邻近的中心：设施选址中的公平性
数据结构与算法
2019-09-02 v2 机器学习
机器学习
摘要
当为一组建施选择位置时，标准聚类算法可能对某些个体和社区施加不公平的负担。我们提出了一种考虑局部人口密度的公平性概念。具体而言，给定待选址的 个设施与规模为 的人口，我们将个体 的“邻域半径”定义为以 为中心、包含至少 个个体的球的最小半径。我们的目标是确保每个人在至多其邻域半径的一个小常数因子范围内拥有一座设施。我们给出了若干理论结果：我们证明了优化该因子是 NP-hard 的；我们给出了一个在所有度量空间中保证至多因子 2 的近似算法；并证明了在某些度量空间中的匹配下界。我们将该算法的一个变体应用于真实世界地址数据，表明其与标准聚类算法截然不同，并在我们的目标函数上优于它们，且更均匀地平衡了设施间的负载。
引用
@article{arxiv.1908.09041,
title = {A Center in Your Neighborhood: Fairness in Facility Location},
author = {Christopher Jung and Sampath Kannan and Neil Lutz},
journal= {arXiv preprint arXiv:1908.09041},
year = {2019}
}