[論文レビュー] A Framework for Fair Decision-making Over Time with Time-invariant Utilities

Lodi, Andrea, Sankaranarayanan, Sriram+1 more|arXiv (Cornell University)|Dec 20, 2022

Sustainable Supply Chain Management被引用数 2

ひとこと要約

本論文は、複数の時間期間にわたる公平な意思決定のための数学的プログラミングフレームワークを提案する。ステークホルダーの効用は時間に依存しない関数を用いて集約される。対称性を低減する再定式化と、行と列の生成を併用して解ける緩和問題を導入することで、TSP や救急車ルーティングなどの繰り返し意思決定問題において、公平で高品質な解を効率的に計算可能となる。

ABSTRACT

Fairness is a major concern in contemporary decision problems. In these situations, the objective is to maximize fairness while preserving the efficacy of the underlying decision-making problem. This paper examines repeated decisions on problems involving multiple stakeholders and a central decision maker. Repetition of the decision-making provides additional opportunities to promote fairness while increasing the complexity from symmetry to finding solutions. This paper presents a general mathematical programming framework for the proposed fairness-over-time (FOT) decision-making problem. The framework includes a natural abstraction of how a stakeholder's acquired utilities can be aggregated over time. In contrast with a natural, descriptive formulation, we demonstrate that if the aggregation function possesses certain basic properties, a strong reformulation can be written to remove symmetry from the problem, making it amenable to branch-and-cut solvers. Finally, we propose a particular relaxation of this reformulation that can assist in the construction of high-quality approximate solutions to the original problem and can be solved using simultaneous row and column generation techniques.

研究の動機と目的

• 複数のステークホルダーと中央意思決定者を含む繰り返し意思決定問題における公平性を扱う。
• 既存の公平なリソース配分モデルを、リソース配分にとどまらない、TSP や救急車ルーティングなどの広範な意思決定問題へ一般化する。
• 時間経過にわたる効用集約をモデル化しつつ、公平性と有効性を保つ数学的プログラミングフレームワークを開発する。
• 分枝カットソルバーの計算効率を向上させるために、定式化における対称性を低減する。
• 同時に行と列を生成する技術を用いた緩和手法を提供し、公平性と解の品質に関する洞察を得る。

提案手法

• ステークホルダーの時間変動する効用を代表的な効用に統合する一般化された集約関数 ϑ を用いて、時間経過にわたる公平性（FOT）問題を定式化する。
• 各期間におけるある意思決定を選択する確率を再定義することで、対称性を排除する確率同等の再定式化を導入する。
• 集約関数の性質（例：単調性、連続性）を活用した強力な再定式化技術を適用し、対称的解を除去する。
• 確率同等の定式化の緩和を提案し、最適化から公平性評価を分離することで、可能な解集合（例：TSP 巡回路）における列生成を可能にする。
• 緩和されたマスタープロブレムを解くために、同時に行と列を生成する手法を用い、価格設定サブプロブレムで公平で効率的な解を生成する。
• 各ステークホルダーが異なる集約関数 ϑi を使用する場合でも、一般化された再定式化アプローチにより、理論的・計算的妥当性を維持する。

実験結果

リサーチクエスチョン

• RQ1 リソースを個々の個人に割り当てない繰り返し意思決定問題において、どのように公平性を意味的にモデル化できるか？
• RQ2 複数期間にわたる公平な意思決定問題において、対称性を低減する数学的再定式化技術は、ソルバーの性能向上にどのように寄与するか？
• RQ3 再定式化された問題の緩和は、高い公平性を達成するために必要な意思決定ラウンドの数に関する深い洞察を提供できるか？
• RQ4 公平性評価と最適化の分離は、計算の tractability をどの程度向上できるか？
• RQ5 公平性に配慮した最適化フレームワークにおいて、パレート支配解を回避または明示的に除外する方法は何か？

主な発見

• 提案されたフレームワークは、TSP や救急車ルーティングのように、タイミングと位置に依存する効用を持つ問題へと、公平な意思決定をリソース配分の範囲を超えて一般化する。
• 時間に依存しない集約関数（例：単調性など）を仮定することで、対称性を除去する強力な再定式化が可能となり、ソルバーの効率が顕著に向上する。
• 確率同等の定式化の緩和により、最適化から公平性評価を分離でき、TSP 巡回路などの可能な解集合に対する効率的な列生成が可能になる。
• 緩和問題を解くことで、高い公平性を達成するために必要な意思決定ラウンドの数に関する洞察が得られ、完全な公平性は単一回の意思決定では達成できないが、複数ラウンドでは可能であることが示された。
• フレームワークは、ステークホルダー間で同一の集約関数と異なった関数を使用する場合にも対応でき、理論的・計算的妥当性を保つ。
• 集約関数が混合整数線形形式で表現可能な場合、同時に行と列を生成する手法により、高品質な近似解の構築が可能になる。