具有比例公平性约束和多样性约束的匹配在线算法
摘要：具有公平性和多样性约束的配对问题在分配问题、委员会选举、学校选择等领域有着广泛的应用。此外，在线配对问题在广告分配和其他电子商务问题（如数字营销中的产品推荐）中也有很多应用。 我们研究了两个涉及将物品分配给平台的问题，其中物品根据其属性属于不同的组；物品集是离线可用的，而平台是在线到达的。在第一个问题中，我们研究了具有比例公平性约束的在线配对问题。在这里，每个平台到达时，要么分配一组物品，其中每个组的物品比例在指定的范围内，要么不分配任何物品；目标是将物品分配给平台，以最大化分配给平台的物品数量。 在第二个问题中，我们研究了具有多样性约束的在线配对问题，即对于每个平台，都指定了每个组的绝对下限。每个平台到达时，要么分配一组满足这些约束的物品，要么不分配任何物品；目标是最大化匹配到的平台集合。我们研究了这些问题的近似算法和难度结果。我们证明的技术核心是这些问题与超图中的匹配问题之间的新连接。 我们的实验评估显示，我们的算法在真实数据集和合成数据集上的性能超过了我们的理论保证。
作者：Anand Louis, Meghana Nasre, Prajakta Nimbhorkar, Govind S. Sankar
论文ID：2208.11378
分类：Data Structures and Algorithms
分类简称：cs.DS
提交时间：2023-08-04