論文の概要: Contextual Budget Bandit for Food Rescue Volunteer Engagement

• arxiv url: http://arxiv.org/abs/2509.10777v1
• Date: Sat, 13 Sep 2025 01:49:00 GMT
• ステータス: 翻訳完了
• システム内更新日: 2025-09-16 17:26:22.774196
• Title: Contextual Budget Bandit for Food Rescue Volunteer Engagement
• Title（参考訳）: フードレスキューボランティアエンゲージメントのためのコンテキスト予算バンドバンド
• Authors: Ariana Tang, Naveen Raman, Fei Fang, Zheyuan Ryan Shi,
• Abstract要約: ボランティアを基盤としたフードレスキュープラットフォームは、余剰食料を必要な地域社会に合わせることで、食品廃棄物に対処する。 ボランティア活動を改善するための既存のアルゴリズムは、地理的格差を悪化させ、一部のコミュニティは体系的に不利なままである。 レスレスマルチアームバンドにおけるコンテキスト依存型予算配分を組み込んだコンテキストバジェットバンドを提案する。
• 参考スコア（独自算出の注目度）: 13.339011713989628
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: Volunteer-based food rescue platforms tackle food waste by matching surplus food to communities in need. These platforms face the dual problem of maintaining volunteer engagement and maximizing the food rescued. Existing algorithms to improve volunteer engagement exacerbate geographical disparities, leaving some communities systematically disadvantaged. We address this issue by proposing Contextual Budget Bandit. Contextual Budget Bandit incorporates context-dependent budget allocation in restless multi-armed bandits, a model of decision-making which allows for stateful arms. By doing so, we can allocate higher budgets to communities with lower match rates, thereby alleviating geographical disparities. To tackle this problem, we develop an empirically fast heuristic algorithm. Because the heuristic algorithm can achieve a poor approximation when active volunteers are scarce, we design the Mitosis algorithm, which is guaranteed to compute the optimal budget allocation. Empirically, we demonstrate that our algorithms outperform baselines on both synthetic and real-world food rescue datasets, and show how our algorithm achieves geographical fairness in food rescue.
• Abstract（参考訳）: ボランティアを基盤としたフードレスキュープラットフォームは、余剰食料を必要な地域社会に合わせることで、食品廃棄物に対処する。 これらのプラットフォームは、ボランティア活動の維持と、救助された食料の最大化という2つの問題に直面している。 ボランティア活動を改善するための既存のアルゴリズムは、地理的格差を悪化させ、一部のコミュニティは体系的に不利なままである。 この問題に対処するには、Contextual Budget Banditを提案する。 コンテキスト予算バンド(Contextual Budget Bandit)は、ステートフルな武器を許容する意思決定のモデルであるレスレスト・マルチアーム・バンディットにおけるコンテキスト依存の予算配分を取り入れている。 これにより、より低いマッチング率のコミュニティにより高い予算を割り当て、地理的格差を軽減できる。 この問題に対処するため,経験的に高速なヒューリスティックアルゴリズムを開発した。 このヒューリスティックアルゴリズムは、アクティブなボランティアが不足している場合の近似が不十分であるため、最適予算配分を計算することが保証されるミトーシスアルゴリズムを設計する。 実験によって、我々のアルゴリズムは、合成食品と実世界の食品の救助データセットのベースラインよりも優れており、我々のアルゴリズムが食品の救助における地理的公正性をどのように達成しているかを示している。

関連論文リスト

• No-Regret Learning Under Adversarial Resource Constraints: A Spending Plan Is All You Need! [56.80767500991973]
  アクション選択の前に報酬とコストが観測される$(i)$オンラインリソース割当と、アクション選択後、完全なフィードバックや盗賊フィードバックの下で、リソース制限付きオンライン学習である$(ii)$オンラインリソース割当に焦点を当てた。 報酬とコスト分布が時間とともに任意に変化する場合、これらの設定でサブ線形後悔を達成することは不可能であることが知られている。 我々は、支出計画に従う基準線に対する半線形後悔を実現する一般的な(基本的)二重的手法を設計し、また、支出計画が予算のバランスの取れた配分を保証すると、アルゴリズムの性能が向上する。
  論文  参考訳（メタデータ） (2025-06-16T08:42:31Z)
• A Simulation-Based Framework for Leveraging Shared Autonomous Vehicles to Enhance Disaster Evacuations in Rural Regions with a Focus on Vulnerable Populations [0.210674772139335]
  本研究は,農村部における災害前・災害後避難にSAVを配備する枠組みを提案する。 この枠組みは、障害者、英語能力の制限、高齢者を含む脆弱なグループのニーズを優先している。
  論文  参考訳（メタデータ） (2025-01-20T00:12:31Z)
• A Distance Similarity-based Genetic Optimization Algorithm for Satellite Ground Network Planning Considering Feeding Mode [53.71516191515285]
  衛星データ中継ミッションの送信効率の低さは、現在システムの構築を制約している問題となっている。 本研究では,タスク間の状態特性を考慮した距離類似性に基づく遺伝的最適化アルゴリズム(DSGA)を提案し,タスク間の類似性を決定するための重み付きユークリッド距離法を提案する。
  論文  参考訳（メタデータ） (2024-08-29T06:57:45Z)
• Automating Food Drop: The Power of Two Choices for Dynamic and Fair Food Allocation [51.687404103375506]
  私たちはインディアナ州の非営利組織とパートナーし、EmphFood Dropというプログラムを率いています。 このパートナーシップの目標は、Food Dropを完全に自動化することにあります。 そのためには、食品を受け取った食品銀行の公正性の確保と、トラック運転手の効率の最適化を両立させるために、リアルタイムな意思決定を行うためのマッチングアルゴリズムが必要である。
  論文  参考訳（メタデータ） (2024-06-10T15:22:41Z)
• A resource-constrained stochastic scheduling algorithm for homeless street outreach and gleaning edible food [29.017017395878597]
  ミッションや運用の異なる社会変革組織が直面する資源制約付きアウトリーチ問題に対処する共通アルゴリズムソリューションを開発した。 そこで我々は,k$-step遷移の下で部分的に観測された非定常帯域に対する推定と最適化手法を開発した。
  論文  参考訳（メタデータ） (2024-03-15T19:12:28Z)
• Confounded Budgeted Causal Bandits [28.199741662190203]
  基礎となる因果グラフをモデルとした環境における「良い」介入の学習問題について検討する。 良い介入は報酬を最大化する介入を指す。 一般因果グラフにおける累積後悔を最小限に抑えるアルゴリズムを提案する。
  論文  参考訳（メタデータ） (2024-01-15T10:26:13Z)
• Nash Welfare and Facility Location [82.81742334337336]
  沿線にエージェントを配置する施設を配置することの問題点を考察する。 エージェントのユーティリティの産物として定義されたナッシュの福祉目的機能は、公正性と効率性の妥協をもたらすことが知られている。
  論文  参考訳（メタデータ） (2023-10-06T09:06:44Z)
• Equity Promotion in Public Transportation [18.057286025603055]
  本研究は,エクイティ・プロモーション目的のために,この2つのアプローチを一体化するための最適化モデルを提案する。 我々は線形プログラミング(LP)に基づくラウンドリングアルゴリズムを設計し、最適近似比が1-1/eであることを証明する。 実験により,我々の理論予測を検証し,社会資本の促進に向けたLPベースの戦略の有効性を実証した。
  論文  参考訳（メタデータ） (2022-11-26T10:06:00Z)

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。