The Egalitarian Allocation (EA) is a well-known profit sharing method for cooperative games which attempts to distribute profit among participants in a most equal way while respecting the individual contributions to the obtained profit. Despite having desirable properties from the viewpoint of game theory like being contained in the core, the EA is in general hard to compute. Another well-known method is given by Vickrey Payments (VP). Again, the VP have desirable properties like coalitional rationality, the VP do not fulfill budget balance in general and, thus, are not contained in the core in general. One attempt to overcome this shortcoming is to scale down the VP. This can be done by a unique scaling factor, or, by individual scaling factors. Now, the individual scaled Vickrey Payments (ISV) are computed by maximizing the scaling factors lexicographically. In this paper we show that the ISV payments are in fact identical to a weighted EA, thus exhibiting an interesting connection between EA and VP. With this, we conclude the uniqueness of the ISV payments and provide a polynomial time algorithm for computing a special weighted EA.


翻译:平等分配(EA)是合作性游戏的一个众所周知的利润分享方法,它试图在尊重个人对所获利润的贡献的同时以最平等的方式在参与者中分配利润,同时尊重个人对所获利润的贡献。尽管从游戏理论的角度来看,例如包含在核心中,EA具有可取的属性,但一般而言,它很难计算。另一个众所周知的方法是Vickrey给付(VP)提供的。同样,VP具有联合合理性等可取的属性,因此,VP一般没有达到预算平衡,因此没有包含在核心中。克服这一缺陷的一个尝试是缩小VP。这可以通过一个独特的缩放因素来完成,或者通过单个缩放因素来完成。现在,个人缩放的Vickrey给付(ISV)是通过最大限度地增加缩放系数来计算的。在本文中我们表明,ISV付款事实上与加权的EA相同,从而展示了EA和VP之间的有趣联系。我们得出ISV付款的独特性,并为计算特殊加权EA提供了一种多时算法。

0
下载
关闭预览

相关内容

神经常微分方程教程,50页ppt,A brief tutorial on Neural ODEs
专知会员服务
71+阅读 · 2020年8月2日
Linux导论,Introduction to Linux,96页ppt
专知会员服务
77+阅读 · 2020年7月26日
【资源】100+本免费数据科学书
专知会员服务
107+阅读 · 2020年3月17日
《DeepGCNs: Making GCNs Go as Deep as CNNs》
专知会员服务
30+阅读 · 2019年10月17日
机器学习入门的经验与建议
专知会员服务
92+阅读 · 2019年10月10日
【SIGGRAPH2019】TensorFlow 2.0深度学习计算机图形学应用
专知会员服务
39+阅读 · 2019年10月9日
图分类相关资源大列表
专知
11+阅读 · 2019年7月18日
计算机 | 国际会议信息5条
Call4Papers
3+阅读 · 2019年7月3日
Transferring Knowledge across Learning Processes
CreateAMind
27+阅读 · 2019年5月18日
Unsupervised Learning via Meta-Learning
CreateAMind
42+阅读 · 2019年1月3日
meta learning 17年:MAML SNAIL
CreateAMind
11+阅读 · 2019年1月2日
A Technical Overview of AI & ML in 2018 & Trends for 2019
待字闺中
16+阅读 · 2018年12月24日
人工智能 | 国际会议信息10条
Call4Papers
5+阅读 · 2018年12月18日
人工智能 | COLT 2019等国际会议信息9条
Call4Papers
6+阅读 · 2018年9月21日
【推荐】RNN/LSTM时序预测
机器学习研究会
25+阅读 · 2017年9月8日
【推荐】SVM实例教程
机器学习研究会
17+阅读 · 2017年8月26日
Arxiv
0+阅读 · 2021年8月26日
Arxiv
4+阅读 · 2021年4月13日
VIP会员
相关VIP内容
神经常微分方程教程,50页ppt,A brief tutorial on Neural ODEs
专知会员服务
71+阅读 · 2020年8月2日
Linux导论,Introduction to Linux,96页ppt
专知会员服务
77+阅读 · 2020年7月26日
【资源】100+本免费数据科学书
专知会员服务
107+阅读 · 2020年3月17日
《DeepGCNs: Making GCNs Go as Deep as CNNs》
专知会员服务
30+阅读 · 2019年10月17日
机器学习入门的经验与建议
专知会员服务
92+阅读 · 2019年10月10日
【SIGGRAPH2019】TensorFlow 2.0深度学习计算机图形学应用
专知会员服务
39+阅读 · 2019年10月9日
相关资讯
图分类相关资源大列表
专知
11+阅读 · 2019年7月18日
计算机 | 国际会议信息5条
Call4Papers
3+阅读 · 2019年7月3日
Transferring Knowledge across Learning Processes
CreateAMind
27+阅读 · 2019年5月18日
Unsupervised Learning via Meta-Learning
CreateAMind
42+阅读 · 2019年1月3日
meta learning 17年:MAML SNAIL
CreateAMind
11+阅读 · 2019年1月2日
A Technical Overview of AI & ML in 2018 & Trends for 2019
待字闺中
16+阅读 · 2018年12月24日
人工智能 | 国际会议信息10条
Call4Papers
5+阅读 · 2018年12月18日
人工智能 | COLT 2019等国际会议信息9条
Call4Papers
6+阅读 · 2018年9月21日
【推荐】RNN/LSTM时序预测
机器学习研究会
25+阅读 · 2017年9月8日
【推荐】SVM实例教程
机器学习研究会
17+阅读 · 2017年8月26日
Top
微信扫码咨询专知VIP会员