МЕТОД ПОПАРНОГО СХОДСТВА ДЛЯ ЗАДАЧИ ПОИСКА ЧИСЛА ДОМИНИРОВАНИЯ1

Обложка

Цитировать

Полный текст

Открытый доступ Открытый доступ
Доступ закрыт Доступ предоставлен
Доступ закрыт Только для подписчиков

Аннотация

Рассматривается задача поиска числа доминирования в процедурах двухуровневого голосования, где на первом этапе голосование проводится в локальных группах агентов, а на втором этапе результаты агрегируются в итоговое решение. Основной целью является определение минимальной доли агентов, поддерживающих предложение, при которой оно может быть принято. Используется метод попарного сходства для анализа структуры задачи и построения эвристических алгоритмов с гарантированной точностью. Рассмотрены три специальных случая: граф связи агентов как дерево, полный граф и регулярный граф с нечетным количеством вершин. Для каждого случая предложены новые эвристические алгоритмы и функции попарного сходства, позволяющие оценить погрешность решения. Результаты работы расширяют применение полиномиальных алгоритмов на более широкий класс задач и предоставляют критерии для выбора оптимального алгоритма на этапе постобработки.

Об авторах

Д. В. Лемтюжникова

Институт проблем управления РАН им. В. А. Трапезникова

Автор, ответственный за переписку.
Email: darabbt@gmail.com
Москва, Россия

Н. И. Шушко

Институт проблем управления РАН им. В. А. Трапезникова

Email: shushko.ni@phystech.edu
Москва, Россия

Список литературы

  1. Breer V.V., Novikov D.A., Rogatkin A.D. Mob Control: Models of Threshold Collective Behavior // 1st Edn. Cham: Springer International Publishing, 2017.
  2. Chebotarev P., Peleg D. The Power of Small Coalitions Under Two-tier Majority on Regular Graphs // Discrete Applied Mathematics. 2023. V. 340. P. 239–258.
  3. Broere I., Hattingh J.H., Henning M.A., McRae A.A. Majority Domination in Graphs // Discrete Mathematics. 1995. V. 138. №. 1–3. P. 125–135.
  4. Yeh H.G., Chang G.J. Algorithmic Aspects of Majority Domination // Taiwanese J. Mathematics. 1997. V. 1. №. 3. P. 343–350.
  5. Holm T.S. On Majority Domination in Graphs // Discrete Mathematics. 2001. V. 239. №. 1–3. P. 1–12.
  6. Lemtyuzhnikova D., Chebotarev P., Goubko M., Shushko N. Pairwise Similarity Estimation for Discrete Optimization Problems // Advances in Systems Science and Applications. 2023. V. 23. №. 2. P. 164–177.
  7. Шушко Н.И. Метод попарного сходства для задачи двухуровневого голосования // Интеллектуализация обработки информации: тез. докл. 15-й междунар. конф. Гродно. ГрГУ Беларусь, 2024.
  8. Lazarev A.A., Lemtyuzhnikova D.V., Werner F. A Metric Approach for Scheduling Problems with Minimizing the Maximum Penalty // Applied Mathematical Modelling. 2021. V. 89. P. 1163–1176.
  9. Lazarev A., Lemtyuzhnikova D., Pravdivets N., Werner F. Polynomially Solvable Subcases for the Approximate Solution of Multi-machine Scheduling Problems // Intern. Conf. on Optimization and Applications. Cham: Springer International Publishing, 2020. P. 211–223.
  10. Lazarev A.A., Lemtyuzhnikova D.V., Pravdivets N.A. Metric Approach for Finding Approximate Solutions of Scheduling Problems // Computational Mathematics and Mathematical Physics. 2021. V. 61. P. 1169–1180.
  11. Bukueva E., Kudinov I., Lemtyuzhnikova D. Analysis of the Feasibility to Use Metric Approach for NP-hard Makespan Minimization Problem // IFAC-PapersOnLine. 2022. V. 55. №. 10. P. 2898–2901.
  12. Cheng T.C.E., Lazarev A., Lemtyuzhnikova D. A Metric Approach for the Two-station Single-track Railway Scheduling Problem // IFAC-PapersOnLine. 2022. V. 55. №. 10. P. 2875–2880.

Дополнительные файлы

Доп. файлы
Действие
1. JATS XML

© Российская академия наук, 2025

Согласие на обработку персональных данных с помощью сервиса «Яндекс.Метрика»

1. Я (далее – «Пользователь» или «Субъект персональных данных»), осуществляя использование сайта https://journals.rcsi.science/ (далее – «Сайт»), подтверждая свою полную дееспособность даю согласие на обработку персональных данных с использованием средств автоматизации Оператору - федеральному государственному бюджетному учреждению «Российский центр научной информации» (РЦНИ), далее – «Оператор», расположенному по адресу: 119991, г. Москва, Ленинский просп., д.32А, со следующими условиями.

2. Категории обрабатываемых данных: файлы «cookies» (куки-файлы). Файлы «cookie» – это небольшой текстовый файл, который веб-сервер может хранить в браузере Пользователя. Данные файлы веб-сервер загружает на устройство Пользователя при посещении им Сайта. При каждом следующем посещении Пользователем Сайта «cookie» файлы отправляются на Сайт Оператора. Данные файлы позволяют Сайту распознавать устройство Пользователя. Содержимое такого файла может как относиться, так и не относиться к персональным данным, в зависимости от того, содержит ли такой файл персональные данные или содержит обезличенные технические данные.

3. Цель обработки персональных данных: анализ пользовательской активности с помощью сервиса «Яндекс.Метрика».

4. Категории субъектов персональных данных: все Пользователи Сайта, которые дали согласие на обработку файлов «cookie».

5. Способы обработки: сбор, запись, систематизация, накопление, хранение, уточнение (обновление, изменение), извлечение, использование, передача (доступ, предоставление), блокирование, удаление, уничтожение персональных данных.

6. Срок обработки и хранения: до получения от Субъекта персональных данных требования о прекращении обработки/отзыва согласия.

7. Способ отзыва: заявление об отзыве в письменном виде путём его направления на адрес электронной почты Оператора: info@rcsi.science или путем письменного обращения по юридическому адресу: 119991, г. Москва, Ленинский просп., д.32А

8. Субъект персональных данных вправе запретить своему оборудованию прием этих данных или ограничить прием этих данных. При отказе от получения таких данных или при ограничении приема данных некоторые функции Сайта могут работать некорректно. Субъект персональных данных обязуется сам настроить свое оборудование таким способом, чтобы оно обеспечивало адекватный его желаниям режим работы и уровень защиты данных файлов «cookie», Оператор не предоставляет технологических и правовых консультаций на темы подобного характера.

9. Порядок уничтожения персональных данных при достижении цели их обработки или при наступлении иных законных оснований определяется Оператором в соответствии с законодательством Российской Федерации.

10. Я согласен/согласна квалифицировать в качестве своей простой электронной подписи под настоящим Согласием и под Политикой обработки персональных данных выполнение мною следующего действия на сайте: https://journals.rcsi.science/ нажатие мною на интерфейсе с текстом: «Сайт использует сервис «Яндекс.Метрика» (который использует файлы «cookie») на элемент с текстом «Принять и продолжить».