在线资源分配中的公平性促进

我们考虑在典型的非营利环境下的在线资源分配，其中有限甚至稀缺的资源由政府等非营利组织管理。我们关注内部公平性，假设到达的请求者在其外部因素（如需求）上是同质的，但在其内部属性（如人口统计特征）上是异质的。具体而言，我们根据每个到达请求者的人口统计特征（即种族、性别和年龄）将其与一个或多个群体关联起来，并旨在设计一种公平的分配策略，使得每个请求者群体都能获得与预设目标比例成比例的公平资源份额。我们提出了两种基于线性规划的采样算法，并从理论上（通过竞争比分析）和基于明尼苏达州卫生部维护的真实COVID-19疫苗接种数据进行了实验研究。理论和数值结果均表明，我们基于线性规划的采样策略能够有效促进公平性，尤其是在到达人群比例失衡的情况下，正如在COVID-19疫苗推广初期所观察到的那样。