Распределение полномочий - Authority distribution

Концепция решения распределение полномочий был сформулирован Ллойд Шепли и его ученик X. Ху в 2003 году, чтобы измерить авторитет игроков в хорошо организованной организации.[1] Индекс генерирует Индекс силы Шепли-Шубика и может использоваться при ранжировании, планировании и выборе организации.

Определение

Организация заключает контракты с каждым отдельным руководителем и одобряет отношения с другими. Итак, у каждого человека есть своя собственная структура власти, называемая командной игрой. В Индекс силы Шепли-Шубика для этих командных игр собирательно обозначается матрица передачи мощности Ρ.

Распределение полномочий π определяется как решение уравнения противовеса π = πΡ. Основная идея уравнения противовеса состоит в том, что сила человека проистекает из его решающих ролей в командной игре других; с другой стороны, его власть также может быть перераспределена среди тех, кто участвует в его командной игре как жизненно важные игроки.

Для простого законодательного органа π - это просто индекс власти Шепли-Шубика, основанный на вероятностном аргументе ([2][3]).

Приложения

Пример 1. Рейтинг колледжа по принятию абитуриентов

Предположим, что есть большое количество абитуриентов, желающих подать заявление в колледжи. Каждый абитуриент подает несколько заявлений. Затем каждый колледж предлагает некоторым поступающим зачисление и отклоняет всех остальных. Теперь некоторые абитуриенты могут не получить предложения ни от одного колледжа; другой получит одно или несколько предложений. Кандидат с несколькими предложениями решит, в какой колледж поступить, и отклонит все другие колледжи, которые сделают ему предложения. Из всех абитуриентов, которые подают заявления в колледж i и получают предложения от него, мы допускаем P (i, j) как долю тех абитуриентов, которые решили поступить в колледж j. Такие абитуриенты, конечно же, поступают и получают предложения от College j.

Чтобы ранжировать колледжи по степени приема абитуриентов, которым были сделаны предложения, мы можем применить распределение полномочий, связанное с матрицей P. Так называемое «распределение полномочий» можно рассматривать как меру относительной привлекательности колледжей среди поступающих. ' точка зрения.

Пример 2. Рейтинг журналов по цитированию

Предположим, что существует n журналов в научной области. В любом журнале i каждый выпуск содержит множество статей, и каждая статья имеет свой список ссылок или цитат. Статья в журнале j может быть процитирована в другой статье журнала i в качестве ссылки. Из всех статей, цитируемых в журнале i (с учетом повторений), мы используем P (i, j) как долю тех статей, которые опубликованы в журнале j. Таким образом, P измеряет прямое влияние между любыми двумя журналами, а P (i, i) - это уровень самоцитирования журнала i. Распределение авторитетности для π = πP будет количественно определять долгосрочное влияние каждого журнала в группе журналов и может использоваться для ранжирования этих журналов.

Пример 3. Планирование автострады.

Некоторые маленькие городки считают, что строительство автострад принесло бы им пользу. Скажем, планируют построить автострады F1, F2, ..., Fn − 1. Мы позволяем Fn быть существующими каналами движения автомобилей, грузовиков и автобусов. Мы предполагаем, что все потенциальные автострады имеют одинаковую длину. В противном случае мы можем сделать предположение, разделив длинные автострады на более мелкие участки и переименовав их все. Автомагистрали с более высокой интенсивностью движения следует строить с большим количеством полос движения и, таким образом, получать больше инвестиций. В общем потоке трафика на Fi пусть P (i, j) будет (оценочной) долей трафика, проходящего в Fj. Тогда распределение полномочий π, удовлетворяющее π = πP, будет измерять относительную интенсивность трафика на каждом Fi и может использоваться при распределении инвестиций.

Похожую проблему можно найти при проектировании системы Интернет или Интранет.

Пример 4. Веса реальных эффективных обменных курсов

Допустим, есть n стран. Пусть P (i, j) - весовые коэффициенты потребления страны j в общем объеме производства страны. Соответствующий π измеряет веса в торговой системе n стран.

Пример 5. Сортировка объектов больших данных по выявленным предпочтениям

При ранжировании наблюдений за большими данными разные потребители обнаруживают разнородные предпочтения; но любое выявленное предпочтение - это ранжирование между двумя наблюдениями, полученное на основе рационального рассмотрения потребителем многих факторов. Предыдущие исследователи применяли подходы экзогенного взвешивания и многомерной регрессии, а также пространственный, сетевой или многомерный анализ для сортировки сложных объектов, игнорируя разнообразие и изменчивость объектов. Признавая разнообразие и неоднородность наблюдений и потребителей, Ху (2000)[4] вместо этого применяет эндогенный вес к этим противоречивым выявленным предпочтениям. Результатом является последовательное установившееся решение уравновешивающего равновесия внутри этих противоречий. Решение учитывает побочные эффекты многоэтапных взаимодействий между наблюдениями. Когда информация из данных эффективно раскрывается в предпочтениях, выявленные предпочтения значительно сокращают объем необходимых данных в процессе сортировки.

Смотрите также

Рекомендации

  1. ^ Ху, Синвэй; Шепли, Ллойд (2003). «О распределении полномочий в организациях». Игры и экономическое поведение. 45: 132–170. Дои:10.1016 / s0899-8256 (03) 00130-1.
  2. ^ Ху, Синвэй (2006). "Асимметричный индекс мощности Шепли-Шубика". Международный журнал теории игр. 34 (2): 229–240. Дои:10.1007 / s00182-006-0011-z.
  3. ^ Шепли, Л. С .; Шубик, М. (1954). «Метод оценки распределения власти в системе комитетов». Обзор американской политической науки. 48 (3): 787–792. Дои:10.2307/1951053. HDL:10338.dmlcz / 143361. JSTOR  1951053.
  4. ^ Ху, Синвэй (2020). «Сортировка больших данных по выявленным предпочтениям применительно к рейтингу колледжей». Журнал больших данных. 7. Дои:10.1186 / s40537-020-00300-1.

внешняя ссылка