公平医疗配给以最大化动态效用
摘要：稀缺医疗资源在有限的后勤和基础设施条件下的分配是现代社会的重要问题。我们考虑了在线方式下医疗资源的分配问题，例如将疫苗分配给人们或床位分配给患者。我们的模型考虑到资源的日常到达情况、不同类别的代理人、某些日子上代理人可能无法使用以及与每个分配相关的效用以及其随时间的变化。 我们提出了一个模型，其中将不同类别的优先级建模为代理人的效用。我们提供了在线和离线算法来计算一种符合代理人进入不同类别的资格并激励代理人不隐藏其某个类别资格的分配。离线算法提供了最优分配，而在线算法则提供了总效用的最优分配的近似值。我们的算法高效，并在不同类别的代理人之间保持公平。我们的模型在难民安置和签证分配等其他领域也具有应用。我们在实际和合成数据集上评估了算法的性能。实验结果显示，在线算法速度快，并且在总效用方面比给定的理论界限表现更好。此外，实验结果证实了我们基于效用的模型正确捕捉了不同类别的优先级。
作者：Aadityan Ganesh, Prajakta Nimbhorkar, Pratik Ghosal and Vishwa Prakash HV
论文ID：2303.11053
分类：Multiagent Systems
分类简称：cs.MA
提交时间：2023-03-21