と大きく異なることを示す。
非専門家が望ましくないと考えるものと、PB文脈における「公正」の概念をどのように知覚するかの間には、いくつかの相違点が存在する。
論文 参考訳（メタデータ） (2021-11-14T10:46:03Z) - A portfolio approach to massively parallel Bayesian optimization [0.0]
最適化研究の実施時間を短縮する1つの方法は、一度に1度ではなく、設計を評価することである。
高価なブラックボックスに対しては、ベイズ最適化のバッチバージョンが提案されている。
これらの実験は、類似またはより良い性能を持つ既存手法に比べて、桁違いの速度向上を示す。
論文 参考訳（メタデータ） (2021-10-18T14:02:21Z) - Participatory Budgeting with Project Groups [27.39571821668551]
参加予算(PB)の標準承認に基づくモデルの一般化について検討する。
この問題は一般に難解であり,いくつかの特殊な場合に対して効率的な厳密アルゴリズムを記述する。
私たちの結果は、例えば、自治体は、テーマ的に、地理的に包括的であるより豊かなPBプロセスを保持することができます。
論文 参考訳（メタデータ） (2020-12-09T18:23:04Z)
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。