具有约束的智能体资源分配:最大化可能性,最小化妥协
针对多轮匹配问题,我们在普遍应用实践中探究了解决资源与代理人之间的配对问题的方法,并研究了不同类型的收益函数的解决策略,同时针对不同的场景,我们提出了整数线性规划和基于局部搜索的启发式算法。
Nov, 2022
本文研究了在私有约束下如何进行资源分配问题,可以从最大权重匹配、联合差分隐私和总代用品假设等方面来考虑。通过研究分析发现,这种问题在不同隐私条件下的解决方案存在明显差异,提出了适用于差分联合隐私的解决方案来保障社会福利最大化。
Nov, 2013
本文研究了一个在线资源预订问题,通过一个由两个计算节点组成的通信网络,在有限时间内最小化整体预订成本,并且保持累计违规与运输成本在一定预算限制下的在线重复博弈,提出了一个在线鞍点算法来解决该问题。
May, 2023
研究了在线分配问题,通过创建不对称性来控制重用性引起的随机依赖,并建立了一个新算法,获得了最佳竞争比率。(The paper studies the problem of online allocation and proposes a new algorithm that creates asymmetry to control the stochastic dependencies induced by reusability, achieving the best possible competitive ratio.)
Feb, 2020
这篇论文提出了一种新的在线匹配模型,该模型考虑了资源重用问题,同时给出了一个基于线性规划的自适应算法,可以在应用实例如出租车调度服务等中得到应用。
Nov, 2017
本文提出一种针对多个资源分配问题的算法体系,将在线请求建模为每次从未知的概率分布中独立抽取,给出了一个在任意接受数据的情况下获得一定比例最优解的单一算法,并且探究了如何在任意情况下应对敌对分布。同时,文中提出了解决大型 LPs 混合装填覆盖问题的快速算法,并分析了该算法在在线拍卖、网络路由和广告策略方案等特殊情况下的应用。
Mar, 2019
本文研究了将不可拆分物品分配给具有加法偏好的代理人的基本问题。我们考虑 eliciting 每个代理人仅排名她最喜欢的 $k$ 个物品,而不是她的完整基数估值。我们表征了实现嫉妒 - 自由度高达一个良好且近似最大值共享保证的 $k$ 值。我们还分析了由于缺乏完整信息而产生的社会福利的乘法损失,无论是否满足公平要求。
May, 2021
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