公平动态配给
计算机科学与博弈论
2022-02-17 v4 数据结构与算法
摘要
我们研究政府和非营利组织在面对以下配给挑战时的任务：在需求（需求量）依次实现且可能相关的 agent 之间，公平且高效地配给一种社会物资。例如，在 COVID-19 大流行早期，联邦紧急事务管理局面临来自不同州的医疗物资需求，这些需求压倒性的、时间上分散、先验不确定且相关。在此类情境中，社会规划者旨在最大化依次到达的 agent 中的最小填充率，其中每个 agent 的填充率由不可撤销的一次性分配决定。对于任意相关的需求序列，我们建立了任何策略可实现的期望最小填充率（事后公平）与最小期望填充率（事前公平）的上界。我们的上界由 agent 数量和期望需求供给比参数化，但我们设计了一种称为投影比例分配（PPA）的简单自适应策略，该策略对于任意参数集同时实现了两项目标（事后与事前公平）的匹配下界。我们的 PPA 策略透明且易于实施，因为它不依赖除一阶条件矩以外的分布信息。尽管简单，我们证明 PPA 策略相比典型的一类非自适应目标填充率策略有显著改进。我们以基于标准 SEIR 建模方法（常用于预测大流行轨迹）的 COVID-19 医疗物资配给数值研究补充了理论发展。在此设定下，我们的 PPA 策略显著优于其理论保证以及最优目标填充率策略。
引用
@article{arxiv.2102.01240,
title = {Fair Dynamic Rationing},
author = {Vahideh Manshadi and Rad Niazadeh and Scott Rodilitz},
journal= {arXiv preprint arXiv:2102.01240},
year = {2022}
}