Recombination：一种用于重新划分选区的马尔可夫链族
计算机与社会
2019-11-14 v1 物理与社会
摘要
重新划分选区（redistricting）是将一组地理单元划分为固定数量选区的问题，须遵从一系列通常含糊的规则与优先事项。近年来，利用随机化方法从庞大的选区划分方案空间中采样，已在法庭上用于识别党派操纵选区划分（partisan gerrymanders），并正作为一种可能的分析工具出现在立法机构和独立委员会中。本文将重新划分选区建立为图划分问题，并引入空间图划分上一类称为Recombination（或ReCom）的新马尔可夫链族。主要的比较对象是常见的Flip游走，其每次随机改变单个节点的分配标签。我们给出证据表明ReCom混合高效，尤其相对于混合缓慢的Flip而言，并提供实验展示其定性行为。我们在真实数据上演示ReCom的优势，并解释马尔可夫链方法面临的挑战及其所启用的分析工具。最后以一个涉及弗吉尼亚州众议院的简短案例研究收尾。
引用
@article{arxiv.1911.05725,
title = {Recombination: A family of Markov chains for redistricting},
author = {Daryl DeFord and Moon Duchin and Justin Solomon},
journal= {arXiv preprint arXiv:1911.05725},
year = {2019}
}