自动辖区–自动创建公平紧凑的选举区

Auto-Redistrict是一个免费的开源计算机程序，可自动创建公平紧凑的选举区。只需打开一个shapefile，加载人口普查和选举数据（如果尚未包含在shapefile中），然后点击＆＃34; Go＆＃34;。

Auto-Redistrict使用遗传算法来设计满足多个条件的区域，即：因此，该软件的根本目的是通过使重新划分流程完全自动化来消除嫁接。 它用自动搜索和分析代替了手工绘制过程。

要找到排名第一的最佳地图，就必须搜索并评估所有可能的地图。这在计算上是不可行的。因此，取而代之的是，使用启发式搜索算法来仅评估那些可能不错的地图。

初始化。首先，初始化潜在图的总体。它可以完全随机地开始，也可以使用当前的选举区形状来开始。

评估。然后根据每个标准（在我们的情况下为紧凑度，均等人口，竞争力，比例表示等）评估每个地图的适合度。

重组。并随机重组以形成新地图，这些地图是最佳地图的混合体。

变异。最后，对这些地图进行了突变。稍稍进行一下，以便探索与它们相似的其他潜在地图。

（重复）。这是新的潜在地图。该过程从步骤2开始重复。

几何标准是宪法规定的标准标准。好吧，其中三分之二是。紧凑性不是美国宪法或大多数州宪法中的要求。但是我们将其包括在内，因为它通过限制可接受的地图范围来帮助对抗地面巡逻，并且它使区域更加实用。因此，让我简要介绍一下如何评估（衡量）每个分数：

人口平等。为了测量人口平衡，该程序计算各地区人口的统计差异。由于人口选择是一个伯努利过程，因此人口将呈正态分布。因此，总体方差只是标准差的平方。我们希望将此分数最小化。

连续的。为了测量连续性或断开连接的人口的数量，我们计算未连接到人口最多的完全连接区域的总人口。我们希望将此分数最小化。

紧凑。为了测量紧凑度，我们计算了等商。基本上，我们将面积除以周长的平方。但是我们想要一个总计，因此我们将每个区域的倒数加在一起，然后取该倒数。这给了我们加权平均值。我们希望此分数最大化。

最少的县/市分割。这本质上是在紧凑性上的权衡。为了衡量拆分减少，我们计算每个县的不同地区数量，然后减去县数量。我们希望将此分数最小化。

正如Jowei Chen和Jonathan Rodden的论文明确表明的那样。意外的礼节性：立法机关的政治地理和选举偏见，政党的盲目重新划分导致了意外的礼节性。为了抵消这种影响，并消除故意的欺骗行为，必须在重新分配过程中使用选举数据，以确保对双方的平等保护。

为此，选举数据可用于计算公平程度，从而使人（或计算机）能够做出明智的决定，以最能代表公民意愿的分布式地图。

公平性标准旨在衡量代表性与民众投票的比例以及选举的竞争力。换句话说，他们衡量的是＆＃34;一人一票。由美国宪法规定的要求得到满足，并努力使每个计票结果尽可能地，最大限度地提高其确定选出的代表能力。让我简要介绍一下如何评估（衡量）每个分数：

竞争的。为了衡量浪费的选票，我们对每个地区和每个政党的票数进行了计数，得出的得票数超过了所需要的数目。选举浪费的选票越多，竞争就越少。我们希望将此分数最小化。

成比例的。为了测量比例表示，我们测量了座位-投票曲线与对角线的总偏差。我们希望将此分数最小化。注意：这是在多赢者选举（例如排名选择投票）中衡量党派共事的方式。我们希望将此分数最小化。

最少的党派游说。席位/票数不对称是相对于对称席位/票数曲线的总绝对偏差。如果您查看“座位/票数”曲线＆＃34;在程序中，它是整个变暗的区域。这项措施的灵感来自＆＃34; Partisan Symmetry＆＃34;由Grofman和King在这些论文中定义：席位，投票权和议事权：估计州立法重新划分中的代表制和偏见＆＃34;和＆＃34;在LULAC诉Perry＆＃34;之后，游击党对称的未来作为游击队Gerrymandering的司法测试。注意：这是衡量单党选举的党派共事的方式。我们希望将此分数最小化。

最低限度地种族歧视。 我们将投票权定义为选举一个候选人的能力。陈述这种情况的另一种方法是影响一次或多次选举结果的能力。对于单个地区，可以通过采用获胜幅度（以票数表示）除以总投票数来得出结论。 总的来说，按种族划分，我们将所有选举的加权总和。例如，对于拉美裔，我们将一次选举的总票数乘以该拉美裔地区的分数，然后将其总计到所有地区。然后我们为获胜而做同样的事情。然后，将获胜总和除以总投票数，然后得出该族裔的平均投票权的估计值。 我们希望最小化不同种族之间的差异，因此我们将其在整个人口中的平均值作为平均值，并据此计算出各个种族的平均绝对偏差（M.A.D.）。这为我们提供了有关种族之间投票权分配不均的摘要。我们希望将此分数最小化。

这些分数中的每一个都有很大不同的范围。例如，紧密度从0到1不等，而人口失衡可能在成千上万。但是我们希望对每个分数进行加权。大致相同，或更确切地说，与滑块的设置位置成比例。因此，我们必须使它们全部具有相同的规模。我们称其为＆＃34;归一化＆＃34;分数。

为了使分数标准化，我们首先根据一个条件对总体进行排序，然后将每个分数替换为它们的＆rank＆＃34; rank＆＃34;在排序列表中，然后除以人口规模。我们将其用作该标准的新标准化分数。换句话说，我们用原始分数代替原始分数。百分位数。我们会针对所有标准一次执行一次。

然后，我们将每个得分分别乘以其对应的滑块的位置，然后再乘以几何/公平滑块的位置（从左侧还是右侧开始，具体取决于它是几何得分还是公平得分）。然后，我们将所有这些加在一起，从而得出地图的最终单数分数。

使用所谓的“最佳地图”来选择最佳地图截断选择。底部的50％被丢弃。前50％的重组和突变。 选定的图重新组合和突变后，重复该过程。

据我所知，虽然有一些程序可以自动重新划分范围，并且有些程序使用启发式搜索算法（例如遗传算法），但这是第一个程序，也是迄今为止唯一包含公平性标准（例如比例表示）的程序，竞争力和浪费的选票。

据我所知，这也是唯一可以设计多成员比例表示区域的自动重新分区程序。