基于实验经济学的规则不公平厌恶测度及其应用，周彩霞，涂亚运，行为经济学领域越来越多的实证研究证据表明人类的经济活动并非完全自利，对传统的自私人假设提出了挑战。行为人对正当性社会规则

浙江省新型农村合作医疗改善农村居民收入分布公平能力的评价研究，宋明山，潘迎冰，目的：评价浙江省新型农村合作医疗改善农村居民收入公平的能力。方法：应用GINI系数和洛伦兹曲线原理，分析筹资、医疗费用和合作�

针对已有算法对系统容量和高公平性兼顾较差的情况，提出了一种满足公平性的系统容量最大化资源分配算法。在子载波分配中通过建立信道效率控制模型，给当前用户分配信道效率最高的子载波，将信道增益低于门限值的子载波重新分配，改进了最大化最小（max-min）用户速率模型。在功率分配中将系统模型转化成用注水线表示的数学模型，首先求解各用户的注水线，再求解各用户的功率分配，保证了用户间比例公平性。两种信噪比情形下的仿真和分析表明，整个方案计算复杂度稍低，系统容量获得较大提升，并且用户间的公平性始终为1。

反事实公平 该存储库具有本文的R和Stan代码： Matt J.Kusner *，Joshua R.Loftus *，Chris Russell *，Ricardo Silva 神经信息处理系统（NIPS），2017年* =作者均分 跑步 安装： 下载：

随着地面无线通信技术的高速发展，无线通信网络将承载越来越多的高速多媒体业务，为使用户获得良好的业务体验，需要为其提供灵活可靠的服务质量保障。高速业务流的调度方法作为系统QoS保障的重要一环。传统业务调度方法有的仅考虑业务流的绝对优先级、有的依据业务包等待时延的长短进行调度，这些方法缺乏随信道质量及吞吐量变化情况的动态调控能力。针对上述问题，提出一种改进型的M-LWDF动态调度方法，通过引入公平性参数与优先级参数，提升业务调度器的性能。通过仿真验证，改进后的动态调度方法可以使业务流获得更好的时延及抖动指标。

针对震后初期灾区应急物资严重短缺的现实情况,考虑到受灾群众的非理性攀比心理,基于公平与效率兼顾的视角,构建应急物资分配-运输的双层协同优化模型.顶层模型以所有需求点的损失攀比效应总和最小为目标,保障应急物资分配的公平性;底层模型以应急物资运达需求点的时间攀比效应总和最小、总运输时间最短为目标,保障应急物资配送的公平性与效率性.并根据模型特点设计一种混合遗传算法求解.最后,通过案例验证所提出方法的合理性和有效性.

摘要文章介绍了作者在过击5年中在微内核技术上所做的工作．给出了3个算法．① 通过特任务调度 和线程调度算法相结合的方法．来解决单纯以线程为单位的调度系统的效率和公平性问题；③ 一个改进 的写时拷贝算法，它结合写时拷贝算法和诗问时拷用算法的优点．来解决写时拷贝算法在I386体系结抽 上的适应性问题；@ 提出了一个微内核操作系蜿计时模型，它解决了传统计时算法在微内核系统中计时 不准确的问题h

:rabbit_face: :rabbit: drabbitmq AMQP原始码解析 Spring Boot整合RabbitMQ Module:springboot-rabbitmq 案例描述: 利用RabbitMQ实现异步处理场景 技术点: RabbitMQ的订阅/发布模型:DirectExchange RabbitMQ生产者消息确认:publisher-confirms(发送到交换机确认),publisher-returns(路由到队列确认) 定时任务:@EnableScheduling,@Scheduled,cron表达式 RabbitMQ消费者消息应答:@RabbitListener,listener.simple.acknowledge-mode=manual 幂等性:Redis 联系我们 如果我的博客中有任何问题，可以通过问题给我留言，我会第一时间回复，请你喝哈啤 :beer_mug: :beer_mug: :beer_mug: 如果你想学习技术 :money_bag: :money_bag:

部分内容摘自知乎、《统计因果推理》和因果推理课程等，仅供个人学习使用

Fairlearn Fairlearn是一个Python软件包，可让人工智能（AI）系统开发人员评估其系统的公平性并减轻任何观察到的不公平问题。 Fairlearn包含缓解算法以及用于模型评估的Jupyter小部件。 除了源代码之外，该存储库还包含Jupyter笔记本，其中包含Fairlearn用法示例。 网站： ： 当前的版本 当前的稳定版本可从。 我们当前的版本与0.2或更早的版本有很大的不同。 这些旧版本的用户应访问我们的。 我们所说的公平 人工智能系统可能出于多种原因而表现不公平。 在Fairlearn中，我们定义了AI系统在对人的影响（即危害）方面是否表现出不公平的行为。 我们关注两种危害： 分配危害。 当AI系统扩展或保留机会，资源或信息时，可能会发生这些危害。 一些关键的应用程序是在招聘，入学和贷款方面。 服务质量危害。 服务质量是指即使没有扩展或保留任何机会，资源或信息，系统对于一个人的工作是否也与另一个人的工作是否一样好。 我们遵循被称为“群体公平”的方法，该方法问：哪些群体的个人有遭受伤害的风险？ 相关的组需要由数据科学家指定，并且是特定于应用程序的。