.png){kind=icon}
返回
MULTISCALE PARALLEL TEMPERING FOR FAST SAMPLING ON REDISTRICTING PLANS
.png){kind=icon}
PRE
AI
DOI：10.1137/24M1635806.png)
.png){kind=icon}
原文求助.png){kind=icon}
分享.png){kind=icon}
收藏
摘要
En 中文
在审计重划选区计划时，一种有说服力的方法是将其与一组中立绘制的重划选区计划进行比较。这些集合是通过在平衡图分区上采样分布的算法生成的。为了审计集合与给定计划之间的党派差异，必须确保非党派标准得到匹配，以便可以得出结论：党派差异源于偏见，而非例如紧凑度水平或社区保全差异。某些采样算法允许明确说明基于政策的计划概率分布；然而，除了少数专门措施外，这些算法在大型图（即重划选区空间）上表现出较差的混合时间。在本工作中，我们生成了一种多尺度并行退火方法，该方法在每个尺度上进行局部移动。局部移动使我们能够采用各种基于政策的度量。我们在康涅狄格州检验了我们的方法，并成功实现了在以前从未在此规模上采样的基于政策的分布上快速混合。我们的算法显示出扩展到更广泛度量类别的潜力，这将（i）允许更原则化和情境化的比较，以及（ii）探究政策对重划选区通常可能产生的典型党派影响。
Keyword:
Monte-Carlo Markov chains
parallel tempering
redistricting
gerrymandering
graph partition
Metropolis-Hastings
期刊
M
IF:
1.6
论文数:
26
被引数:
0
机构
引用论文
.png){kind=icon}
Non-reversible parallel tempering: A scalable highly parallel MCMC scheme不可逆并行回火: 可扩展的高度并行MCMC方案
OAAI
OAAI分享收藏
查看更多内容