Kemeny 方法是一种用于排名整合的热门工具，我们研究了在参数化复杂性条件下计算不同 Kemeny 排名的问题，并提供了已有的 FPT 算法和近似算法。

Sep, 2023

本研究在固定参数可解性理论的视角下，对于充分多样的好解的集合进行了系统化研究，并提出了一种基于树分解的动态规划算法框架，将已知的求解算法转化为充分多样的好解动态规划算法，其中多样性参数具有多项式依赖性。

Mar, 2019

本文描述并实现了如何使用量子退火器解决 Kemeny Rank Aggregation 问题，并使用 2 种数据缩减规则与模拟退火和局部搜索等经典算法进行对比研究量子退火器的运行时间、解决方案的质量和多样性。

Jan, 2023

本文介绍使用集合竞赛来将一组输入排名汇总成一个输出排名，引入了 Kemeny 规则的一种泛化版本，其中将最小化 k-wise 不一致的数量作为目标，介绍了大多数图的 k-wise 对应物，并提供了 k-wise Kemeny 聚合问题的近似算法。

Nov, 2019

在这项研究中，我们研究了多样性感知聚类问题，其中数据点与多个属性相关联，导致交叉组。聚类解决方案需要确保从每个组中选择最少数量的聚类中心，同时最小化聚类目标，可以是 $k$-median、$k$-means 或 $k$-supplier。我们提出了参数化逼近算法，逼近比例分别为 $1+ rac {2}{e}$、$1+rac {8}{e}$ 和 $3$，用于多样性感知 $k$-median、多样性感知 $k$-means 和多样性感知 $k$-supplier。这些逼近比例在假设 Gap-ETH 和 FPT $ eq$ W [2] 的情况下是紧密的。对于公平 $k$-median 和公平 $k$-means 与不相交设施组，我们分别提出了参数化逼近算法，逼近比例为 $1+rac {2}{e}$ 和 $1+rac {8}{e}$。对于公平 $k$-supplier 与不相交设施组，我们提出了一个多项式时间逼近算法，其因子为 $3$，改进了先前已知的逼近比例因子为 $5$。

Jan, 2024

本文提出了一个全面的质量多样性优化算法统一框架，探讨了该算法族群的大量变体，并提出了一种新的集合管理机制解决了在使用无结构的集合时观察到的侵蚀问题，同时还提出了使用质量多样性优化算法的新的选择机制，其性能比本文测试的所有算法都要好，这三个贡献都得到了质量多样化算法在三个不同实验场景下的广泛实验比较的支持。

May, 2017

我们通过社会选择理论的视角研究机器学习中的多任务基准，并将基准与选举系统进行类比，其中模型是候选人，任务是选民。我们将基准系统区分为基数型和序数型两种，前者将数字得分聚合为模型排名，后者则将每个任务的排名聚合起来。我们应用阿罗不可能定理于序数型基准，突显了序数系统的固有限制，尤其是对不相关模型的敏感性。受阿罗定理的启发，我们通过新的多样性和敏感性的定量度量指标进行了实证研究，并呈现了现有多任务基准在多样性和影响不相关任务变化方面之间的明确权衡。

May, 2024

本文介绍了一种优化用户公平性、项目公平性和多样性的排名算法，并通过实验证明其在这三个方面的有效性和权衡。

Oct, 2020

该论文在关于点集的度量空间问题中，提出了一种基于流算法和 MapReduce 模型的高效多样性最大化算法，该算法通过核心集合和 α- 近似比的计算，能够在处理大量数据集时获得优秀的近似度。

May, 2016

本研究致力于解决在电子商务中，为了使商品推荐更具多样性和公正性，提出的带约束排序优化问题，通过提出的快速精确和近似算法，得出结论：即使当约束条件很大时，我们的算法仍然可以在线性时间内运行，并且产生具有小约束违规的解决方案。

Apr, 2017