program/PMDefaults.hs

   1 module PMDefaults where
   2 import PMInstance
   3 import PMConfig
   4
   5 import qualified NaiveMinCostFlow
   6 import qualified CS2MinCostFlow
   7
   8 -- A default set of configuration values; see module PMConfig.
   9 pmDefaults = PMConfig {
  10
  11 -- === Choose a min-cost flow implementation (timings on mattlaptop2) ===
  12
  13 -- A naive implementation that is slow for all but the smallest instances
  14 -- (30s on a 20x50 example).
  15 minCostFlow = NaiveMinCostFlow.minCostFlow,
  16
  17 -- Uses CS2 (http://www.igsystems.com/cs2/), which requires a license for
  18 -- non-research use but is faster (<1s on a 20x50 example, 64s on a 60x500
  19 -- example).  Configure the path to cs2.exe in CS2MinCostFlow.hs.  Remember to
  20 -- compile CS2 with -DPRINT_ANS, or this won't work!
  21 --minCostFlow = CS2MinCostFlow.minCostFlow,
  22
  23 -- The number of reviews each proposal should get.
  24 reviewsEachProposal = 3,
  25
  26 -- === Interpretation of the preference values ===
  27
  28 prefIsExpert = \p -> p <= 10,
  29 prefIsKnowledgeable = \p -> p <= 20,
  30
  31 prefIsBoring = \p -> p > 15,
  32 prefIsVeryBoring = \p -> p > 25,
  33
  34 prefIsConflict = \p -> p >= 40,
  35
  36 -- === Tuning parameters for the matcher ===
  37
  38 -- The number of reviews by which a reviewer's load may exceed his/her target
  39 -- load of (relativeLoad * ceiling(numProps * reviewsEachProposal /
  40 -- totalRelativeLoad)).  For now this is an additive constant; perhaps it should
  41 -- be proportional to the target load.
  42 loadTolerance = 1,
  43
  44 -- Cost to overload by one review.
  45 -- tx = 0 at target load, 1 at end of tolerance.
  46 marginalLoadCost = \tx -> 1000 + tx*1000,
  47
  48 -- Cost to review a boring (or very boring) proposal.
  49 -- lx = 0 at no load, 1 at target load.
  50 marginalBoringCost = \lx -> 1000 + lx*1000,
  51 -- Additional cost to review a very boring proposal.
  52 marginalVeryBoringCost = \lx -> 1000 + lx*1000,
  53
  54 -- Cost to make a review.  Used by the evaluator too.
  55 -- I'm using quadratic cost functions as a first attempt.
  56 assignmentCost = \pref -> (numAsWt 10 + pref) ^ 2,
  57
  58 -- Bonus for a first knowledgeable or expert review.
  59 knowledgeableBonus = 1000,
  60
  61 -- Bonus for an additional expert review.
  62 expertBonus = 1000,
  63
  64 -- === Parameters for the random-instance generator ===
  65
  66 -- Number of topics.
  67 numTopics = 20,
  68
  69 -- Exponent of the Zipf distribution used to choose topics for each proposal.
  70 topicZipfExponent = -0.5
  71
  72 }