保持每个人快乐：众多物品在少量副本下的在线公平分配

本文考虑的是一种新型的在线公平分配问题，涉及多个代理人。学习者依次观察到一个不可分割的物品，必须在满足公平性和效率约束的前提下，将其不可撤销地分配给代理人之一。现有算法假设物品数量较少且副本数充足，这确保了从噪声 bandit 反馈中能获得所有物品-代理人对的良好效用估计。然而，这一假设在许多现实场景中并不成立，例如在线平台拥有大量用户（物品），这些用户仅使用平台的服务提供商（代理人）少数几次（物品的少量副本），这使得难以准确估计所有物品-代理人对的效用。为此，我们假设效用是物品-特征与代理人特征函数的未知函数。我们提出了将在线公平分配建模为情境 bandit问题的算法，并给出亚线性 regret 保证。我们的实验结果进一步验证了所提算法的有效性。