A Distributed Model-Free Ride-Sharing Approach for Joint Matching, Pricing, and Dispatching using Deep Reinforcement Learning
Purdue University（普渡大学）；Qualcomm（高通公司）
拼车服务的显著发展为城市交通转型提供了大量机会，可以提供个性化和便捷的交通，同时确保大规模拼车的效率。然而，这样的服务的核心问题是为每个驱动程序的路线规划，以满足动态到达的请求，同时满足给定的约束。目前的模型大多局限于静态路线，每辆车只有两个游乐设施（最佳）或三个（有自动驾驶仪）。在本文中，我们提出了一个动态的，需求感知的，基于定价的车辆-乘客匹配和路线规划框架，（1）动态生成最佳路线为每辆车的基础上在线需求，定价与每个乘坐，车辆容量和位置。这种匹配算法使用插入操作随着时间的推移进行优化，（2）通过允许驾驶员基于特定乘车的预期奖励以及未来乘车的目的地位置提出不同的价格，使驾驶员参与决策过程，这受到Deep Q网络计算的供需的影响，（3）允许客户基于他们关于定价和延迟窗口、车辆类型和拼车偏好的偏好集合来接受或拒绝乘坐，以及（4）基于需求预测，我们的方法通过使用深度强化学习（RL）将闲置车辆调度到预期的高需求区域来重新平衡闲置车辆。我们的框架使用纽约市出租车公共数据集进行验证;然而，我们考虑不同的车辆类型并设计客户效用函数来验证设置并研究不同的设置。实验结果表明，我们的方法在实时和大规模设置的有效性。
2021-06-14 cs.AI cs.LG cs.MA
A Curationary Tale: Logarithmic Regret in DeFi Lending via Dynamic Pricing
针对DeFi借贷静态定价机制低效问题，构建在线学习模型分析发现，由策展人竞价匹配供需的自适应供给动态定价在小额短贷场景下可实现对数遗憾，且能同时最大化借贷双方收益与福利。
2025-03-23 cs.GT q-fin.RM
Towards Optimal Pricing of Demand Response -- A Nonparametric Constrained Policy Optimization Approach
University of Washington（华盛顿大学）
针对需求响应中定价策略难以保证稳定性和最优性的问题，提出一种非参数约束策略优化方法，通过推导闭式最优策略更新和actor-critic算法，在确保稳定性的同时提升了性能。
2023-06-24 cs.AI cs.LG cs.SY
Dynamic and Non-Uniform Pricing Strategies for Revenue Maximization
我们考虑在有限供应环境下收益最大化的项目定价问题，其中一个单一的卖方与$n$项目迎合$m$买家与未知的次可加性估值函数谁在一个序列中到达。卖方为每件商品定价。每个买家购买一个子集的尚未售出的项目，最大限度地提高她的效用。我们的目标是设计定价策略，保证预期收入在最大可能的社会福利的一个小因素$α$内-最大可能产生的收入的上限。大多数早期的工作都集中在无限供应设置，其中出售物品给一些买家并不影响他们的可用性，以未来的买家。Balcan et.（EC 2008）研究了有限供应设置，给出了一种随机策略，该策略为所有物品分配单一价格（统一策略），并且从不改变它（静态策略），该策略给出了$2^{O(\sqrt{\log n \log \log n})}$ -近似，并且此外，没有静态统一定价策略可以给出比$2^{Ω(\log^{1/4} n)}$ -近似更好的结果。我们将这个下界改进为$2^{Ω(sqrt{\log n})}$。我们考虑动态统一策略，它可以在每个买家到达时改变价格，但所有未售出商品的价格在任何时候都是相同的，以及静态非统一策略，它可以为不同的商品分配不同的价格，但在初始设置后永远不会改变。我们设计这样的定价策略，给出一个多对数近似最大收益。因此，在有限的供应设置，我们的研究结果突出了动态和非统一定价与静态统一定价的权力之间的强有力的分离。据我们所知，这是第一个非平凡的分析动态和非…
2009-05-19 cs.GT
Approximation Algorithms for the Max-Buying Problem with Limited Supply
我们考虑有限供应的最大购买问题，其中有$n$项目，每个项目$i$的$C_i$副本，和$m$投标人，使得每个投标人$b$具有项目$i$的估价$v_{ib}$。目标是找到定价$p$和将物品分配给投标人以使利润最大化，其中每个物品被分配给至多$C_i$投标人，每个投标人接收至多一个物品，并且如果投标人$b$接收物品$i$，则$p_i \leq v_{ib}$。Briest和Kadia对此问题提出了2-近似，Aggarwal等人对价格阶梯变体提出了4-近似，其中定价必须是非递增的（即$p_1 \geq p_2 \geq \cdots \geq p_n$）。我们提出了一个$e/(e-1)$ -近似的最大购买问题的有限供应，并为每个$\varepsilon > 0$，一个$(2+\varepsilon)$ -近似的价格阶梯的变种。
2013-09-30 cs.DS cs.GT
Multidimensional Dynamic Pricing for Welfare Maximization
University of Pennsylvania（宾夕法尼亚大学）；Microsoft Research（微软研究院）；Northeastern University（东北大学）
我们研究的问题，卖方动态定价$d$不同类型的不可分割的商品，当面对的在线到达的单位需求的买家独立绘制从一个未知的分布。这些商品的供应并不有限，但只能以有限的速度生产，而且生产成本很高。卖方只观察每天购买的一捆货物，而不观察买方的估价函数。我们的主要结果是一个动态的定价算法优化福利（包括卖方的生产成本），运行在时间和多个回合是多项式的$d$和近似参数。我们能够做到这一点，尽管事实上，（i）价格反应函数是不连续的，甚至它的分数松弛是一个非凹函数的价格，（ii）福利是不可观察的卖方。我们得出这个结果作为一个应用程序的一般技术优化福利超过\emph{divisible}商品，这是独立的利益。当购买者具有强凹的、Hölder连续的价值函数时，我们给出了$d$可分商品的一般多项式时间动态定价方法.我们能够将这种技术应用于单位需求购买者的设定，尽管在该设定中商品是不可分的，并且单位需求估值的自然分数松弛不是强凹的。为了应用我们的一般技术，我们引入了一种新的价格随机化过程，其效果隐含诱导买家“正规化”他们的估值与强凹函数。最后，我们还将我们的结果扩展到一个有限的供应设置，其中每个好的副本的数量不能补充。
2017-06-10 cs.DS cs.GT cs.LG
Learning to Price Supply Chain Contracts against a Learning Retailer
Purdue University（普渡大学）；Cornell University（康奈尔大学）
大数据分析的兴起使公司的决策自动化，并提高了供应链的敏捷性。本文研究了数据驱动的供应商需要对下游零售商的库存决策做出响应的供应链契约设计问题。供应商和零售商对市场需求都是不确定的，需要不断地了解。供应商的目标是开发数据驱动的定价策略，在一个固定的时间范围内，在广泛的可能的零售商库存政策的次线性遗憾界。为了捕捉动态引起的零售商的学习政策，我们首先作出连接到非平稳在线学习的概念变化预算。变化预算量化了零售商的学习策略对供应商决策的影响。然后，我们提出了动态定价策略的供应商离散和连续的需求。我们还注意到，我们提出的定价政策只需要获得需求分布的支持，但关键的是，不需要供应商有任何先验知识的零售商的学习政策或需求实现。我们研究了几个著名的数据驱动的零售商的政策，包括样本平均近似，分布鲁棒优化，和参数的方法，并表明我们的定价政策导致次线性遗憾界在所有这些情况下。在管理层面上，我们肯定地回答，有一个次线性后悔约束下的零售商的学习政策，即使她面对一个学习的零售商和一个未知的需求分布的定价政策。我们的工作还提供了一个新的视角，在数据驱动的运营管理中，校长必须学会对系统中其他代理所采用的学习策略做出反应。
2022-11-02 cs.GT cs.LG cs.MA
Resource Pricing In A Dynamic Multi-Commodity Market For Computational Resources
在用于计算基础设施（诸如网格和集群）的资源管理系统中采用基于市场的原则允许以效用最大化的方式匹配对资源的需求和供给。因此，与传统的以系统为中心的方法相比，它们提供了产生更有效的资源分配的承诺，传统的以系统为中心的方法不允许消费者和提供者表达他们对计算资源的估价。在本文中，我们研究了网格资源的定价，通过使用计算商品市场的CPU资源，资源价格是通过计算的供求平衡。特别是，我们介绍了几类CPU的特点是他们的执行速度。这些资源在成本和性能上有所不同，但在执行作业时可以互换使用，因此代表了所谓的可替代资源。我们调查的性能的算法计算的供需平衡，在这个多商品设置下动态变化的消费者和供应商的人口。
2010-03-17 cs.DC cs.GT cs.NI
Two-stage Stochastic Matching and Pricing with Applications to Ride Hailing
匹配和定价是双边市场中连接需求和供应的两个关键杠杆。该平台可以通过查询需求请求来产生更有效的匹配和定价决策。我们启动了两阶段随机匹配问题的研究，有或没有定价，使平台能够在一个批次中做出改进的决策，着眼于即将到来的未来需求请求。这个问题的部分原因是在线市场中的应用程序，如乘车平台。我们设计的顶点加权（或不加权）的两阶段随机匹配，以最大限度地提高供应效率，和两阶段的联合匹配和定价，以最大限度地提高市场效率的在线竞争算法。在前一个问题中，使用一个随机原始对偶算法应用到一个家庭的“平衡”凸规划，我们获得了最佳的$3/4$竞争比对最佳离线基准。使用一个因素揭示程序和连接到子模块优化，我们提高了这个比率对最佳的在线基准$(1-1/e+1/e^2)\approx 0.767$的未加权和$0.761$的加权情况。在后一个问题中，我们设计了最优的$1/2$ -竞争联合定价和匹配算法，借鉴的思想，从事前预言不等式文献。我们还提出了一种改进的$(1-1/e)$竞争算法的特殊情况下的需求效率的目标，使用子模块功能的相关差距。最后，我们补充我们的理论研究，使用滴滴的乘车共享数据集为成都市和数值评估我们提出的算法在这个问题的实际情况下的性能。
2022-10-21 cs.DS cs.GT
Clinching Auctions with Online Supply
易腐商品（如互联网广告库存）的拍卖需要在商品供应以在线方式到达时做出实时分配和定价决策，而无需提前了解整个供应。当买家有一些全球限制时，这些分配和定价决策变得复杂。在这项工作中，我们考虑一个多单元模型，其中买家有全球{ \em预算}的限制，供应到达在线的方式。我们的主要贡献是表明，在这种情况下，有一个个人理性的，激励兼容和帕累托最优拍卖，分配这些单位和计算价格的飞行，不知道总供应。我们这样做的自适应成交拍卖满足{ \em供应单调性}属性。我们还分析和讨论，使用的例子，如何获得的见解分配和支付规则可以应用到设计更好的广告分配策略在实践中。最后，虽然我们的主要技术成果涉及多单元供应，我们提出了一个正式的在线供应模型，捕捉场景超越多单元供应，并已应用到赞助搜索。我们猜想，我们的多单位拍卖的结果可以扩展到这些更一般的模型。
2012-10-04 cs.GT
Sequential item pricing for unlimited supply
我们调查价格更新可以在多大程度上增加收入的卖方几乎没有需求的先验信息。我们研究了无先验收益最大化的卖方无限供应的n个项目类型面临m近视买家目前k < log n天。对于静态（k = 1）情况，Balcan等人。[2]表明，一个随机项目价格（每个项目相同）产生的收入在最佳因子Θ（log m + log n）内，并且该因子是紧的。我们定义了买方估值的遗传最大化属性（由任何多单位或总替代品估值满足），这足以在动态（k > 1）设置中显着改善近似因子。我们的主要结果是一个非增加的，随机的，时间表k平等的项目价格与预期收入内的O（（log m + log n）/ k）的私人估值遗传最大化的最佳因素。这个因子几乎是紧的：我们证明了k天内的任何定价方案都有至少为（log m + log n）/（3 k）的收入近似因子。如果所有赋值都有相同的最大值，我们得到了类似的匹配上下界Θ（（log n）/ k）.我们希望我们的上限技术能引起更广泛的兴趣;例如，它可以显着改善Akhlaghpour等人的结果。我们还开始研究收入最大化的买方组合估值之间的分配外部性（即影响）。我们提供了一个相当普遍的模型，其他人的物品所有权对买家的估价产生积极影响。对于仿射、子模块外部性和具有遗传最大化的估值，我们提出了一种基于我们的私人估值算法的影响和利用（Hartline等人[13]）营销策略。这个策略保留了我们的近似因子，…
2010-11-01 cs.GT
Dynamic Wholesale Pricing under Censored-Demand Learning
Luiss University（卢伊斯大学）
研究两级供应链中制造商与零售商在删失需求数据下的动态定价与订货博弈，利用维度缩减方法证明马尔可夫完美均衡存在性，并揭示公共学习引发的激励冲突。
2026-06-16 cs.GT econ.TH math.OC
Spatio-Temporal Pricing for Ridesharing Platforms
拼车平台将司机和乘客与行程相匹配，使用动态价格来平衡供需。一个挑战是制定在空间和时间上适当平稳的价格，这样司机就可以灵活地决定如何工作，而不是开车到另一个地区或等待更高的价格或更好的行程。在这项工作中，我们提出了一个完整的信息模型，该模型简单而丰富，足以将空间不平衡和供求的时间变化-导致当今平台市场失灵的条件。我们引入了时空定价（STP）机制。该机制是激励一致的，因为它是一个子博弈完美均衡的司机总是接受他们的行程调度。从任何历史来看，STP机制的均衡结果都是福利最优、无嫉妒、个人理性、预算平衡和核心选择。我们还证明了不可能实现相同的经济属性在一个主导战略均衡。仿真结果表明，STP机制可以实现显着改善社会福利和收入公平性比短视的机制。
2021-09-16 cs.GT cs.MA
Pricing and Optimization in Shared Vehicle Systems: An Approximation Framework
由于存在\emph{complex network externalities}，与传统的资源分配设置相比，优化共享车辆系统（自行车/踏板车/汽车/乘车共享）更具挑战性-任何位置的需求/供应变化都会在短时间内影响整个系统的未来供应。这些外部性很好地捕捉到了稳态马尔可夫模型，因此被广泛用于分析这样的系统。然而，使用这样的模型来设计定价和其他控制策略在计算上是困难的，因为由此产生的优化问题是高维和非凸的。为此，我们开发了一个共享车辆系统的\emph{rigorous approximation framework}，提供了一个统一的方法，广泛的控制（定价，匹配，再平衡），目标函数（吞吐量，收入，福利），和系统约束（旅行时间，福利基准，张贴价格约束）。我们的方法是基于自然凸松弛的分析，并获得作为特殊情况下，现有的近似最优的政策，有限的设置，渐近最优的结果，和启发式的政策。由此产生的保证是非渐近的和参数，并提供操作的见解到现实世界的系统的设计。特别是，对于具有$n$站和$m$车辆的任何共享车辆系统，我们的框架获得了$1+(n-1)/m$的近似比率，当$m/n$（每个站的平均车辆数）很大时（实践中经常出现这种情况），这一点特别有意义。
2021-05-10 cs.DS cs.GT cs.SI
Quota Marketplace: Dynamic Pricing for Efficient Allocation of ML Training Resources
Google（谷歌）；Drexel University（德雷塞尔大学）
针对机器学习训练资源供需差距，提出基于市场的配额市场机制，通过允许用户表达工作负载价值及动态定价，实现帕累托效率和最大最小公平性，促进符合组织优先级的资源分配。
2026-07-14 cs.GT cs.LG
Online Combinatorial Auctions for Resource Allocation with Supply Costs and Capacity Limits
针对带供应成本与容量限制的在线资源分配问题，提出具备最优竞争比的挂牌价拍卖机制，经云计算场景验证，该机制竞争力与鲁棒性优于现有基准。
2023-10-08 cs.GT
A Sublogarithmic Approximation for Highway and Tollbooth Pricing
收费站问题的一个例子是由一个无向网络和一群一心一意的顾客组成的，每个顾客都有兴趣购买一条受个人预算约束的固定路径。目标是以最大化从所有客户获得的集体收入的方式为每个边缘分配单位价格。当成本在其预算范围内时，任何客户产生的收入等于其期望路径中的边的总价格;否则，该客户将不会购买任何边。我们的主要结果是一个确定性算法的收费亭问题的近似比为O（log m / log log m）的树，其中m表示在底层图的边缘数。这一发现改善了目前最好的性能保证树，由于Elbassioni等人。（SAGT '09），以及路径（通常称为公路问题），由于Balcan和Blum（EC '06）。另一个有趣的结果是在Demaine等人提出的一个合理的硬度假设（SODA '06）下，收费站对树木的定价与原始的单一无限供应定价原型问题之间的计算分离。
2010-02-10 cs.DS cs.GT
Differentially Private Online Item Pricing
本文提出首个在重复无限供应商品定价拍卖中同时实现差分隐私保护和次线性遗憾的算法，基于指数权重元算法和随机扰动，并扩展至买家策略性出价场景。
2023-10-28 cs.CR cs.GT cs.LG
The Price of Anarchy (POA) of network coding and routing based on average pricing mechanism
拥挤收费是一种有效的网络资源分配方法。与以往使用仿射边际成本（AMC）定价不同，我们重点研究了用户基于平均成本共享（ACS）定价机制进行价格预期时共享单个链路的网络编码和路由流之间的博弈。我们描述了最坏情况下的效率界限的游戏相比，最佳的，即，无政府无政府代价（POA），仅使用路由时，其下限为50%。当同时应用网络编码和路由时，POA可以低至4/9。因此，在ACS下，网络编码不能显著提高POA。此外，为了更有效地利用有限的资源，这表明共享用户有更高的倾向于选择网络编码。
2011-10-19 cs.GT cs.IT cs.NI
Envy, Multi Envy, and Revenue Maximization
我们研究的嫉妒自由定价问题所面临的卖方谁希望最大限度地提高收入，通过设置捆绑的项目的价格。如果有一个无限的供应项目和代理商是一心一意的，那么我们发现，找到收入最大化的嫉妒自由分配/定价可以解决在多项式时间减少到一个例子的加权独立集上的一个完美的图形。我们定义一个分配/定价为\textit{multi envy free}，如果没有代理人希望将她的分配替换为一些其他代理人的分配的并集，并将她的价格替换为他们的价格之和。我们表明，它是\textit{coNP} -很难决定，如果一个给定的分配/定价是多羡慕自由。我们还表明，收入最大化多羡慕自由分配/定价是\textit{APX}硬。此外，我们给出了高效的算法和硬度结果的各种变体的公路问题。
2009-09-24 cs.GT
Driver Surge Pricing
像Uber和Lyft这样的叫车市场使用动态定价（通常称为激增）来平衡可用司机的供应与乘车需求。我们研究了这些市场的司机端支付机制，提出了Uber新的附加司机激增机制设计的理论基础。我们提出了一个动态随机模型来捕捉冲击定价对司机收入和他们的策略，以最大限度地提高这种收入的影响。在这种情况下，某些时间段（激增）比其他时间段（非激增）更有价值，因此不同时间长度的行程在诱导驾驶员机会成本方面有所不同。首先，我们表明，乘性激增，历史上的标准乘车平台，是不激励兼容的动态设置。然后，我们提出了一个结构化的，激励兼容的定价机制。这种封闭形式的机制具有简单的形式，并且很好地近似于Uber的新添加剂浪涌机制。最后，通过数值分析和来自网约车市场的真实数据，我们证明了加法激增在实践中比乘法激增更具有激励相容性。
2021-03-07 cs.GT econ.GN q-fin.EC
Dynamic Pricing in Competitive Markets
Institute of Computer Science, Goethe University（歌德大学计算机科学研究所）
在竞争环境中对商品进行动态定价以使收入最大化是一个自然的目标，多年来一直是研究的主题。本文研究了一类具有替代品性质的市场，其卖方具有可分可售的商品。根据所选择的价格，每个卖方观察到一定的需求，满足受供应约束。卖方的目标是动态地为商品定价，以使其收益最大化。对于静态市场情形，当消费者效用满足恒定替代弹性（CES）性质时，我们利用Zinkevich的在线梯度下降算法的改进版本，给出了卖方收入损失最大的$O(\sqrt{T})$后悔界.对于一个更专门的一组消费者公用事业满足等弹性条件，我们表明，当每个卖方使用一个遗憾最小化算法满足一定的技术性能，关于$(1-α)$倍的最佳收入的遗憾是有界的$O(T^{1/4} / \sqrtα)$。我们将这一结果推广到具有动态供给的市场，并证明了相应的动态后悔界，其保证随着市场的内在不稳定性而平滑恶化。作为一个副作用，我们还扩展了以前已知的收敛结果，这些算法在一般的游戏的动态设置。
2017-09-14 cs.GT cs.LG
Iterative Network Pricing for Ridesharing Platforms
针对网约车平台基于出发地定价忽略目的地市场导致效率低下的问题，提出迭代网络定价机制，利用前几周可观测信息逐周调整OD价格，在平稳条件下收敛于近似福利最优，芝加哥数据模拟显示显著福利提升。
2023-11-14 cs.GT math.OC
Price Doubling and Item Halving: Robust Revenue Guarantees for Item Pricing
我们研究了基于静态物品定价的收益最大化的近似算法。在静态物品定价中，卖方为市场上的各种商品选择价格，然后买方以这些给定的价格购买效用最大化的捆绑产品。我们制定了两个有点通用的技术，设计良好的定价算法，这种设置：价格加倍和项目减半。使用这些技术，我们统一了许多现有的结果，在一个共同的框架下的项目定价文献，以及提供了几个新的项目定价算法近似的收入和社会福利。更具体地说，对于各种设置与项目定价，我们表明，它是可以确定性地获得一个对数近似的收入和一个常数近似的社会福利同时：因此，一个不需要牺牲收入，如果目标是仍然有体面的福利保障。%此外，我们提供了一个新的黑盒减少从收入到福利的基础上项目定价，这立即给我们新的收入-近似算法（例如，替代品估值）。本文的主要技术贡献是一个$O((\log m + \log k)^2)$ -近似算法的收入最大化的基础上，项目减半技术，设置买家有XoS估值，其中$m$是商品的数量和$k$是平均供应。令人惊讶的是，我们的是第一个已知的项目定价算法与多对数近似这样的一般类的估值，并部分解决了一个重要的公开问题，从算法定价文献的存在项目定价算法与对数因子的一般估值。我们还使用项目减半的框架，以形成羡慕免费项目定价机制的流行设置的多单位市场，提供了一个对数近似的收入在这种情况下。
2017-05-02 cs.GT
Seasonal Goods and Spoiled Milk: Pricing for a Limited Shelf-Life
我们研究了保质期有限的物品的情况，其中存储物品（在消费之前）可能会给买家（或分销商）带来成本。例如，鸡蛋、牛奶或Groupon优惠券有固定的有效期，季节性商品可能会贬值。我们展示了这种设置如何与Berbeglia等人（arXiv：1509.07330（v5））最近的结果相比，具有无限保质期的物品。我们证明了卖方的利润显示他们如何与项目的保质期紧界限。我们表明，违反直觉，在我们有限的保质期设置，增加存储成本有时会导致卖方的利润减少时，不会发生物品有无限的保质期。我们还提供了一个计算最优价格的算法。最后，我们实证研究利润和买方效用之间的关系，作为存储成本和保质期的持续时间的变化，并观察属性，其中一些是独特的有限的保质期设置。
2018-05-06 cs.GT
Dynamic Pricing Provides Robust Equilibria in Stochastic Ridesharing Networks
拼车市场是复杂的：司机是战略性的，乘客需求和司机可用性是随机的，复杂的城市规模的现象，如天气，引起大规模的相关性跨越空间和时间。与此同时，过去的工作侧重于这些挑战的一个子集。我们提出了一个具有战略驱动、时空动态和随机性的拼车网络模型。支持计算的易处理性和更好的建模灵活性比经典的流体限制，我们使用一个两级随机模型，允许相关的天气或大型公共事件引起的冲击。利用该模型，我们提出了一种新的定价机制：随机时空定价（SSP）。我们证明了SSP机制是渐近激励相容的，当市场足够大时，所得博弈的所有（近似）均衡都是渐近福利最大化的。SSP机制基于已实现的需求和供给迭代地重新计算价格，在这个意义上，价格是动态的。我们表明，这是至关重要的：虽然一个静态的SSP机制（其价格随市场水平的随机情况而变化，但不是个人骑手和司机的决定）的变种有一个序列的渐近福利最优近似均衡，我们证明，它也有其他均衡产生极低的社会福利。因此，我们认为，动态定价是很重要的，以确保在随机乘车共享网络的鲁棒性。
2022-05-19 cs.GT math.OC
Ridesharing with Driver Location Preferences
我们研究了当司机对位置有异质偏好时，拼车平台的收入最优定价和司机补偿。如果平台忽略驾驶员的位置偏好，则可能会导致低效的行程调度;此外，驾驶员可能会制定策略，以便前往他们的首选位置。在一个具有固定和持续需求和供应的模型中，我们提出了一种激励驾驶员（i）如实报告其位置偏好和（ii）始终提供服务的机制。在不受约束的驱动程序供应或对称的需求模式的设置中，我们的机制实现（全信息）最好的收入。在供应约束和不平衡的需求下，我们通过仿真表明，我们的机制比现有的机制有所改善，并具有接近第一最好的性能。
2019-08-13 cs.GT cs.MA
Internet of quantum blockchains: security modeling and dynamic resource pricing for stable digital currency
量子区块链互联网（IoB）将是未来的互联网。本文对IoB做出了两个新的贡献：开发了基于块的量子信道网络技术，以处理其在量子霸权面前的安全建模，并建立了基于IoB的金融科技平台模型，为稳定的数字货币提供动态定价。我们的新贡献之间的相互作用也得到了解决。在此基础上，利用量子信道组网，结合量子密钥分发（QKD）技术，建立了一个广义IoB安全模型。我们的IoB可以与一般的结构化事物交互（例如，供应链系统），具有通过稳定的数字货币进行在线交易和支付的能力，并且可以处理需要同步服务的向量值数据流。因此，在我们所设计的量子密钥分配系统中，我们提出了一种混合零和与非零和资源竞争定价策略的广义随机数生成器。扩散模型与逼近论和数值实现证明了这种政策的有效性。
2021-04-15 cs.GT cs.IT math.IT
Approximation Algorithms for Non-Single-minded Profit-Maximization Problems with Limited Supply
We consider { \em profit-maximization} problems for { \em combinatorial auctions} with { \em non-single minded valuation functions} and { \em limited supply}. We obtain fairly general results that relate the approximability of the profit-maximization problem to that of the corresponding { \em social-welfare-maximization} (SWM) problem, which is the problem of finding an allocation $(S_1,\ldots,S_n)$ satisfying the capacity constraints that has maximum total value $\sum_j v_j(S_j)$ . For { \em subadditive valuations} (and hence { \em submodular, XOS valuations}), we obtain a solution with profi…
2013-11-30 cs.GT
Predict and Match: Prophet Inequalities with Uncertain Supply
我们考虑的问题，出售易腐物品的买家流，以最大限度地提高社会福利。卖家从一组相同的物品开始，每个到达的买家都想要任何一件物品，并有一个独立的估价。已知的分布。然而，每一个项目，消失后，一个先验的未知量的时间，我们术语的地平线为该项目。卖方知道每件物品的视界分布（可能不同），但不知道它的实现，直到物品实际消失。与经典的预言家不平等一样，我们的目标是设计一个在线定价方案，与知道地平线并提取全部社会盈余（或福利）的预言家竞争。我们的主要结果是设置项目有独立的地平线分布满足单调风险率（MHR）条件。在这里，对于任何数量的项目，我们通过一个概念上简单的政策，平衡买家被接受的速度与项目从系统中删除的速度，实现了一个恒定的竞争约束。我们通过一种新的匹配技术，通过概率模拟在未来的时间离开的项目，实现这一政策。此外，对于一个单一的项目和MHR水平分布的平均$μ$，我们证明了一个严格的结果：有一个固定的定价方案，最多有竞争比$2 - 1/μ$，这是最好的可实现的在这一类。我们进一步表明，我们的结果是最好的可能。首先，我们证明了竞争比是无界的，即使没有MHR假设的一个项目。此外，即使水平分布是独立同分布，MHR和项目数变大时，任何策略的竞争比都有一个大于$1$的常数下界，这与具有相同确定性视野的设置形成鲜明对比。
2020-01-22 cs.GT
Price and capacity competition in balancing markets with energy storage
储能可以吸收风能和太阳能发电商数量增加带来的变化。储能不同于传统发电机，传统发电机由于其硬能量容量约束、动态耦合和低边际成本而在快速时间尺度上平衡供需。这些差异导致系统运营商提出新的机制，使存储能够参与储备和实时能源市场。电力市场中市场支配力和博弈的持续存在表明，这些变化将暴露新的脆弱性。我们开发了一个新的能源平衡市场中存储之间的战略行为模型。我们的模型是一个两阶段的游戏，概括了一个经典的容量模型，然后通过明确建模存储动态和不确定性的定价阶段的Bertrand-Edgeworth价格竞争。通过应用该模型来平衡市场与存储，我们能够比较容量和基于能量的定价方案，并分析市场范围和由于泄漏造成的能量损失的动态影响。我们的第一个关键发现是，容量定价导致更高的价格和更高的容量承诺，而能源定价导致更低的随机价格和更低的容量承诺。其次，我们发现，更长的市场视野和更高的物理效率导致更低的价格，诱导存储竞争，使他们的充电状态更频繁地循环。
2015-07-01 cs.GT
Comparative Statics via Stochastic Orderings in a Two-Echelon Market with Upstream Demand Uncertainty
我们重新审视经典的古诺模型，并将其扩展到一个两级供应链的上游供应商谁经营的需求不确定性和多个下游零售商谁竞争的数量。供应商对零售需求的信念是通过一个连续的概率分布函数F。若F具有广义平均剩余寿命递减的性质，则供应商的最优定价策略存在且是平均剩余寿命函数的唯一不动点。这种供应商的均衡策略的封闭形式的表示有利于透明的比较静态和敏感性分析。我们利用随机订货理论来研究均衡基本面-批发价格，零售价格和数量-对不同的需求分布参数的响应。我们研究供应链绩效，在利润分配方面，供应链效率，在无政府状态的无政府代价方面，并补充我们的研究结果与数值结果。
2021-07-16 cs.GT
Reputation and Pricing Dynamics in Online Markets
我们研究在线市场中卖家和买家之间的经济互动。在这样的市场中，买家对产品质量的信息有限，但可以观察到卖家的声誉，这取决于他们过去的交易历史和过去买家的评级。卖家通过定价在同一个市场上竞争，同时考虑其异质声誉的影响。我们考虑卖方有限以及无限的能力，这对应于不同的实际市场情况。在无限卖方能力的情况下，买家更喜欢与最高的声誉价格比的卖方。如果最高和第二高卖家声誉水平之间的差距足够大，那么最高声誉的卖家就可以垄断市场。如果卖家的声誉水平相对接近，那么那些声誉相对较高的卖家将在均衡中生存，而其余声誉相对较低的卖家将获得零市场份额。在有限的卖方能力的情况下，我们进一步考虑两种不同的情况。如果每个卖方只能为一个买方服务，那么卖方有可能在均衡时设定垄断价格，而所有卖方都获得正的市场份额;如果每个卖方可以为多个买方服务，那么卖方有可能在均衡时设定最高价格。仿真结果表明，在长期的交互作用下，信誉和价格的动态变化将收敛到稳态，而卖家的初始买家评分在决定稳态下卖家的信誉和价格方面起着关键作用.
2021-03-30 cs.GT
Sublogarithmic Approximation for Tollbooth Pricing on a Cactus
针对含环网络，提出仙人掌图上收费亭定价的多项式时间次对数近似算法，扩展Gamzu-Segev框架，实现收入最大化。
2023-05-09 cs.GT
