program/PMDefaults.hs

   1 module PMDefaults where
   2 import Instance
   3 import ProposalMatcher
   4
   5 import qualified NaiveMinCostFlow
   6 import qualified CS2MinCostFlow
   7
   8 pmDefaults = PMConfig {
   9
  10 -- Choose a min-cost flow implementation (timings on mattlaptop2):
  11
  12 -- A naive implementation that is slow for all but the smallest instances
  13 -- (30s on a 20x50 example).
  14 minCostFlow = NaiveMinCostFlow.minCostFlow,
  15
  16 -- Uses CS2 (http://www.igsystems.com/cs2/), which requires a license for
  17 -- non-research use but is faster (<1s on a 20x50 example, 64s on a 60x500
  18 -- example).  Configure the path to cs2.exe in CS2MinCostFlow.hs.
  19 --minCostFlow = CS2MinCostFlow.minCostFlow,
  20
  21 reviewsEachProposal = 3,
  22
  23 prefIsExpert = \p -> p <= 10,
  24 prefIsKnowledgeable = \p -> p <= 20,
  25
  26 prefIsBoring = \p -> p > 15,
  27 prefIsVeryBoring = \p -> p > 25,
  28
  29 prefIsConflict = \p -> p >= 40,
  30
  31 -- For now this is absolute.  Later it might be proportional to a reviewer's
  32 -- target load.
  33 loadTolerance = 1,
  34
  35 -- Cost to overload by one review.
  36 -- tx = 0 at target load, 1 at end of tolerance.
  37 marginalLoadCost = \tx -> 1000 + tx*1000,
  38
  39 -- Cost to review a boring (or very boring) proposal.
  40 -- lx = 0 at no load, 1 at target load.
  41 marginalBoringCost = \lx -> 1000 + lx*1000,
  42 -- Additional cost to review a very boring proposal.
  43 marginalVeryBoringCost = \lx -> 1000 + lx*1000,
  44
  45 -- Cost to make a review.
  46 -- I'm using quadratic cost functions as a first attempt.
  47 assignmentCost = \pref -> (numAsWt 10 + pref) ^ 2,
  48
  49 -- Bonus for a first knowledgeable or expert review.
  50 knowledgeableBonus = 1000,
  51
  52 -- Bonus for an additional expert review.
  53 expertBonus = 1000
  54
  55 }