論文の概要: Fairness-Aware Performance Evaluation for Multi-Party Multi-Objective Optimization

• arxiv url: http://arxiv.org/abs/2601.22497v1
• Date: Fri, 30 Jan 2026 03:09:58 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-02-02 18:28:15.188107
• Title: Fairness-Aware Performance Evaluation for Multi-Party Multi-Objective Optimization
• Title（参考訳）: 多人数多目的最適化のための公平性を考慮した性能評価
• Authors: Zifan Zhao, Peilan Xu, Wenjian Luo,
• Abstract要約: MPMOPの公平性を考慮した性能評価フレームワークを開発した。 MPMOPの公平性を考慮した評価関数が満足すべき4つの公理を定式化する。
• 参考スコア（独自算出の注目度）: 4.330406936708466
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: In multiparty multiobjective optimization problems, solution sets are usually evaluated using classical performance metrics, aggregated across DMs. However, such mean-based evaluations may be unfair by favoring certain parties, as they assume identical geometric approximation quality to each party's PF carries comparable evaluative significance. Moreover, prevailing notions of MPMOP optimal solutions are restricted to strictly common Pareto optimal solutions, representing a narrow form of cooperation in multiparty decision making scenarios. These limitations obscure whether a solution set reflects balanced relative gains or meaningful consensus among heterogeneous DMs. To address these issues, this paper develops a fairness-aware performance evaluation framework grounded in a generalized notion of consensus solutions. From a cooperative game-theoretic perspective, we formalize four axioms that a fairness-aware evaluation function for MPMOPs should satisfy. By introducing a concession rate vector to quantify acceptable compromises by individual DMs, we generalize the classical definition of MPMOP optimal solutions and embed classical performance metrics into a Nash-product-based evaluation framework, which is theoretically shown to satisfy all axioms. To support empirical validation, we further construct benchmark problems that extend existing MPMOP suites by incorporating consensus-deficient negotiation structures. Experimental results demonstrate that the proposed evaluation framework is able to distinguish algorithmic performance in a manner consistent with consensus-aware fairness considerations. Specifically, algorithms converging toward strictly common solutions are assigned higher evaluation scores when such solutions exist, whereas in the absence of strictly common solutions, algorithms that effectively cover the commonly acceptable region are more favorably evaluated.
• Abstract（参考訳）: マルチパーティの多目的最適化問題では、解集合は通常古典的なパフォーマンス指標を用いて評価され、DMに集約される。 しかし、これらの平均に基づく評価は、各党のPFと同一の幾何学的近似品質が同等に評価的に重要であると仮定するため、特定の党を支持することで不公平である可能性がある。 さらに、MPMOP最適解の概念は厳密に共通のパレート最適解に制限され、多党の意思決定シナリオにおける協力の狭い形態を表す。 これらの制限は、解集合がバランスの取れた相対的な利得を反映するか、異種DM間の有意なコンセンサスを反映しているかを明らかにしない。 これらの課題に対処するため,コンセンサスソリューションの一般化概念を基礎として,公正性を考慮した性能評価フレームワークを開発した。 協調ゲーム理論の観点から,MPMOPの公平性を考慮した評価関数が満足すべき4つの公理を定式化する。 個々のDMによって許容される妥協を定量化するための譲歩率ベクトルを導入することにより、古典的なMPMOP最適解の定義を一般化し、古典的なパフォーマンス指標をナッシュ積に基づく評価フレームワークに組み込む。 実証検証を支援するために,既存のMPMOPスイートを拡張したベンチマーク問題を,コンセンサスに欠けるネゴシエーション構造を組み込むことでさらに構築する。 実験結果から,提案した評価フレームワークは,コンセンサス・アウェア・フェアネスを考慮した方法で,アルゴリズム性能を識別可能であることが示された。 具体的には、厳密な共通解に対して収束するアルゴリズムは、そのような解が存在する場合、より高い評価スコアを割り当てるが、厳密な共通解がない場合には、一般に許容される領域を効果的にカバーするアルゴリズムをより好適に評価する。

関連論文リスト

• Belief-Calibrated Multi-Agent Consensus Seeking for Complex NLP Tasks [45.14284473132228]
  コンセンサス安定性を最大化する最適協力者を選択するための理論的枠組みを提供する。 この定理に基づいて,安定したコンセンサスを促進するためのBCCS(Belief-Calibrated Consensus Seeking)フレームワークを提案する。 MATHおよびMMLUベンチマークデータセットの実験結果から、提案したBCCSフレームワークが既存の最高の結果を上回っていることが示された。
  論文  参考訳（メタデータ） (2025-10-07T17:53:34Z)
• A New Approach for Multicriteria Assessment in the Ranking of Alternatives Using Cardinal and Ordinal Data [0.0]
  2つの仮想ギャップ解析(VGA)モデルを組み合わせた新しいMCA手法を提案する。 線形プログラミングに根ざしたVGAフレームワークは、MCA方法論において重要である。
  論文  参考訳（メタデータ） (2025-07-10T04:00:48Z)
• A Principled Approach to Randomized Selection under Uncertainty: Applications to Peer Review and Grant Funding [61.86327960322782]
  本稿では,各項目の品質の間隔推定に基づくランダム化意思決定の枠組みを提案する。 最適化に基づく最適化手法であるMERITを導入する。 MERITが既存のアプローチで保証されていない望ましい公理特性を満たすことを証明している。
  論文  参考訳（メタデータ） (2025-06-23T19:59:30Z)
• Bounded Rationality for LLMs: Satisficing Alignment at Inference-Time [52.230936493691985]
  本稿では,2次基準のしきい値に基づく制約を満たしつつ,主目的を最大化し,アライメントの多面性に対処する推論フレームワークSITAlignを提案する。 我々は、満足度に基づく推論アライメントアプローチの準最適境界を導出することで理論的洞察を提供する。
  論文  参考訳（メタデータ） (2025-05-29T17:56:05Z)
• Beyond Predictions: A Participatory Framework for Multi-Stakeholder Decision-Making [3.3044728148521623]
  本稿では,意思決定をマルチステークホルダー最適化問題として再編成する参加型フレームワークを提案する。 我々のモジュラー・モデルに依存しないフレームワークは、ユーザが提供する予測モデルを微調整するためにk-foldクロスバリデーションを採用している。 合成スコアリング機構は、複数のメトリクスにまたがってユーザ定義の嗜好を集約し、戦略をランク付けする。
  論文  参考訳（メタデータ） (2025-02-12T16:27:40Z)
• An Efficient Approach for Solving Expensive Constrained Multiobjective Optimization Problems [0.0]
  効率的な確率的選択に基づく制約付き多目的EAをPSCMOEAと呼ぶ。 a) 評価された解の実現可能性と収束状態に基づく適応探索境界同定スキームのような新しい要素を含む。 ECMOPを模擬する低評価予算を用いて, 幅広い制約付き問題に対して, 数値実験を行った。
  論文  参考訳（メタデータ） (2024-05-22T02:32:58Z)
• 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)

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。