De nouveaux algorithmes pourraient aider à répartir équitablement les biens ou les tâches

vaccin

Crédit : Pixabay/CC0 Domaine public

Lorsque les organisations doivent répartir des articles indivisibles entre plusieurs parties ayant des besoins et des préférences différents, comme la fourniture de vaccins COVID-19 limités aux établissements médicaux ou la distribution de dons de banques alimentaires aux familles ayant des restrictions alimentaires variables, comment peuvent-elles s’assurer que chacun obtient sa juste part ? ?

Pour assurer un partage équitable, une équipe de recherche de Penn State a proposé deux nouveaux algorithmes pour garantir par calcul des allocations agréables de biens, services et tâches souhaitables et indésirables.

Les deux algorithmes de l’équipe demandent aux participants de suivre la notion ordinale d’équité, qui classe simplement les groupes d’éléments que l’individu perçoit comme plus ou moins souhaitables. Cette approche améliore les méthodes existantes de répartition équitable en étant plus robuste et moins sensible aux changements ou au bruit dans les valeurs attribuées aux éléments.

“Si vous savez que vous n’aimez pas sortir les poubelles, mais que vous ne savez pas exactement à quel point vous n’aimez pas les sortir, les approximations existantes sont très sensibles à cela ; si vous faites un petit ajustement, tout à coup toute la solution va changer », a déclaré Hadi Hosseini, professeur adjoint au Collège des sciences et technologies de l’information (IST) de Penn State, qui dirigeait l’équipe. “Cette approximation ordinale n’est pas sensible à cela, tant que vous savez ordinairement quelle corvée vous détestez le plus ou quel bien vous aimez le plus.”

L’algorithme de l’équipe pour les éléments à valeur positive, qui a été publié ce mois-ci dans le Journal de l’intelligence artificielle, s’appuie sur les cadres existants pour parvenir à l’équité en affectant un seul destinataire des éléments pour les diviser en lots distincts qu’ils estiment être de valeur égale. Ces articles sont ensuite distribués après que chaque destinataire attribue une valeur à un seul lot en fonction de ses préférences. Le destinataire qui a divisé les éléments est le dernier à recevoir une part.

Selon Hosseini, cependant, cette approche ne garantit pas l’équité car ils sont, en partie, trop sensibles aux petits changements dans les préférences d’un individu. Dans leur nouveau cadre, l’équipe d’Hosseini garantit l’équité en augmentant de 50 % le nombre de lots à diviser.

“S’il y a 10 personnes, par exemple, le diviseur mettrait les marchandises en 15 paquets. C’est quelque chose que nous pouvons satisfaire et calculer efficacement”, a expliqué Hosseini.

Dans cette approche, chaque participant placerait une valeur sur les lots individuels, identifiant un seuil minimum pour quelle distribution ils percevraient comme équitable.

“Notre méthode fournit une approximation plus robuste; c’est comme si vous ajoutiez des individus fictifs et demandiez aux participants de répartir les éléments équitablement à la satisfaction de tous les destinataires”, a-t-il déclaré.

Séparément, les chercheurs ont proposé un deuxième algorithme pour répartir les éléments indésirables ou les tâches fastidieuses, telles que la répartition des tâches de nettoyage hebdomadaires entre les colocataires ou la gestion de l’enlèvement des déchets dans une ville. Leurs travaux ont été publiés dans un article présenté à la Conférence internationale 2022 sur les agents autonomes et les systèmes multi-agents en mai.

Les chercheurs ont de nouveau proposé le concept d’un participant répartissant les tâches ou les corvées en lots. Mais cette fois, le nombre de lots a été réduit, augmentant la valeur potentielle de chacun pour les participants.

“Imaginez qu’il y ait quatre lots et qu’il y ait six personnes ; et l’un des lots a la valeur la plus basse pour un participant, nommé Alice”, a déclaré Hosseini. “Parce que c’est la valeur la plus basse, cela donne un seuil pour Alice. Maintenant, Alice dirait” si j’obtiens quelque chose de mieux que cela, je suis content “, car nous avons emballé plus de choses dans moins de paquets.”

Les découvertes de l’équipe pourraient finalement avoir un impact sur les systèmes informatiques qui prennent en charge une variété de processus d’allocation de biens ou de ressources, notamment la distribution de dons de banques alimentaires, l’inscription d’étudiants à des cours universitaires et la planification de chirurgiens dans les salles d’opération.

“Dans le monde réel, vous pouvez penser à la manière dont les ressources à un niveau élevé peuvent être distribuées à plusieurs parties de manière équitable”, a déclaré Hosseini. “C’est un cadre théorique qui peut être appliqué à de nombreux cas d’utilisation.”


Algorithme de vote étonnamment populaire développé pour récupérer les choix classés


Plus d’information:
Hadi Hosseini et al, Approximation de la part ordinale maximale pour les biens, Journal de recherche sur l’intelligence artificielle (2022). DOI : 10.1613/jair.1.13317

Fourni par l’Université d’État de Pennsylvanie

Citation: Bon, mauvais, juste : de nouveaux algorithmes pourraient aider à répartir équitablement les biens ou les tâches (2022, 5 juillet) récupéré le 5 juillet 2022 sur https://techxplore.com/news/2022-07-good-bad-fair-algorithms-goods .html

Ce document est soumis au droit d’auteur. En dehors de toute utilisation loyale à des fins d’étude ou de recherche privée, aucune partie ne peut être reproduite sans l’autorisation écrite. Le contenu est fourni seulement pour information.