Secondary Spectrum Auctions for Symmetric and Submodular Bidders
我们研究了无线网络中二级频谱使用的真实拍卖。在这种情况下,需要将n个通信请求分配给受干扰和噪声影响的k个可用信道。我们提出了第一个真实的机制与对称或次模块化的估值二次频谱拍卖。我们的模型干扰的方法使用一个边加权冲突图,我们的算法提供了一个小的归纳独立数rho << n的冲突图的渐近几乎最佳逼近界。该方法涵盖了各种各样的干扰模型,例如,协议模型或最近流行的干扰物理模型。对于未加权的冲突图和对称值,我们使用LP-舍入获得$O(ρ)$ -近似机制;对于加权冲突图,我们得到一个因子O(rho(log n + log k))。对于子模块化用户,我们将Dughmi等人[STOC 2011]的凸舍入框架与随机元舍入相结合,以获得矩阵秩和估值的O(rho)近似机制;对于加权冲突图,我们可以完全放弃对k的依赖,以获得O(rho log n)。我们的结论与有前途的initialresults确定性的真实机制,允许近似因子的基础上ρ。
2011-10-26 cs.DS cs.GT cs.NI
Improved Truthful Mechanisms for Subadditive Combinatorial Auctions: Breaking the Logarithmic Barrier
我们提出了一个计算效率高的真实机制,实现了$O((\log\!\log{m})^3)$ -近似的期望使用$O(n)$需求查询的最大福利与次加投标人的组合拍卖,这里$m$和$n$的项目和投标人的数量,分别。这打破了长期以来的对数障碍的问题追溯到$O(\log{m}\cdot\log\!\log{m})$近似机制的Dobzinski从2007年。在此过程中,我们还改进并大大简化了子模块化投标人的最先进机制。
2020-10-03 cs.DS cs.GT
The Computational Complexity of Truthfulness in Combinatorial Auctions
拍卖机制设计的一个基本问题是真实性和计算易处理性之间是否存在内在的冲突:特别是,多项式时间的组合拍卖真实机制在近似比方面是否比非真实机制弱。这个问题是最近回答普遍真实的组合拍卖机制\cite{D11},甚至为真实的预期机制\cite{DughmiV11}。然而,这两个结果都是基于信息理论的参数值预言给出的估值,并留下了简洁描述类估值多项式时间真实机制的可能性。本文是第一个证明{ \em计算硬度}结果的真实机制的组合拍卖与简洁描述的估值。我们证明,有一类简洁地表示子模块的估值,没有确定性的真实机制提供了一个$m^{1/2-ε}$ -近似常数$ε>0$,除非$NP=RP$($m$表示的项目数)。此外,我们证明了,即使是真实的预期机制不能近似组合拍卖与某些简洁描述的子模块估值优于$n^γ$内,其中$n$是投标人和$γ>0$一些绝对常数的数量,除非$NP \subseteq P/poly$。此外,我们证明了两个相关问题的计算硬度的结果。
2012-02-13 cs.GT
Auctions with Interdependence and SOS: Improved Approximation
相互依赖的价值使得基本的拍卖设计任务--特别是在单一物品拍卖中真实地最大化福利--相当具有挑战性。Eden等人最近确定,如果投标人的估价函数在其信号上是次模的(也称为SOS),一个真实的4-近似最优福利存在。我们表明存在一种机制,是真实的,并实现了紧密的2-近似的最佳福利时,信号是二进制的。我们的机制是随机的,只给投标人分配0或0.5的获胜概率。我们的结果利用子模集函数的性质,并扩展到拟阵设置。
2021-07-19 cs.GT
Truthful Mechanisms via Greedy Iterative Packing
算法博弈论算法博弈论的一个重要研究方向是设计接近最优社会福利的有效诚实机制。一个基本问题是α-近似算法是否转化为α-近似真实机制。众所周知,将α-近似算法插入VCG技术中可能不会产生真实的机制。因此,研究近似算法的性质是很自然的,这些性质使它们能够在真实机制中使用。本文的主要贡献是识别近似算法的一个有用的和自然的属性,我们称之为loser独立性,这个属性适用于单一的思想和单参数设置。直觉上,当失败者的出价增加时,失败者独立算法不会改变其结果,除非该代理成为赢家。我们证明,失败者独立的算法可以采用贪婪的迭代包装方法的子程序,同时保持单调性。一个贪婪的迭代方法提供了一个很好的近似的上下文中最大化的非减子模函数的独立性约束。我们的框架产生了各种问题的真实近似机制。值得注意的是,在线机制设计中出现了一些问题。
2009-06-13 cs.DS cs.GT
Better Approximation for Interdependent SOS Valuations
次模超信号(SOS)定义了一个有趣的功能,其中存在真实的机制与不断接近的社会福利的相互依存的评价代理家庭。最著名的真实拍卖是$4$ -近似的,并证明了其下界为2。我们提出了一个新的和简单的真实的机制,以实现3.315的近似比。
2022-10-12 cs.GT
On Budget-Feasible Mechanism Design for Symmetric Submodular Objectives
我们研究了一类具有预算约束的采购拍卖,拍卖人有兴趣从一组代理商那里购买资源或服务。在理想情况下,拍卖人希望选择资源的一个子集,以最大限度地提高他的估价函数,而不超过给定的预算。然而,由于资源是由战略代理人拥有的,我们的总体目标是设计机制,是真实的,不可行的,并获得一个很好的近似最优值。预算可行性带来了额外的挑战,使得一些方法在这种情况下不适用。以前的结果,不可行的机制,主要考虑单调的赋值函数。在这项工作中,我们主要集中在对称次模赋值,一类突出的非单调次模函数,包括削减功能。我们首先从一个纯算法的结果,获得一个$\frac{2e}{e-1}$近似最大化对称次模函数的预算约束下。我们认为这是一个独立的结果的独立利益,因为它是最知名的因素实现了一个确定性算法。然后,我们继续提出真实的,预算可行的机制(确定性和随机),特别注意的最大切割问题。我们的研究结果显着提高了这些目标的已知近似比,同时建立多项式运行时间的情况下,只有指数机制是已知的。在我们的方法的核心在于一个适当的组合,局部搜索算法与单调次模估值的结果,适用于派生的局部最优。
2017-10-09 cs.GT
A Truthful Randomized Mechanism for Combinatorial Public Projects via Convex Optimization
在组合公共项目中,有一组可以进行的项目,以及一组在所选择的项目中具有股份的自利参与者。公共规划者必须在资源有限的情况下,以最大化社会福利为目标,从这些项目中选择一个子集。组合公共项目已经成为决策机制设计中的一个典型问题,该领域关注解决存在自私行为和多项式时间计算约束的基本资源分配问题。我们设计了一个多项式时间,真实的期望,(1-1/e)-近似福利最大化的组合公共项目的基本变体的机制。我们的研究结果适用于组合公共项目时,球员的估值是拟阵秩和(MRS),其中包括在这种情况下,包括覆盖函数,拟阵加权秩函数,凸组合的子模函数研究的最具体的例子。我们的近似因子是最好的,假设P!NP.我们是第一个机制,实现了一个常数因子近似的一个自然的NP-困难的组合公共项目的变体。
2011-04-16 cs.DS cs.GT
Truthful Bilateral Trade is Impossible even with Fixed Prices
Myerson和Satterthwaite(1983)的一个开创性定理证明,在一个单一买方和一个单一卖方之间的双边贸易博弈中,没有一种机制可以同时是个人理性的、非均衡的、激励相容的和社会有效的。但是,如果价格是外生的,社会效率目标在给定的价格下服从于个人理性,那么这种不可能性就消失了。我们表明,不可能回来,如果有多个单位的同一种商品,或多种类型的商品,即使价格是固定的外生性。特别地,如果存在相同商品的$M$单位或$M$种类的商品,对于某些$M\geq 2$,则没有真实机制可以保证超过$1/M$的最优交易收益。在单一商品多单位的情况下,如果两个代理人都有次模估值(边际收益递减),那么没有真实的机制可以保证超过$1/H_M$的最优交易收益,其中$H_M$是$M$ -th谐波数($H_M\approx \ln{M}+1/2$)。所有的上限都是紧的。
2017-11-19 cs.GT
Truthful and Fair Mechanisms for Matroid-Rank Valuations
研究了不可分商品在战略代理人之间的分配问题。我们专注于设置,其中货币转移是不可用的,每个代理的私人估值是一个子模函数与二进制边缘,即,智能体的估值是拟阵秩函数。在这种设置中,我们建立了一个显着的二分法之间的两个最好的研究公平的概念,在离散的公平分工,具体来说,嫉妒自由到一个好的(EF1)和最大最小份额(MMS)。首先,我们证明了Babaioff等人的Pareto有效机制。(2021)是在拟阵秩估值下寻找EF1分配的群体策略证明。群体防策略性保证强化了Babaioff et al.(2021)的结果,该结果在相同的背景下建立了真实性(分别针对每个代理人)。我们的结果也推广了Halpern等人的工作。(2020),从二进制加法赋值到拟阵秩的情况。接下来,我们建立了一个类似的积极的结果不能实现MMS,即使在个人层面上考虑真实性。具体来说,我们证明,拟阵秩估值,不存在一个真实的机制,是指数遗忘,帕累托有效,最大公平。为了建立我们的研究结果,我们开发了一个真实的机制,拟阵秩函数的表征。事实上,这种特征适用于更广泛的赋值类(特别是适用于二进制XOS函数),并且可能是独立的兴趣。
2021-09-13 cs.GT
Fair and Truthful Mechanism with Limited Subsidy
\emph{envy-freeness}的概念是资源分配中自然和直观的公平性要求。不幸的是,对于不可分割的商品,这种公平分配并不能保证存在。经典著作通过引入额外的可分割资源来避免这个问题,即,钱,补贴嫉妒的代理商。本文旨在设计一种在有限的补贴额下兼顾公平和效率的不可分割商品的真实分配机制。根据哈尔彭和沙阿的工作,我们的中心问题如下:我们需要在多大程度上依靠金钱的力量来实现这些目标?对于一般估值,组合拍卖的不可能性定理转化为我们的设置:即使有任意大量的钱可供使用,当代理人具有一般单调子模块估值时,没有机制可以同时实现真实性,无嫉妒性和功利最优性。相比之下,我们表明,当代理有拟阵估值,有一个真实的分配机制,实现无嫉妒和功利主义的最优补贴每个代理最多$1$,每个项目的最大边际贡献每个代理。该机制的设计关键在于Lorenz主导分配的基本拟阵M凸性。
2021-05-05 cs.GT
From Compensation Design to Budget-Feasible Mechanisms: A Constant Approximation for Subadditive Valuations
CMU(卡内基梅隆大学);Google Research(谷歌研究院);Yale University(耶鲁大学)
该研究推进预算可行机制设计,针对次可加估值等提出多项式时间常数近似机制,解决长期开放问题,还为多获胜者选举提供了相关进展。
2026-08-10 cs.DS cs.GT
From Convex Optimization to Randomized Mechanisms: Toward Optimal Combinatorial Auctions
我们设计了一个期望多项式时间,真实的期望,(1-1/e)-近似机制福利最大化的基本类组合拍卖。我们的研究结果适用于投标人的估值是m拟阵秩和(MRS),其中包括在这种情况下,包括覆盖函数,拟阵加权秩函数,凸组合的子模函数研究的最具体的例子。我们的近似因子是最好的,即使对于已知的和明确给定的覆盖估值,假设P!NP.我们的是第一个真实的期望和多项式时间机制,以实现一个NP-硬福利最大化问题的组合拍卖与异质商品和有限的估值的常数因子近似。我们的机制是一个新的框架,设计近似机制的基础上随机舍入算法的实例。典型的这种算法首先优化原始问题的分数松弛,然后随机地将分数解舍入为整数解。除了极少数的例外,这些算法无法转换为真实的机制。我们的机制设计框架的高级思想是直接优化舍入算法的(随机)输出,而不是舍入算法的输入。这种方法导致真实的预期机制,这些机制可以有效地实现时,相应的目标函数是凹的。对于投标人与MRS估值,我们给出了一种新的随机舍入算法,导致凹目标函数和(1-1/e)-近似的最佳福利。
2011-04-16 cs.DS cs.GT
Mechanism Design for Perturbation Stable Combinatorial Auctions
本文提出组合拍卖的扰动稳定性概念,证明2-稳定次模估值下可高效计算最优分配且存在瓦尔拉斯均衡,并分析P2A和P1A的价格无政府状态,表明简单非诚实拍卖的均衡质量仅在$\gamma\geq 3$时改善。
2020-07-15 cs.GT
Service-Constraint Based Truthful Incentive Mechanisms for Crowd Sensing
人群感知是一种新的模式,它利用无处不在的智能手机来有效地收集和上传传感数据,从而实现许多新颖的应用。为了实现良好的服务质量的人群感应应用,激励机制是必要的,以吸引更多的用户参与。大多数现有机制仅适用于平台(人群感测组织者)具有预算限制的非约束场景。相反,我们关注的是平台有服务限制的不同场景。基于离线和在线拍卖模型,我们考虑了一个一般性的问题:用户提交他们的私人档案的平台,和平台的目标是选择一个子集的用户在指定的截止日期之前,以最小化总支付,而特定的服务可以完成。特别地,针对选择用户的价值函数是单调子模的情况,设计了离线和在线服务约束激励机制。这些机制分别是个体理性、任务可行性、计算效率、真实性、消费者主权、持续节俭,在实践中也表现良好。最后,我们使用大量的模拟来证明我们的机制的理论特性。
2014-12-24 cs.GT cs.NI
Amplified Hardness of Approximation for VCG-Based Mechanisms
如果两个玩家的社会福利最大化问题不承认PTAS,我们证明,任何最大范围内的真实机制,运行在多项式时间不能达到一个近似因子优于1/2。此外,对于同一问题的k人版本,在相同的两人难度假设下,近似的难度提高到1/k。(We注意,1/k可通过平凡的确定性范围内最大值机制来实现。这个硬度的结果不仅包括确定性的最大范围内的机制,但也普遍真实的随机最大范围内的算法,以及一类严格的更强大的真实的期望随机机制最近介绍了Dobzinski和Dughmi。我们的结果适用于任何一类的赋值函数,满足一些极小闭包性质。这些性质都满足所有研究得很好的APX-硬社会福利最大化问题的估值函数,如覆盖,次模,次加估值。我们还证明了普遍真实的最大范围内的机制更强的结果。也就是说,即使对于允许FPTAS的预算加法估值类,也没有这样的机制可以在多项式时间内实现优于1/k的近似因子。
2009-12-18 cs.GT
Fair and Truthful Mechanisms for Dichotomous Valuations
我们考虑的问题,分配一套不可分割的项目的球员与私人偏好在一个有效的和公平的方式。我们专注于具有二分边际的估值,其中任何项目的附加值为0或1,并旨在设计真实的分配机制(没有钱),最大限度地提高福利和公平。对于局中人具有二分边际的子模估值的情况,我们设计了这样一个确定性的真实分配机制。我们的分配机制的输出是洛伦兹支配,因此满足许多期望的公平性,如嫉妒免费的任何项目(EFX),最大化的纳什社会福利(NSW)。然后,我们表明,我们的机制与随机优先级是羡慕免费事前,而所有上述属性事后。此外,我们提出了几个不可能的结果排除了类似的结果,为更大的类XOS估值。为了衡量我们的积极结果的鲁棒性,我们还研究了$ε$ -二分法估值,其中任何项目对集合的附加值要么是非正的,要么在$[1, 1 + ε]$的范围内。我们在此设置中显示了几个不可能的结果,也是一个积极的结果:对于具有加性$ε$ -二分估值的球员,足够小的$ε$,我们设计了一个随机的真实机制,具有很强的事后保证。对于$ρ= \frac{1}{1 + ε}$,它产生的分配至少产生最大福利的$ρ$ -分数,并享受$ρ$ -各种公平属性的近似值,例如在一个项目(EF 1)上没有嫉妒,并至少给予每个参与者她的最大最小份额。
2020-12-24 cs.GT
Simple and Efficient Budget Feasible Mechanisms for Monotone Submodular Valuations
我们研究的问题,预算有限的买家谁想要购买一套物品,每一个从不同的卖家,以最大限度地提高她的价值。预算可行机制设计问题的目的是设计一种机制,激励卖方如实报告其成本,并最大化买方的价值,同时保证总付款不超过她的预算。这样的预算可行机制可以模拟一个在众包市场中有兴趣招募一组工人(卖方)来完成她的任务的买方。这个预算可行机制设计问题是由Singer在2010年提出的。从那时起,这种机制的近似保证已经有了一些改进。我们考虑一般情况下,买方的估值是一个单调的子模函数。我们为简单的机制提供了两个通用框架,通过结合这些框架,我们显着改善了这个问题的最知名的结果,同时也简化了分析。例如,我们将一般单调子模情形的近似保证从7.91提高到5;对于大市场的情形(其中每个单独的项目具有可忽略的值),近似保证从3提高到2.58。更一般地说,给定一个$r$近似算法的优化问题(忽略激励),我们的机制是一个$r+1$近似机制的大型市场,从$2r^2$的改进。我们还提供了一个类似的参数化机制,没有大的市场假设,我们实现了$4r+1$近似保证。
2017-03-30 cs.GT
On the Approximability of Budget Feasible Mechanisms
预算可行的机制,最近发起的辛格(FOCS 2010),算法机制设计问题,以现实的设置与预算约束。我们考虑了一般次模函数的真实预算可行机制的设计问题:我们给出了一个近似比为$7.91$的随机机制(改进了以前最著名的结果112),和一个近似比为$8.34$的确定性机制。进一步研究了背包问题这一特殊的次模函数,给出了一个$2+\sqrt{2}$近似的确定性机制(改进了以前的著名结果6)和一个3近似的随机化机制.我们提供了一个类似的结果,扩展背包问题的异质项目,其中项目被划分成组,可以从每组中选择最多一个项目。最后,我们给出了背包的确定性机制的逼近比为$1+\sqrt{2}$和随机机制的逼近比为2的下界,以及一般的子模函数。我们的下限是无条件的,不依赖于任何计算或复杂性假设。
2010-07-22 cs.GT
Budget-Feasible Mechanisms for Submodular Welfare Maximization in Procurement Auctions
School of Computer Science and Technology, Soochow University(苏州大学计算机科学与技术学院);School of Rail Transportation, Soochow University(苏州大学轨道交通学院)
本文提出BFM-SWM机制,首次在采购拍卖中实现子模福利最大化的预算可行机制,具有可证明的近似保证,同时改进了效率和效果。
2026-09-17 cs.GT
Fair and Almost Truthful Mechanisms for Additive Valuations and Beyond
本文研究不可分割商品公平分配中激励比率的下界与上界,证明加性估值下任何(1/2+ε)-EF1机制激励比率至少1.5,可取消估值下ε-EF1机制激励比率无限,并给出次加性可取消及次模估值下轮转机制的具体比率。
2024-07-23 cs.GT
Project-Fair and Truthful Mechanisms for Budget Aggregation
研究策略性投票者分配有限资源的预算聚合问题,提出一种新颖的 moving phantom mechanism,在保证真实性的同时实现了最优的项目公平性,并最小化到均值的 $\ell_1$ 距离。
2024-03-25 cs.GT
Truthful Cake Sharing
研究切蛋糕问题的公共物品变体,在策略性智能体具有分段均匀效用下,证明leximin solution的诚实性与福利最大化,分析maximum Nash welfare solution的诚实性,并探讨访问阻止机制的影响。
2022-02-05 cs.GT econ.TH
Truthful and Stable One-sided Matching on Networks
社交网络上的机制设计是近年来的一个研究热点,在拍卖和匹配方面我们看到了许多有趣的结果。与传统设置相比,网络设置的新目标是我们需要设计激励机制来激励游戏的参与者邀请他们在网络上的邻居加入游戏。这是具有挑战性的,因为他们正在竞争的东西(例如,游戏中的资源或比赛。在单边匹配中,尤其是房屋交换中,著名的唯一真实、稳定、最优解--最佳交易周期(TTC)不能达到新的目标。现有的工程已试图增加对TTC的约束,以获得激励,但它只适用于树木,它不能保证任何稳定性。在本文中,我们进一步推进了这一点,并提出了第一个名为Leave and Share(LS)的机制,该机制不仅在所有网络中实现了目标,而且在新设置中给出了最稳定的解决方案。在最优性方面,由于在任何网络中都不可能实现它,因此我们进行模拟以将其与TTC的扩展进行比较。
2023-01-26 cs.GT
Automated Mechanism Design for Classification with Partial Verification
Duke University(杜克大学);University of Illinois at Chicago(伊利诺伊大学芝加哥分校)
我们研究的问题,自动化机制设计与部分验证,其中每种类型可以(误)报告只有一组有限的类型(而不是任何其他类型),由委托人的有限的验证能力。我们证明硬度的结果时,启示原则并不一定成立,以及当类型甚至有最小的不同偏好。鉴于这些困难的结果,我们专注于真实的机制,在这种情况下,所有类型的人都对结果有相同的偏好,这是由应用程序所激发的,例如,战略分类。我们提出了一些算法和结构的结果,包括一个有效的算法,找到最佳的确定性的真实的机制,这也意味着一个更快的算法,通过基于凸性的表征找到最佳的随机真实的机制。然后,我们考虑一个更一般的设置,其中委托人的成本是分配给每种类型的结果的组合的函数。特别是,我们专注于的情况下,成本函数是submodular的,并给出基本上所有我们的结果在经典的设置成本函数是添加剂的推广。我们的研究结果提供了一个相对完整的图片自动机制设计与部分验证。
2021-04-12 cs.GT cs.LG
Incentive-Compatible Kidney Exchange in a Slightly Semi-Random Model
出于肾脏交换的动机,我们研究了以下机制设计问题:在有向图(患者-供体对之间的移植相容性)上,该机制必须选择一个简单的路径(移植链),从一个杰出的顶点(利他主义的供体)开始,使得该路径的总长度尽可能大(最大数量的患者接受肾脏)。然而,该机制不具有对图的直接存取。相反,顶点被划分到多个参与者(医院),每个参与者向机制报告她的顶点的子集。特别地,玩家可以策略性地省略顶点以增加她的顶点中有多少位于由该机制返回的路径上。我们的目标是找到机制,限制这种操纵的动机,同时产生长的路径。不幸的是,在最坏的情况下,与整体最长路径竞争是不可能的,同时激励(近似)真实性,即,要求隐藏节点不能增加玩家的效用超过$1 + o(1)$的因子。因此,我们采用半随机模型,其中少量($o(n)$)随机边缘被添加到最坏情况的实例。虽然它仍然是不可能的真实的机制,以竞争的整体最长的路径,我们给出了一个真实的机制,竞争一个较弱的,但不平凡的基准:任何路径的长度,其子路径在每个球员有一个最小的平均长度。事实上,我们的机制满足了更强的真实性概念,我们称之为匹配时间激励相容性。这个真实性的概念要求每个参与者不仅要如实地报告她的节点,而且不要在她的任何节点上停止返回的路径,以便将其转移到她自己的子图中的延续。
2021-06-21 cs.GT econ.TH
Truth and Regret in Online Scheduling
University of Wisconsin-Madison(威斯康星大学麦迪逊分校);Microsoft Research(微软研究院);Cornell University(康奈尔大学)
我们考虑一个调度问题,云服务提供商有多个单位的资源随着时间的推移。自私的客户端提交作业,每个作业都有到达时间、截止日期、长度和价值。服务提供商的目标是实现一个真实的在线机制调度作业,以最大限度地提高社会福利的时间表。最近的工作表明,在随机假设下,就业到达,有一个单参数家庭的机制,实现接近最优的社会福利。我们表明,任何这样的家庭接近最优的在线机制,存在一个在线机制,在最坏的情况下,执行以及最好的给定的机制。我们的机制是真实的,只要在给定的家庭中的机制是真实的和及时的,并实现最佳(在恒定因素)的遗憾。我们模拟的问题,对一个家庭的在线调度机制的学习专家的意见。一个主要的挑战是,我们所做的任何调度决策不仅会影响当前步骤的收益,还会影响未来步骤的资源可用性和收益。此外,从一个算法(a.k.a.专家)到另一个算法是具有挑战性的,因为它需要与后者算法的状态同步,也因为它影响算法的激励结构。我们进一步展示了如何适应我们的算法,以非千里眼设置工作长度是未知的,直到工作运行完成。再一次,在这种情况下,我们获得了真实性以及渐进最优的遗憾(在多对数因子内)。
2017-03-01 cs.AI cs.DS cs.GT
Multi-Armed Bandit Mechanisms for Multi-Slot Sponsored Search Auctions
在当前被搜索引擎广泛使用的按点击付费赞助的搜索拍卖中,针对关键字的拍卖涉及一定数量的广告商(例如k)竞争可用的位置(例如m)以显示他们的广告。这种拍卖通常进行多轮(比如T轮)。存在与每个座席-时隙对相关联的点击概率mu_ij。搜索引擎的目标是广告主的社会福利最大化,即广告主的价值总和。搜索引擎不知道广告商对于点击他们各自的广告所具有的真实值,并且也不知道点击概率mu_ij s。因此,搜索引擎的关键问题是在拍卖的T轮期间学习这些点击概率,并且还确保拍卖机制是真实的。最近已经引入了用于解决这种学习和激励问题的机制,并且被恰当地称为多武装强盗(MAB)机制。当m = 1时,真实MAB机制的特征在文献中可用,并且已经表明,这种机制的遗憾将是O(T^{2/3})。在本文中,我们试图在现实的,但非平凡的一般情况下,当m > 1,得到一个特征,并得到几个有趣的结果。
2010-01-17 cs.GT
Compliance Moral Hazard and the Backfiring Mandate
Pamplin College of Business, Virginia Tech(弗吉尼亚理工学院商学院帕姆林学院);Booth School of Business, University of Chicago(芝加哥大学博斯商学院)
本文研究去中心化风险检测问题,提出时间价值分配机制,通过严格proper scoring rule实现 truthful 后验报告,并分析网络联盟设计与反向命令对福利的影响。
2026-10-28 cs.GT cs.LG
Learning Optimal Redistribution Mechanisms through Neural Networks
我们考虑这样一种设置,其中$p$公共资源将在$n$竞争和战略代理之间进行分配,以最大化社会福利(对象应分配给最重视它们的人)。这就是所谓的配置效率(AE)。我们需要代理人报告他们获得这些资源的估值,如实地称为主导策略激励相容性(DSIC)。我们使用基于拍卖的机制来实现AE和DSIC,但由于Green-Laffont不可能性定理,无法确保预算平衡。也就是说,货币净转移不可能为零。这一问题已通过设计一个再分配机制来解决,以确保最低限度的资金盈余以及AE和DSIC。目标可以是最小化期望中或最坏情况下的剩余,并且这些$p$对象可以是同构的或异构的。设计重新分配机制,表现良好的预期成为异构设置的分析挑战。在本文中,我们采用了一种完全不同的数据驱动方法。我们训练一个神经网络,以确定一个最佳的再分配机制的基础上给定的设置与两个目标,最优的预期和最优的最坏的情况下。我们还提出了一个损失函数来训练一个神经网络,以优化最坏的情况。我们设计的神经网络的基本回扣功能是线性的,以及非线性的投标代理。我们的网络的性能是相同的理论保证的情况下,它已经解决了。我们观察到,一个神经网络为基础的再分配机制的同质设置,使用非线性回扣功能优于线性回扣功能时,目标是最佳的期望。我们的方法也产生了一个最佳的期望重新分配机制,异构设置。
2018-01-26 cs.GT