May, 2023

在线背包问题中的时间公平性

PDF
TL;DR该论文研究了在线背包问题中的公平性及其影响，并针对不公平性问题提出了一种基于时间公平性的参数化确定性算法和一种公平、稳健及一致性的学习增强算法。
online knapsack problemfairnesstime fairnessdeterministic algorithmlearning-augmented algorithm
发现论文，激发创造
  • 随机序列模型下背包和 GAP 的改进在线算法

    本研究中，我们研究了在随机顺序模型下，针对背包问题和广义分配问题的在线算法，提出了一种基于两个优化算法的新型算法，竞争比最高达到 1/6.65 和 1/6.99。

    Dec, 2020

  • 实时决策的长期公平性：一种受限在线优化方法

    通过引入一个名为 LoTFair 的在线算法，本研究提出了一个框架，用于在具有时间变化公平性约束的动态决策系统中确保长期公平性。研究证明，LoTFair 可以在保持长期性能的同时，使整体公平性违规变得微不足道。

    Jan, 2024

  • 在在线分配中平衡价格与数据质量以实现公平

    本文探讨了在不观察个体保护属性的情况下，使用不同质量的数据源估算这些属性以降低公平惩罚的在线分配问题，并提出了一种在多臂赌博问题的框架下同时解决两个问题的算法，该算法可以适应多种不同的公平概念，并且在一些情况下可以学习使用的估计值。

    Jun, 2023

  • 广义均值福利的通用紧致在线算法

    该研究针对在线情况下可分配商品的公平高效分配问题，提出了一种基于平均值的算法框架来最大化每个成员获得的价值。该框架可以用于范围各异的福利函数，通过特定的阈值，得到了统一的与个性化竞争保证，并实现了比现有算法更好的效果。

    Sep, 2021

  • 在线零一背包问题的竞争算法与简洁预测

    在线背包问题的学习增强算法通过使用简洁的预测信息，在无传递完美预测和有限完美预测两种情况下，设计了能够提高算法性能的算法，并在实验中表现优于基线和复杂预测模型的算法。

    Jun, 2024

  • 双边市场排名的用户公平性、物品公平性和多样性

    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

  • 强盗之中的荣誉：面向在线公平分配的无遗憾学习

    通过探索 - 执行算法设计实现在线公平分配研究，解决基于多臂赌博携带公平约束的未知价值非可分配商品的社会福利最大化问题.

    Jul, 2024

  • 带有公平约束的排名

    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

  • 采样始终群体公平的个体公平排序

    本研究提出了一种有效的算法，在保持个体公平的情况下，从一组项目中随机抽样出排名，以确保输出排名满足群体公平性限制，同时保证输出排名的期望效用至少是最优公平解的效用的 α 倍，进而实现在线平台的算法公平。

    Jun, 2023

  • 未知公平性度量的在线学习

    该研究旨在解决在线学习在线性情境赌博机中存在强烈的个体公平约束的问题，其中个体公平性受未知相似性度量的支配，主要考虑通过算法减小公平性侵犯并达到最佳回报。

    Feb, 2018