論文の概要: Efficient Algorithms for Electing Successive Committees

• arxiv url: http://arxiv.org/abs/2505.18287v1
• Date: Fri, 23 May 2025 18:32:14 GMT
• ステータス: 翻訳完了
• システム内更新日: 2025-05-27 16:58:42.325042
• Title: Efficient Algorithms for Electing Successive Committees
• Title（参考訳）: 逐次委員会選定のための効率的なアルゴリズム
• Authors: Pallavi Jain, Andrzej Kaczmarczyk,
• Abstract要約: 最近導入された連続委員会選挙のモデルでは、与えられた「最高の」同規模の委員会を列挙することを目的としている。 しかし、この課題は、既に3つの大きさの委員会を探すために、ほとんどの選択基準においてNPハードであることが判明した。 我々は、適度な候補数や限られた時間軸の現実的なシナリオにおいて、前述のハードケースを効果的に解決するアルゴリズムを考案する。
• 参考スコア（独自算出の注目度）: 9.083041508439509
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: In a recently introduced model of successive committee elections (Bredereck et al., AAAI-20) for a given set of ordinal or approval preferences one aims to find a sequence of a given length of "best" same-size committees such that each candidate is a member of a limited number of consecutive committees. However, the practical usability of this model remains limited, as the described task turns out to be NP-hard for most selection criteria already for seeking committees of size three. Non-trivial or somewhat efficient algorithms for these cases are lacking too. Motivated by a desire to unlock the full potential of the described temporal model of committee elections, we devise (parameterized) algorithms that effectively solve the mentioned hard cases in realistic scenarios of a moderate number of candidates or of a limited time horizon.
• Abstract（参考訳）: 最近発表された一連の委員会選挙(Bredereck et al , AAAI-20)において、順序または承認の選好は、各候補者が限られた連続する委員会のメンバーであるように、与えられた「最高の」同規模の委員会の長さのシーケンスを見つけることを目的としている。 しかし、このモデルの実用的使用性は限定的であり、この課題は、既に3の委員会を探すために、ほとんどの選択基準においてNPハードであることが判明した。 これらのケースの非自明なアルゴリズムや、やや効率的なアルゴリズムも欠落している。 委員会選挙の時間モデルを完全に解きたいという願望によって、適度な数の候補者や限られた時間的地平の現実的なシナリオにおいて、言及されたハードケースを効果的に解決する(パラメータ化)アルゴリズムを考案する。

関連論文リスト

• On Efficient Computation of DiRe Committees [4.8951183832371]
  ほぼ2つの大きさの任意のグループに分けられる候補者からなる委員会選挙を考えてみましょう。 多様性制約は、各グループから少なくとも1つの候補を選択することを規定する。 表現制約は、承認された候補の非無効なセットを持つ各集団から少なくとも1人の候補者を選択することを規定している。
  論文  参考訳（メタデータ） (2024-02-29T17:13:30Z)
• Computing Voting Rules with Elicited Incomplete Votes [11.550634521005968]
  我々は、有権者に$t m$の候補者を問うことで計算可能な投票ルールについて検討する。 限定的なクエリで計算可能なルールを評価するために、パラメータ化された上と下の境界をそのようなクエリの数に割り当てる。
  論文  参考訳（メタデータ） (2024-02-16T22:17:01Z)
• A Best-of-Both-Worlds Algorithm for Constrained MDPs with Long-Term Constraints [34.154704060947246]
  マルコフ決定過程(CMDP)におけるオンライン学習の研究 我々は,長期制約のあるCMDPに対して,初めてのベスト・オブ・ワールドズ・アルゴリズムを提供する。
  論文  参考訳（メタデータ） (2023-04-27T16:58:29Z)
• Fast Feature Selection with Fairness Constraints [49.142308856826396]
  モデル構築における最適特徴の選択に関する基礎的問題について検討する。 この問題は、greedyアルゴリズムの変種を使用しても、大規模なデータセットで計算的に困難である。 適応クエリモデルは,最近提案された非モジュラー関数に対する直交整合探索のより高速なパラダイムに拡張する。 提案アルゴリズムは、適応型クエリモデルにおいて指数関数的に高速な並列実行を実現する。
  論文  参考訳（メタデータ） (2022-02-28T12:26:47Z)
• Machine Learning for Online Algorithm Selection under Censored Feedback [71.6879432974126]
  オンラインアルゴリズム選択(OAS)では、アルゴリズム問題クラスのインスタンスがエージェントに次々に提示され、エージェントは、固定された候補アルゴリズムセットから、おそらく最高のアルゴリズムを迅速に選択する必要がある。 SAT(Satisfiability)のような決定問題に対して、品質は一般的にアルゴリズムのランタイムを指す。 本研究では,OASのマルチアームバンディットアルゴリズムを再検討し,この問題に対処する能力について議論する。 ランタイム指向の損失に適応し、時間的地平線に依存しない空間的・時間的複雑さを維持しながら、部分的に検閲されたデータを可能にする。
  論文  参考訳（メタデータ） (2021-09-13T18:10:52Z)
• Modularity in Reinforcement Learning via Algorithmic Independence in Credit Assignment [79.5678820246642]
  提案手法は, 事前決定の順序に対して, スパース変化のみを必要とする伝達問題に対して, 政策段階の手法よりも, より標本効率が高いことを示す。 我々は最近提案された社会的意思決定の枠組みをマルコフ決定プロセスよりもよりきめ細かい形式主義として一般化する。
  論文  参考訳（メタデータ） (2021-06-28T21:29:13Z)
• Towards Meta-Algorithm Selection [78.13985819417974]
  インスタンス固有のアルゴリズム選択(AS)は、固定された候補集合からのアルゴリズムの自動選択を扱う。 メタアルゴリズムの選択は、いくつかのケースで有益であることを示す。
  論文  参考訳（メタデータ） (2020-11-17T17:27:33Z)
• Run2Survive: A Decision-theoretic Approach to Algorithm Selection based on Survival Analysis [75.64261155172856]
  生存分析(SA)は、自然に検閲されたデータをサポートし、アルゴリズムランタイムの分散モデルを学習するためにそのようなデータを使用する適切な方法を提供する。 我々は、アルゴリズム選択に対する洗練された決定論的アプローチの基礎として、そのようなモデルを活用し、Run2Surviveを疑う。 標準ベンチマークASlibによる広範な実験では、我々のアプローチは競争力が高く、多くの場合、最先端のASアプローチよりも優れていることが示されている。
  論文  参考訳（メタデータ） (2020-07-06T15:20:17Z)
• Extreme Algorithm Selection With Dyadic Feature Representation [78.13985819417974]
  我々は,数千の候補アルゴリズムの固定セットを考慮に入れた,極端なアルゴリズム選択(XAS)の設定を提案する。 我々は、XAS設定に対する最先端のAS技術の適用性を評価し、Dyadic特徴表現を利用したアプローチを提案する。
  論文  参考訳（メタデータ） (2020-01-29T09:40:58Z)

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。