首页/论文/0812.0320

arXiv 0812.03202008-12-01cs.DScs.GT

Stackelberg网络定价难以近似

Stackelberg Network Pricing is Hard to Approximate

Gwenaël Joret

发表信息：: Networks, vol. 57, no. 2, pp. 117--120, 2011
DOI：: 10.1002/net.20391

阅读 PDF ↗

arXiv 页面 ↗HTML 原文 ↗

摘要英文摘要相关论文

摘要：

在Stackelberg网络定价问题中，人们必须将费率分配给给定运输网络的某个弧子集。其目的是最大化网络用户支付的金额，知道一旦资费固定，用户将采取最短的st路径。Roch，Savard，and Marcotte（Networks，Vol.46（1），57-67，2005）证明了该问题是NP难的，并给出了一个O（log m）-近似算法，其中m表示待定价的弧数.在本文中，我们证明了这个问题也是APX困难的。

英文摘要：

In the Stackelberg Network Pricing problem, one has to assign tariffs to a certain subset of the arcs of a given transportation network. The aim is to maximize the amount paid by the user of the network, knowing that the user will take a shortest st-path once the tariffs are fixed. Roch, Savard, and Marcotte (Networks, Vol. 46(1), 57-67, 2005) proved that this problem is NP-hard, and gave an O(log m)-approximation algorithm, where m denote the number of arcs to be priced. In this note, we show that the problem is also APX-hard.

机构、总结、中文摘要均由AI分析而来，可能存在错误，请以论文正文为准。

阅读原文

阅读 PDF ↗

arXiv 页面 ↗HTML 原文 ↗

本文内容

摘要英文摘要相关论文

机构、总结、中文摘要均由AI分析而来，可能存在错误，请以论文正文为准。

继续探索

相关论文

Stackelberg网络定价博弈

Stackelberg Network Pricing Games

我们研究了一个多人单轮博弈Stackelberg网络定价博弈，其中领导者可以为图中的$m$可定价边的子集定价。其他边具有固定成本。基于领导者的决策，一个或多个跟随者优化多项式时间可解的组合最小化问题，并基于固定成本和领导者的价格选择满足其要求的最小成本解决方案。领导者收到的收入是追随者为解决方案中的可定价边缘支付的价格总额，问题是找到收入最大化价格。我们的模型扩展了几个已知的定价问题，包括单一的和单位需求的定价，以及Stackelberg定价的某些追随者的问题，如最短路径或最小生成树。我们的第一个主要结果是一个严格的分析单一价格算法的单一追随者的游戏，它提供了一个$(1+ε) \log m$ -近似任何$ε>0$。这可以被扩展以提供一般问题和$k$跟随者的$(1+ε)(\log k + \log m)$近似。后一个结果基本上是最好的可能，因为问题被证明是很难近似在$\mathcal{O(\log^εk + \log^εm)$。如果追随者有需求，单一价格算法提供了一个$(1+ε)m^2$ -近似，并且对于某些$ε>0$，该问题很难在$\mathcal{O(m^ε)$内近似。我们的第二个主要结果是一个多项式时间算法的收入最大化的特殊情况下的Stackelberg二部顶点覆盖，这是基于非平凡的最大流和LP-对偶技术。我们的结果可以扩展到提供常数因子近似的任何常数数量的追随者。

2008-02-20cs.DScs.GT

Stackelberg最短路定价近似的改进困难性

Improved Hardness of Approximation for Stackelberg Shortest-Path Pricing

我们考虑Stackelberg最短路径定价问题，其定义如下。给定一个图G，它有固定成本和可定价边，以及两个不同的顶点s和t，我们可以给可定价边分配价格。基于预先定义的固定成本和我们的价格，客户购买G中最便宜的s-t-路径，我们得到的支付等于属于该路径的可定价边的价格之和。我们的目标是找到最大化从客户收到的支付的价格。虽然Stackelberg最短路径定价之前被认为是APX困难的，但我们提供了第一个明确的近似阈值，并证明了近似在2-o（1）内的困难性。

2009-10-01cs.CCcs.DS

Stackelberg定价在$2-ε$中难以近似

Stackelberg Pricing is Hard to Approximate within $2-ε$

Stackelberg定价博弈是经济学、运筹学和计算机科学界研究的两级组合定价问题。在本文中，我们考虑这个问题的最短路径版本，这是第一个和最研究的问题，在这个家庭的十年之久。游戏在由{ \em固定成本}边和{ \em价格}或{ \em可变成本}边组成的图（表示网络）上进行。固定成本边已经有了一些固定价格（代表竞争对手的价格）。我们的任务是为可变成本边缘选择价格。之后，客户端将使用固定成本和可变成本边的任何组合来购买从节点$s$到节点$t$的最便宜路径。其目标是在可变成本边缘上最大化收入。在本文中，我们表明，这个问题是很难近似的$2-ε$，改善以前的\APX -硬度结果由乔雷特[出现在{ \em网络}]。我们的技术结合了现有的想法，对价格结构及其与实例硬度的关系有了新的认识。

2009-10-02cs.CCcs.DScs.GT

平面有界树宽图上的Stackelberg最小生成树对策

The Stackelberg Minimum Spanning Tree Game on Planar and Bounded-Treewidth Graphs

Stackelberg最小生成树博弈是一个两层的组合定价问题，在一个代表网络的图上进行。它的边缘被涂上红色或蓝色，红色边缘有一个给定的固定成本，代表竞争对手的价格。第一个玩家选择一个价格分配给蓝色边，第二个玩家然后购买最便宜的生成树，使用红色和蓝色边的任何组合。第一个玩家的目标是最大化购买蓝边的总价格。我们研究这个问题的情况下，平面和有界树宽图。我们表明，这个问题是NP-困难的平面图，但可以解决在多项式时间有界树宽的图。

2011-09-13cs.DScs.GT

Stackelberg最小生成树对策的特殊化和推广

Specializations and Generalizations of the Stackelberg Minimum Spanning Tree Game

给定一个图$G=(V,E)$，其边集被划分为\emph{red}边集$R$和\emph{blue}边集$B$，并假设红边被加权并形成$G$的生成树.然后，\emph{Stackelberg Minimum Spanning Tree}（\stack）问题是定价问题（即，加权）蓝边，使得在所得图的最小生成树中选择的蓝边的总权重最大化。当不同的红色权重的数量为2时，已知\stack \已经是\apx -hard。在本文中，我们分析了\stack的一些有意义的特殊化和一般化，从而揭示了问题的计算复杂性。更确切地说，我们首先表明，如果$G$被限制为\emph{complete}，那么以下成立：（i）如果只有2个不同的红色权重，那么问题可以得到最佳解决（这与相应的\apx -一般问题的硬度形成对比）;（ii）否则，问题可以近似在$7/4 + ε$内，对于任何$ε> 0$。之后，我们定义了一个自然的扩展\stack，即在其中的蓝色边缘有一个非负的\emph{activation cost}相关联的，它是一个全球性的\emph{activation budget}，不能超过定价时的蓝色边缘。在这里，后显示，可以实现相同的近似比，原来的问题，我们证明，如果生成树的红色边缘可以生根，使任何根叶路径包含最$h$边缘，那么这个问题承认一个$(2h+ε)$近似算法，任何$ε> 0$。

2014-07-04cs.DScs.GT

组合拥塞对策Stackelberg模型的可微均衡的决策图计算

Differentiable Equilibrium Computation with Decision Diagrams for Stackelberg Models of Combinatorial Congestion Games

The University of Tokyo（东京大学）；NTT Communication Science Laboratories（NTT通信科学实验室）

我们解决Stackelberg模型的组合拥塞游戏（CCG），我们的目标是优化参数的CCG，使自私的行为的非原子球员达到理想的均衡。这一模型对于设计交通和通信网络等社会基础设施至关重要。然而，由于两个困难：（I）双层编程结构和（II）CCG的组合性质，该模型的计算方法尚未得到深入研究。我们通过仔细结合（I）\textit{differentiable}优化的思想和（II）称为\textit{zero-suppressed binary decision diagrams}（ZDD）的数据结构来解决这些问题，该数据结构可以复杂地表示组合策略集。我们的算法在数值上逼近CCG的平衡点，我们可以通过自动微分来区分CCG的参数。通过得到的导数，我们可以将基于梯度的方法应用于CCG的Stackelberg模型。我们的方法是专门为诱导Nesterov加速度而设计的，并且可以充分利用ZDD的经验紧性。这些技术优势使我们能够用大量的组合策略来处理CCG。在实际网络设计实例上的实验证明了该方法的实用性。

2021-10-18cs.DScs.GTcs.LG

更多相关论文收起更多论文

一般离散选择模型下的产品组合优化：收入排序产品组合的严密分析

Assortment optimisation under a general discrete choice model: A tight analysis of revenue-ordered assortments

收入管理中的分类问题是决定向消费者提供哪些产品子集以使收入最大化的问题。一个简单而自然的策略是从所有通过固定阈值收入$π$构建的产品中选择最佳产品组合，然后选择收入至少为$π$的所有产品。这就是所谓的收入排序调整策略。在本文中，我们研究的近似保证提供的收入有序的替代品时，客户是理性的，在以下意义上：选择一个特定的产品从提供的集合的概率不能增加，如果集扩大。这个理性假设，被称为规律性，几乎所有的离散选择模型都满足收益管理和选择理论文献，特别是随机效用模型。我们得到的边界是紧的，并且改进了该方向的最新结果，例如Rusmevichientong等人（2014）的混合多项式Logit模型。我们的分析的一个吸引人的特点是它的简单性，因为它只依赖于正则性条件。我们还画了一个连接的分类优化和两个定价问题，称为单位需求无嫉妒定价和Stackelberg最小生成树：这些问题可以被重述为离散选择模型下的分类问题，满足正则性条件，此外，收入有序的排序对应，然后充分研究的统一定价启发式。当专门的设置，我们建立的一般界限的收入订购的一致定价匹配和统一的最知名的结果。

2019-02-21cs.DSmath.OC