Improved Revenue Guarantees for Selling Separately and Bundling
Google Research(谷歌研究);Yale University(耶鲁大学);Google DeepMind(谷歌DeepMind)
针对单一可加买家,证明分开销售或整体捆绑销售中较优者能达到最优收益的3.52倍以内,改进了先前5.2的近似因子,缩小了与下界2的差距。
2026-09-25 cs.GT
Selling Data to a Competitor
我们研究向竞争对手出售数据的成本和收益。虽然出售所有消费者的数据可能会减少公司的总利润,但存在其他销售机制-其中只有一些消费者的数据被出售-使两家公司都更好。我们确定了利润最大化的机制,并表明,企业的利益是以消费者为代价的。然后,我们构建帕累托改进机制,其中每个消费者的福利,以及双方的利润,增加。最后,我们表明,消费者选择加入可以作为一种工具,诱导企业选择帕累托改进机制的利润最大化。
2023-02-01 cs.GT econ.TH
Selling Information Through Consulting
我们考虑一个垄断的信息持有者出售信息给一个不受约束的决策者,谁可能受益于卖方的信息。决策者的效用函数取决于他的行动和世界的不确定状态。卖方和买方各自观察关于世界状态的私人信号,其可以彼此相关。卖方的目标是将她的私人信息出售给买方,并在买方的预算限制下获得最大可能的收入。我们考虑三个不同的设置与日益增加的一般性,即,卖方的信号和买方的信号可以是独立的、相关的或遵循通过黑盒采样预言机访问的一般分布。对于每一个设置,我们设计的信息销售机制,这是最佳的和简单的意义上说,他们可以自然地解释,有简洁的表示,并可以有效地计算。值得注意的是,虽然最佳机制随着设置变得更加普遍而呈现出略微增加的复杂性,但我们所有的机制都具有相同的形式,即充当顾问,向买方推荐最佳行动,但针对不同的设置使用不同的精心设计的支付规则。我们的每一个最佳机制可以很容易地计算通过解决一个单一的多项式大小的线性规划。这大大简化了以前工作中椭圆方法求解的指数大小的LP,该方法在相同的设置下计算最优机制,但没有预算限制。这种简化是使我们的最佳机制(更现实的)约束设置的新特征。
2020-02-17 cs.GT
Monotonic Mechanisms for Selling Multiple Goods
本文研究多商品销售中的单调机制,证明其收入相对最优机制可能仅占可忽略比例,并给出相对于分别或捆绑销售简单收入的 k 倍上界及机制刻画。
2024-06-12 cs.GT econ.TH
Selling Two Identical Objects
众所周知,最佳(即,收入最大化)的销售机制可能涉及随机化。我们得到的条件下,确定性机制是最佳的销售两个相同的,不可分割的对象给一个单一的买家。我们分析了两种设置:(i)递减边际值(DMV)和(ii)递增边际值(IMV)。因此,买方对这两个单位的价值不是独立的。我们证明了在一个众所周知的分布条件下(由于McAfee和McMillan(1988)),(a)在DMV模型中确定性地出售第一个单位是最优的,(b)在IMV模型中捆绑(这是一种确定性机制)是最优的。在一个更强的分布充分条件下,DMV模型中的确定性机制是最优的。我们的研究结果适用于异构对象时,有一个指定的序列中,这两个对象必须出售。
2021-08-02 cs.GT econ.TH
Revenue Maximization for Selling Multiple Correlated Items
研究了具有可加性估价函数的$n$产品销售问题。我们认为项目的估值是相关的,即,买家对物品的期望不是独立得出的。理想情况下,目标是设计一种使收入最大化的机制。然而,已经表明,收益最优机制可能非常复杂,因此不适用于现实世界的拍卖。因此,我们的重点是设计一个简单的机制,实现恒定的最佳收入的一部分。Babaioff等人提出了一种简单的机制,该机制可以在具有单个添加剂购买者的独立设置中实现恒定的最佳收入比例。然而,他们留下了以下问题作为一个开放的问题:“是否有一个简单的,近似最优的机制,为单一的添加剂买方的价值为$n$项目是从一个共同的基础价值分布抽样?Babaioff等人的研究表明,在独立的环境中,通过单独出售或作为一个整体出售这些物品,可以实现最佳收入的恒定近似因子。我们显示了一个类似的结果,相关设置时,买方的资格是从一个共同的基础价值分布。值得一提的是,核心分解引理,这主要是证明的机制的效率的心脏不适用于相关设置。因此,我们提出了一个修改后的版本,这是适用于相关的设置,以及这个引理。虽然我们应用这种技术来证明所提出的机制可以在非常弱的相关性中保证恒定的最佳收入比例,但这种方法本身不能直接显示该机制在更强相关性中的效率。
2015-07-22 cs.GT
Deep Learning Based Auction Design for Selling Agricultural Produce through Farmer Collectives to Maximize Nash Social Welfare
Plaksha University(普拉克斯哈大学);Indian Institute of Science(印度科学学院)
本文提出一种基于深度学习的体积折扣拍卖机制,通过农民合作社销售农产品以最大化纳什社会福利,优于传统拍卖机制。
2025-12-26 cs.GT
Bounds on the revenue gap of linear posted pricing for selling a divisible item
本文研究可分割物品销售的线性公布定价机制,在贝叶斯凹估值设定下证明其与最优机制的收益差距仅对数依赖于估值函数的自然参数和买家数量,从而刻画了简单定价机制的能力边界。
2025-02-08 cs.GT
Approximately Optimal Auctions for Selling Privacy when Costs are Correlated with Data
我们考虑一个场景,其中数据库存储用户的敏感数据,分析师希望估计数据的统计信息。当用户的数据被使用时,他们可能会付出代价,在这种情况下,他们应该得到补偿。分析师希望得到一个准确的估计,而用户希望最大化他们的效用。我们希望设计一种机制,可以在不损害用户隐私的情况下准确地估计统计数据。由于用户的成本和敏感数据可能相关,因此保护数据和成本的隐私非常重要。我们通过假设用户的未知敏感数据从一组公开已知的分布中确定分布来建模这种相关性,并且用户的成本从该分布中得出。我们提出了一个更强大的隐私保护机制模型,每当用户向该机制透露有关其数据的信息时,他们都会得到补偿。在这个模型中,我们设计了一个贝叶斯激励兼容和隐私保护机制,保证准确性和保护隐私的成本和数据。
2012-04-18 cs.GT
Selling Data to a Competitor (Extended Abstract)
本文研究向竞争对手出售数据的成本与收益,识别了利润最大化机制,并构建了能同时提升消费者福利与企业利润的帕累托改进机制,证明消费者选择加入可促使企业选择该机制。
2023-07-11 cs.GT econ.TH
Optimal Mechanisms for Selling Two Items to a Single Buyer Having Uniformly Distributed Valuations
我们考虑的收入最优机制的设计时,两个项目可出售给一个单一的买家,其估值是均匀分布在一个任意的矩形$[c_1,c_1+b_1]\times[c_2,c_2+b_2]$的正象限。我们提供了一个明确的,完整的解决方案,任意非负值的$(c_1,c_2,b_1,b_2)$。我们确定了八个简单的结构,每个结构最多有$4$(可能是随机的)选单项,并证明了最佳机制具有这八个结构之一。我们还将最佳机制表征为$(c_1,c_2,b_1,b_2)$的函数。结构表明,最优机制包括:(a)当$c_1$和$c_2$较低时,个体销售和捆绑销售的相互作用;(b)当$c_1$和$c_2$较高时,捆绑销售;(c)当其中一个较高而另一个较低时,个体销售。据我们所知,我们的结果是第一个显示存在的最佳机制,没有排斥区域。我们进一步推测,有前途的初步结果的基础上,我们的方法可以扩展到更广泛的一类分布。
2019-03-05 cs.GT
Selling an Item Among a Strategic Bidder and a Profiled Agent
针对一件物品出售给策略性投标人和画像代理的场景,设计两种机制:第一种在预测正确时获最优收益、错误时(MHR分布)实现常数近似;第二种忽略预测模拟无投标信息时的最优机制,在MHR分布下实现常数收益近似,且MHR假设必要。
2025-08-23 cs.GT
A Note on Approximate Revenue Maximization with Two Items
我们考虑的问题,最大限度地提高收入时,销售2个项目,一个买家与已知的估值分布。Hart和Nisan表明,使用最优迈尔森价格分别出售每件物品,至少获得两件物品最优拍卖所得收入的一半。我们表明,如果项目有不同的收入时,单独出售的界限可以收紧。
2017-12-10 cs.GT
Selling to a principal and a budget-constrained agent
本文研究向委托人-代理人组合出售物品的最优机制,在代理人预算受限且可策略性委托决策的条件下,推导出阈值预算以下采用双公布价格与随机化结果、否则采用单一公布价格的最优销售机制。
2024-10-04 cs.GT econ.TH
Selling an Item through Persuasion
研究垄断卖家通过设计信息揭示实验和销售机制以最大化收入的问题,推导出包含实验与支付函数的闭式最优解,并证明结果可扩展至更广泛的分布与估值函数。
2024-11-12 cs.GT
Selling Information in Competitive Environments
针对竞争环境下数据卖方面临的信息与机制设计联合问题,推导了二元行动与状态博弈的福利与收益最优机制,揭示了买方竞争、负外部性、排他性约束与市场力量对信息分配的影响。
2022-12-05 cs.GT
Selling Data at an Auction under Privacy Constraints
私有数据查询将机制设计与隐私保护相结合,从私有数据记录中产生聚合统计数据。这个问题出现在数据市场中,数据所有者有个性化的隐私要求和私人数据评估。我们专注于数据所有者一心一意的情况,即,只有在数据代理保证满足他们所宣布的隐私要求时,他们才愿意公布他们的数据。对于想要从这些数据所有者购买数据的数据代理,我们提出了SingleMindedQuery(SingleMindedQuery)机制,该机制使用反向拍卖来选择数据所有者并确定补偿。激励相容性、个体合理性和预算可行性。此外,它使用购买的隐私期望最大化作为一个原则,以产生准确的输出常用的查询,如计数,中位数和线性预测。通过一系列实验验证了该方法的有效性。
2020-05-19 cs.GT
A Simple Mechanism for a Budget-Constrained Buyer
本文研究了一个经典的贝叶斯机制设计设置的垄断问题的添加剂买方存在的预算。在这种情况下,一个拥有$m$异质物品的垄断卖家面对一个单一的买家,并寻求最大化她的收入。买方有一个预算和附加估值独立绘制的每一个项目从(不相同的)分布。我们发现,当买方的预算是公开的,更好的销售每个项目单独和销售的大捆绑提取一个恒定的最佳收入的一部分。当预算是私人的,我们考虑一个标准的贝叶斯设置,其中买方的预算$b$是从一个已知的分布$B$。我们证明了如果$b$与估价无关且分布$B$满足单调风险率条件,则单独出售或以大捆绑形式出售物品仍然是近似最优的。我们给出了一个补充的例子表明,没有恒定的近似简单的机制是可能的,如果预算$b$可以相互依赖的估值。
2018-10-08 cs.GT
Approximate Revenue Maximization with Multiple Items
最大限度地提高收入,从销售一个以上的好(或项目),以一个单一的买家是一个众所周知的困难的问题,形成鲜明对比的情况下,一个好的。对于两种商品,我们表明,简单的“一维”机制,如单独出售的商品,_保证_至少73%的最优收入时,两种商品的估值是独立的,同分布的,至少$50\%$时,他们是独立的。对于$k>2$独立商品的情况下,我们表明,分别出售它们保证至少$c/\log^2 k$部分的最优收入,并为独立和相同分布的商品,我们表明,作为一个捆绑销售保证至少$c/\log k$部分的最优收入。额外的结果比较的收入从两个简单的机制,分别出售的货物和捆绑,确定捆绑是最佳的情况下,并扩展到多个买家的分析。
2017-12-25 cs.GT econ.TH
Selling Complementary Goods: Dynamics, Efficiency and Revenue
我们考虑完全互补商品的两个销售者之间的价格竞争。每个卖家都为自己出售的商品定价,但需求量取决于价格的总和。这是古诺(1838)提出的一个经典模型,他指出,在这种情况下,一个同时销售两种商品的垄断企业比两个相互竞争的卖家更有利于社会。我们证明了非平凡的纯纳什均衡总是存在于这个游戏。我们还量化古诺的观察方面的最优福利和垄断收入。然后,我们证明了一系列主要是负面的结果,在这样的游戏中的最佳对策动态的收敛到均衡。
2017-06-01 cs.GT
Multi-dimensional Virtual Values and Second-degree Price Discrimination
我们考虑了一个多维筛选问题,销售的产品具有多个质量水平和设计虚拟价值函数推导出的条件,意味着最优的只卖最高质量。为多维代理设计虚拟值的一个挑战是,逐点优化虚拟值的机制,从一般应用程序的集成部分是不激励兼容的,没有一般的方法是已知的选择正确的路径集成部分。我们解决这个问题,首先唯一解决路径,满足一定的必要条件,逐点最优的机制施加在虚拟值,然后确定分布,确保所产生的虚拟盈余确实是逐点优化的机制。我们的方法解决虚拟值是一般的,作为第二个应用程序,我们使用它来获得最优性条件,只出售大捆绑的项目与添加剂的偏好。
2015-08-24 cs.GT
Selling Information to a Competitor
DTU, Denmark(丹麦理工大学);Copenhagen Energy Trading, Denmark(哥本哈根能源交易公司);Imperial College London, United Kingdom(英国伦敦帝国理工学院);EPFL, Switzerland(瑞士洛桑联邦理工学院)
将竞争性市场建模为不完全信息博弈,通过最优菜单筛选买方类型以最大化利润(支付减去向竞争对手出售信息引发的外部性成本),揭示了竞争加剧时完全不出售信息可能为最优策略。
2026-09-30 cs.GT
Selling Privacy in Blockchain Transactions
University of Liverpool(利物浦大学);University Mohammed VI Polytechnic(穆罕默德六世理工大学)
本文研究了增强区块链交易统计隐私的方法,提出了一种密封拍卖机制,并分析了隐私市场中的双面市场机制,以实现隐私保护与经济效率的平衡。
2026-05-16 cs.GT
Selling Multiple Correlated Goods: Revenue Maximization and Menu-Size Complexity (old title: "The Menu-Size Complexity of Auctions")
我们考虑一个众所周知的,也是众所周知的困难的问题,一个单一的收入最大化的卖方出售两个或两个以上的异质货物给一个单一的买方,其私人价值的货物是从一个(可能相关的)已知的分布,其估值是添加剂的货物。我们表明,当有两个(或更多)的商品,_简单的机制_ --如单独出售的商品或作为一个捆绑-可能产生的最优收入的一个微不足道的小部分_。这解决了Briest,Chawla,Kleinberg和Weinberg(JET 2015)的公开问题,他们证明了在单位需求买方的相关设置中至少三种商品的结果。我们还介绍了菜单的大小作为一个简单的措施的复杂性机制,并表明,收入可能会增加多项式与_菜单大小_和没有限制的菜单大小可以确保任何积极的分数的最佳收入。菜单的大小也被证明是“牵制”确定性机制的收入属性。
2018-11-01 cs.GT econ.TH
Selling Data to an Agent with Endogenous Information
研究数据中介向具有内生信息的智能体出售信息的收益最大化问题,发现最优机制需提供部分信息,但设定确定性价格揭示完整信息也能获得至少一半的最优收益。
2023-08-07 cs.GT econ.TH
Optimal Pricing of Information
决策者正在主动行动(例如,购买房屋、投资某些股票)和被动行动。主动行为的收益取决于购买者的私人类型和未知的自然状态。信息出售者可以设计实验,向决策者揭示关于实现状态的信息,并希望通过出售这些信息获得最大利润。我们的特点,在封闭的形式,销售商的收入最优的信息销售机制。在引出买方的类型后,最优机制向买方收取预付款,然后简单地揭示已实现状态是否超过一定的阈值。最优机制具有价格歧视和信息歧视的双重特征。主动行为与被动行为之间先验无差别的特殊买方类型从参与机制中获益最大。
2021-10-27 cs.GT
Selling Information while Being an Interested Party
我们研究了信息持有者(卖家)面临的算法问题,该信息持有者(卖家)希望以最佳方式将此类信息出售给预算受限的决策者(买家),而决策者(买家)必须采取一些行动。与前一章不同的是,我们考虑了卖方是利益相关方的情况,因为买方选择的行为不仅影响他们的效用,而且也影响卖方的效用。这种情况发生在许多现实世界中,企业使用获得的信息的方式可能会对卖方产生积极或消极的影响,因为信息市场存在外部性。卖方和买方的效用都取决于自然界的随机状态,卖方知道这种状态,但买方不知道。因此,卖方的目标是(部分地)向买方出售他们关于自然状态的信息,以便同时使收入最大化并诱使买方采取可取的行动。我们研究的设置中,买方的预算和公用事业是由一个随机的买方的类型,是未知的卖方。在这种情况下,卖方的最佳协议必须向买方提出一个信息披露政策菜单供其选择,后者通过支付相应的价格获得其中一个。此外,由于在我们的模型中,卖方是一个利益相关方,一个最佳的协议也必须规定卖方支付买方偶然的行动。首先,我们证明了计算卖方最优协议的问题可以在多项式时间内解决。接下来,我们将注意力转移到卖方协议采用单一信息披露政策的情况,而不是提出一个菜单,得出积极和消极的结果。
2023-01-31 cs.GT
Randomized Mechanisms for Selling Reserved Instances in Cloud
Institute of Computing Technology, Chinese Academy of Sciences(中国科学院计算技术研究所);University of Chinese Academy of Sciences(中国科学院大学);Microsoft Research(微软研究院)
销售预留实例(或虚拟机)是云计算中的一项基本服务。在本文中,我们考虑一个更灵活的定价模型,例如保留,客户可以提出的时间长度和资源的数量,她的请求,而在今天的行业,客户只能选择从几个预定义的预订包。在这个模型下,我们设计了随机机制,为客户上网,以优化社会福利和供应商的收入。我们首先考虑一个简单的情况,其中来自客户的请求在长度和值密度方面没有太大的变化。我们设计了一个随机机制,实现了竞争比$\frac{1}{42}$为\emph{social welfare}和\emph{revenue},这是一个改进,因为通常没有收入保证在以前的作品,如\cite{azar2015ec,wang2015selling}。当我们对每个请求使用的最大资源数量施加实际约束时,这个比率可以提高到$\frac{1}{11}$。在硬度方面,我们显示了一个上限$\frac{1}{3}$的竞争比的任何随机机制。然后,我们将我们的机制扩展到一般情况下,并实现一个竞争比$\frac{1}{42\log k\log T}$的社会福利和收入,其中$T$是最大的请求长度的比例,以最小的请求长度和$k$是最大的请求值密度的比例,以最小的请求值密度。该结果优于确定性机制\cite{wang2015selling}的上界$\frac{1}{CkT}$。我们还证明了一个上限$\frac{2}{\log 8kT}$的任何随机机制。我们…
2016-11-22 cs.AI cs.GT
Selling to Multiple No-Regret Buyers
本文研究向多个使用无遗憾学习算法的买家反复拍卖单一物品的卖家最优收益问题,设计了在买家基于均值时提取完全期望福利的拍卖机制,并分析了将单买家线性规划方法扩展到多买家时面临的形式障碍。
2023-07-09 cs.GT
Simple Mechanisms for Profit Maximization in Multi-item Auctions
我们研究了一个经典的贝叶斯机制设计问题,卖方是多个项目销售给多个买家。我们考虑的情况下,卖方有成本生产的项目,这些成本是私人信息的卖方。卖方如何设计一个机制来最大化她的利润?两个研究得很好的问题,收入最大化的多项目拍卖和信号在广告拍卖,是我们的问题的特殊情况。我们发现,存在一个简单的机制,其利润至少是$\frac{1}{44}$的最优利润多个买家矩阵秩估值函数。当只有一个买家时,对于一般约束-可加估值,近似因子为$11$;对于可加估值,近似因子为$6$。即使卖方的成本在不同商品之间是相关的,我们的结果也是成立的。我们引入了一类新的机制,称为销售机制。对于单一买方的情况下,这些机制是很简单的:有两个阶段。对于每个项目$j$,我们创建一个单独的许可证,允许买方在第二阶段购买该项目。在第一阶段,我们出售许可证,但不透露任何有关成本的信息。在第二阶段中,卖方披露所有费用,并且如果买方在第一阶段中购买了物品$j$的许可证,则买方可以通过支付物品价格来购买物品$j$。我们发现,无论是单独出售的许可证或作为一个大捆绑足以实现常数因子近似的最优利润(6添加剂,和11约束添加剂)。对于多个买家,我们出售的许可证顺序,并获得常数因子近似。我们的证明是通过构建一个基准的最佳利润相结合的新的双重解决方案与现有的事前放松技术。
2020-04-16 cs.GT
The Menu-Size Complexity of Revenue Approximation
考虑一个垄断者出售$n$项目给一个附加购买者,其项目值来自可能具有无限支持度的独立分布$F_1,F_2,\ldots,F_n$。与单一商品的情况不同,众所周知,收入最佳销售机制(定价方案)可能很复杂,有时需要连续的菜单条目。同样已知的是,具有有限数量的菜单条目的简单机制可以提取最佳收入的恒定部分。尽管如此,是否可以通过有限的菜单大小提取任意高比例的最佳收入仍然是开放的。我们给出了肯定的回答:对于每一个$n$和$\varepsilon>0$,都存在$C=C(n,\varepsilon)$ s. t.菜单大小至多为$C$的机制足以从任何$F_1,\ldots,F_n$获得最佳收益的$(1-\varepsilon)$。我们证明了上界和下界的收入近似的复杂性$C(n,\varepsilon)$和确定性的通信复杂性需要运行一个机制,实现这样的近似。
2021-04-09 cs.GT
Selling Multiple Items via Social Networks
ShanghaiTech University(上海科技大学);University of Electronic Science and Technology of China(电子科技大学);Imperial College London(帝国理工学院)
我们考虑一个市场,卖家在社交网络中出售多个单位的商品。社交网络中的每个节点/买家只能直接与她的邻居通信,即卖家只能在无法找到通知其他买家的方法的情况下将商品出售给她的邻居。在本文中,我们设计了一种新的促销机制,激励所有买家,谁知道的销售,邀请他们所有的邻居加入销售,即使没有保证,他们的努力将支付。虽然传统的促销活动,如赞助搜索拍卖不能保证广告客户(卖方)的积极回报,我们的机制保证卖方的收入比不使用广告更好。更重要的是,如果广告对她没有好处,卖家不需要付费。
2019-03-07 cs.AI cs.GT
Using Lotteries to Approximate the Optimal Revenue
最近有很多关于向自私的投标人出售商品的真实机制的收入增加特性的研究。通常,将机制的收入与基准(例如,无所不知的卖方以固定价格向至少两个客户销售可获得的最大收入)进行比较,以了解在最坏情况下,机制的收入比基准低多少。我们在{ \em lotteries}的上下文中研究这个问题,其中卖方可以出售赢得物品的概率。我们对两个一般性问题感兴趣。首先,我们的目标是使用真正的最佳收入作为基准,我们的拍卖。其次,我们研究了彩票的表现力在多大程度上有助于改善最坏情况的比率。我们在众所周知的{ \em digital goods}的背景下对此进行研究,其中生产成本为零。我们表明,在这种情况下,抗串通彩票(这些彩票没有投标人交换侧支付联盟在说谎方面具有优势)与真实的彩票一样强大。
2013-01-11 cs.GT
Selling to a No-Regret Buyer
Princeton University(普林斯顿大学)
我们考虑一个卖家重复地向一个买家出售一件商品的问题(具体地说,买家在每一轮都有一个从已知分布$D$中提取的新值)。以前的工作假设买方是完全理性的,并会完全理性地考虑他们今天的出价如何影响卖方明天的决定。在这项工作中,我们开始一个不同的方向:买家简单地运行一个无遗憾的学习算法在可能的出价。我们提供了一个相当完整的表征最优拍卖的卖方在这一领域。具体而言:- 如果买方根据EXP 3(或任何“基于均值”的学习算法)出价,则卖方可以任意提取接近预期福利的预期收入。这种拍卖是独立于买方的估价$D$,但有点不自然,因为它有时是在买方的利益出价过高。- 存在学习算法$\mathcal{A}$,使得如果买方根据$\mathcal{A}$出价,则卖方的最优策略是简单地为每轮$D$发布Myerson储备。- 如果买方根据EXP 3(或任何“基于均值”的学习算法)出价,但卖方被限制为出价过高占主导地位的“自然”拍卖格式(例如,广义第一价格或广义第二价格),那么卖方的最佳策略是随时间推移准备金逐渐减少的支付出价格式。此外,卖方的最佳可实现的收入的特点是一个线性规划,可以无限优于最好的真实拍卖,但同时无限差于预期的福利。
2017-11-25 cs.GT cs.LG stat.ML
Rank-preserving Multidimensional Mechanisms: an equivalence between identical-object and heterogeneous-object models
本研究证明多异质物品与同物品的垄断机制设计问题等价,推导了同物品模型的三类新结果,并借助等价性得到异质物品模型的对应结论。
2024-08-17 cs.GT econ.TH
The Complexity of Optimal Mechanism Design
迈尔森的开创性工作提供了一个计算效率高的收入最优拍卖出售一个项目给多个投标人。将这项工作推广到同时销售多个项目一直是经济学和算法博弈论的中心问题,但其复杂性仍然知之甚少。我们回答这个问题,表明在多项目设置的收入最优拍卖不能找到和实现计算效率,除非ZPP包含P^#P。这是真的,即使是一个单一的添加剂投标人的项目的价值是独立分布在两个有理数与合理的概率。我们的结果是非常一般的:我们表明,很难计算可以在预期的多项式时间内实现的任何格式(直接或间接,真实或不真实)的最优拍卖的任何编码。特别是,在可信的复杂性理论假设下,在非常简单的多项目设置中的收入优化只能被近似地处理。我们注意到,我们的硬度结果适用于一个非常简单的设置中的随机机制,并不是通过允许项目值之间的相关性,引入组合赋值,或要求机制是确定性的(其结构很容易组合)来引入组合结构的问题。我们的证明是通过一个额外的超模块化约束的指数大小的线性规划的收入最大化的解决方案的流解释。
2013-03-30 cs.GT
Strategy-proof Selling: a Geometric Approach
本文研究单一买卖双方的防策略销售机制,在拟线性、非拟线性及风险厌恶等多维偏好下,用单交叉性质、单调性与间接偏好对应的连续性刻画机制,并给出可计算最优机制且易扩展至 n 个买方的优化程序。
2024-07-27 cs.GT econ.TH
How to Sell Information Optimally: an Algorithmic Study
我们研究的算法问题出售信息的代理人面临的决策问题下的不确定性。我们采用Bergemann等人最近提出的模型。[BBS 18],其中信息通过称为实验的信号方案揭示。在单代理设置中,任何机制都可以表示为实验菜单。我们的研究结果表明,设计收入最优菜单的计算复杂性在很大程度上取决于模型的指定方式。当所有的参数的问题是明确的,我们提供了一个多项式时间算法,计算收入最优的菜单。对于指定的模型与简洁的隐式描述的情况下,我们表明,问题的易处理性是紧密相关的最佳响应Oracle的有效实施:当它可以有效地实现,我们提供了一个添加剂的FPTAS的运行时间是独立的动作的数量。另一方面,我们提供了一个家庭的问题,它是计算上难以处理的最佳对策的预言,我们表明,这是NP-很难得到即使是一个恒定的分数的最佳收入。此外,我们研究了Bergemann等人[BBS 18]对原始模型的推广,该模型允许多个代理竞争有用的信息。我们利用拍卖设计研究中开发的技术(参见[CDW 12 a],[AFHHM 12],[CDW 12 b],[CDW 13 a],[CDW 13 b])来设计一个多项式时间算法,该算法计算出售信息的收入最优机制。
2020-12-23 cs.GT
99\% Revenue via Enhanced Competition
最近的一系列研究表明,即使在单一卖方和单一买方的简单设置下,对$m$项目进行附加的独立估值,收入最大化机制也非常复杂。这个问题已经使用两种主要方法来解决:(i)近似:两种简单机制中的最佳机制(单独销售每个项目,或将所有项目作为一个捆绑销售)为$1/6$提供最佳收入[BILW 14]。(ii)增强竞争力:运行具有额外$m$购买者的简单VCG机制至少提取原始市场中的最优收入[ESTTW 17]。然而,这两种方法都有严重的缺点:一方面,在任何应用中,丢失$83\%$的收入都是难以接受的。另一方面,吸引线性数量的新买家可能令人望而却步。我们的主要结果是,通过结合这两种方法,可以实现两全其美。具体地说,对于任何恒定的$ε$,人们可以通过运行简单的机制-单独销售每一个项目或将所有项目作为一个捆绑销售-获得最佳收入的$(1-ε)$部分,而额外的购买者要少得多:对数,恒定,甚至在某些情况下没有。
2018-01-09 cs.GT
99% Revenue with Constant Enhanced Competition
强化竞争模式是试图弥合简单拍卖和最佳拍卖之间的差距。在这方面的工作,给定一个拍卖设置与$m$项目和$n$投标人,目标是找到最小的$n' \geq n$,使出售项目的$n'$投标人通过一个简单的拍卖产生(几乎)相同的收入作为最佳拍卖。最近,Feldman,Friedler和Rubinstein [EC,2018]表明,将$m$物品出售给单个投标人的最优收入的任意大的常数部分可以通过投标人数量恒定的简单拍卖获得。然而,他们的技术甚至对于两个投标人也会崩溃,并且只能显示$n' = n \cdot O(\log \frac{m}{n})$的一个边界。我们的主要结果是,$n' = O(n)$投标人满足所有值的$m$和$n$。也就是说,我们表明,对于所有的$m$和$n$,从出售$m$项目$n$投标人的最佳收入的任意大的常数部分可以通过简单的拍卖与$O(n)$投标人。此外,当物品是规则的时,我们可以通过与先验无关的拍卖来实现相同的结果,{ \em即},它们并不取决于投标人估价的抽样分布。
2021-05-18 cs.DS cs.GT
Optimal Deterministic Mechanisms for an Additive Buyer
我们研究收入最大化的确定性机制的最简单的情况下,迈尔森的特征不成立:一个单一的卖方出售两个项目,独立分布的价值,一个单一的添加剂买家。我们证明了最优机制是次模块化的,因此单调。此外,我们表明,在IID的情况下,最佳机制是对称的。我们的特征是令人惊讶的非平凡的,我们表明,他们无法扩展在几个自然的方式,例如,相关的分布或两个以上的项目。特别是,这表明对称机制的最优性并不遵循IID分布的对称性。
2018-04-18 cs.GT
Selling Joint Ads: A Regret Minimization Perspective
Google Research(谷歌研究);Uber;Sapienza University of Rome(罗马萨皮恩扎大学)
本文从在线学习视角研究将广告位出售给两个合作买家的机制设计,提出自适应离散化算法在随机与平滑对抗设置下分别达到$O(T^{3/4})$和$O(T^{2/3})$遗憾界,并证明对抗设置下无法超过最佳固定机制收入的一半。
2024-09-12 cs.GT cs.LG
Robust Revenue Maximization Under Minimal Statistical Information
我们研究的问题时,多维度的收入最大化销售$m$项目的买家,他们有添加剂的估值,从一个(可能相关的)先验分布。与传统的贝叶斯拍卖设计,我们假设卖方有一个非常有限的知识,这之前:他们只知道平均值$μ_j$和上限$σ_j$的标准偏差,每个项目的边际分布。我们的目标是设计机制,实现良好的收入对一个理想的最优拍卖,有充分的知识,提前分布。非正式地说,我们的主要贡献是严格量化的分散性的先验和上述强大的近似比之间的相互作用。此外,这可以通过非常简单的销售机制来实现。更准确地说,我们表明,通过单独的价格彩票销售的项目实现了$O(\log r)$近似比,其中$r=\max_j(σ_j/μ_j)$是最大的变异系数的项目。为了证明这一结果,我们对单一商品的情况进行了价格抽奖。如果被迫将我们自己限制在确定性机制中,这种保证就会退化为$O(r^2)$。假设独立的项目估值,这些比率可以进一步提高定价的整个捆绑。对于相同的手段和方差的情况下,特别是,我们得到的$O(\log(r/m))$的保证,收敛到最优的项目的数量越来越大。我们证明了上述机制的最优性,通过提供匹配的下限。我们对单项确定性情况的严密分析解决了Azar和Micali [ITCS'13]工作中的一个空白。作为副产品,我们还展示了如何直接使用我们的上界来改进和扩展Azar等人[SODA'13]的参数拍卖相关的先前结果。
2022-04-28 cs.GT
Sponsored Search Auctions with Rich Ads
十多年来,通用第二价格(GSP)拍卖一直是赞助搜索广告的核心销售机制。然而,最近的趋势扩大了允许的广告格式集-包括各种大小,装饰和其他区别特征-这给基于GSP的平台带来了严重的问题。像Vickrey-Clarke-Groves(VCG)拍卖这样的替代方案带来了不同的复杂性,因为它们从根本上改变了价格的计算方式。在本文中,我们报告了我们的努力,重新设计一个搜索广告销售系统,从地面上在这个新的背景下,提出了一种机制,优化了整个石板的广告全球和计算价格,实现类似的属性由GSP在原来的,更简单的设置统一的广告。一个仔细的算法耦合的分配优化和定价计算允许我们的拍卖操作在严格的时间限制内固有的实时广告拍卖。我们在雅虎的双子座搜索平台的拍卖报告的性能结果。
2017-01-20 cs.GT
Efficiency of (Revenue-)Optimal Mechanisms
我们比较了收益最大化(或{ \em optimal})机制与效率最大化机制的预期效率。我们发现,当投标人估价是i.i.d.时,k + log_{e/(e-1)} k + 1个投标人出售单个物品的收益最大化机制的效率至少与k个投标人的效率最大化机制的效率一样多。单调风险率分布令人惊讶的是,我们还表明,这个界限是紧在一个小的附加常数为5.7。换句话说,Theta(log k)额外投标者足以使收入最大化机制匹配效率最大化机制的效率,而o(log k)不。这与Bulow和Klemperer比较两种机制的收入的结果相反,其中只有一个额外的投标人就足够了。更准确地说,他们表明,与k+1投标人的效率最大化机制的收入不低于收入最大化机制与k投标人的收入。我们扩展我们的结果的情况下,销售t相同的项目,并表明,2.2 log k + t θ(log log k)额外的投标人足够的收入最大化机制,以匹配效率最大化机制的效率。为了证明我们的结果,我们对单调危险率(MHR)分布进行了分类,并确定了一个MHR分布族,使得对于我们分类中的每个类,这个族中有一个成员逐点低于该类中的每个分布。这让我们证明了关于单调风险率分布的有趣的结构定理。
2009-06-04 cs.GT
Selling Privacy at Auction
本文从差分隐私的视角出发,对隐私数据市场进行研究.虽然私人数据的买卖已经大规模开始,但隐私作为商品的理论仍然缺失。在本文中,我们建议建立这样一个理论。具体来说,我们考虑一个数据分析师希望从人群中购买信息的设置,他可以从中估计一些统计数据。分析师希望以低廉的代价获得一个准确的估计。另一方面,私人数据的所有者因其隐私的损失而付出了一定的代价,并且必须对这种损失进行补偿。代理人是自私的,希望最大化他们的利润,所以我们的目标是设计真实的机制。我们的主要结果是,这样的拍卖可以自然地被视为多单位采购拍卖的变种和最佳解决方案。基于这一结果,我们得到拍卖的两个自然设置是最佳的小常数因子:1。在数据分析师有一个固定的准确性目标的设置中,我们表明,经典的Vickrey拍卖的应用程序实现了分析师的准确性目标,同时最大限度地减少他的总付款。2.在数据分析师有固定预算的情况下,我们给出了一种机制,该机制可以最大限度地提高结果估计的准确性,同时保证结果支付总额不超过分析师的预算。在这两种情况下,我们的比较类都是无嫉妒机制的集合,它对应于我们设置中的固定价格机制的自然类。在这两个结果中,我们忽略了隐私成本,因为个人隐私数据和他对隐私本身的估值之间可能存在相关性。然后,我们表明,一般来说,没有个人理性的机制可以补偿个人的隐私损失,由于他们报告的隐私估值。
2011-11-29 cs.CR cs.GT
Learning to Price against a Budget and ROI Constrained Buyer
互联网广告商(买家)反复从广告平台(卖家)获取广告印象,目的是最大化总转化(即广告价值),同时尊重预算和投资回报(ROI)约束以有效利用有限的货币资源。面对这样一个受约束的买家谁的目的是学习她的最佳策略,以获得印象,我们研究从卖方的角度如何学习和价格的广告印象,通过重复张贴的价格机制,以最大限度地提高收入。对于这种双边学习设置,我们提出了一个学习算法的卖方,利用情节二进制搜索过程,以确定一个收入最优的销售价格。我们发现,这样一个简单的学习算法享有低卖方后悔时,在每一集,预算和投资回报率约束的买家大约最好的回应张贴的价格。我们提出了简单而自然的买方的出价算法,买方近似最好的反应,同时满足预算和投资回报率的限制,导致我们建议的卖方定价算法的低遗憾。我们的卖方算法的设计是出于这样一个事实,即卖方的收入函数承认一个钟形结构时,买方最好的响应价格下的预算和投资回报率的限制,使我们的卖方算法,以确定收入最优的销售价格有效。
2023-02-07 cs.GT
Multi-Dimensional Screening with Endogenous Information Disclosure
Yale University(耶鲁大学);National University of Singapore(新加坡国立大学)
本文研究多产品垄断定价中卖方联合设计机制与信息结构的问题,证明内生信息下统一定价可达最优收入一半,且对负关联或可交换分布确定性定价最优,凸显信息设计的力量。
2025-10-28 cs.GT
When is Assortment Optimization Optimal?
分类优化关注的问题是以固定价格向最多购买一件商品的买家出售商品。通常,零售商选择与要携带的品牌的“分类”相对应的物品的子集,并且使每个所选物品可用于以其品牌推荐价格购买。尽管在实践中具有巨大的重要性,但销售这些固定价格物品的最佳方法并没有得到很好的理解,因为零售商已经开始尝试只通过彩票销售某些物品。在本文中,我们分析了最大可能的收入,可以赚取在这种设置,鉴于买方的偏好是私人的,但从一个已知的分布。特别是,我们引入了贝叶斯机制设计问题,其中买家对固定价格商品和外部选项进行随机排名,而卖家优化了最多一个商品的(随机)分配。我们发现,分配对应的补偿是次优的一般情况下,但在许多常见的研究贝叶斯先验买方排名,如MNL和马尔可夫链选择模型,补偿实际上是最优的。因此,这篇关于分类优化的大量文献比以前认识到的意义要大得多--它不仅计算最优的分类,而且计算这些固定价格的替代品的卖方收入的经济极限。我们得到了几个进一步的结果-一个更一般的充分条件,为最佳的,捕获选择模型超越马尔可夫链,证明嵌套的Logit选择模型不能捕获马尔可夫链,但可以部分捕获我们的条件,次优间隙为最佳的,当我们的条件不成立。最后,我们表明,我们的机制设计问题提供了最严格的已知LP松弛的排序分布模型下的分类优化。
2022-05-20 cs.GT
A Simple and Approximately Optimal Mechanism for an Additive Buyer
我们考虑一个垄断卖方与$n$异构项目,面对一个单一的买家。买家对每一个物品都有一个价值,这个价值是根据(不相同的)分布独立得出的,而她对一组物品的价值是相加的。卖方的目标是使他的收入最大化。我们建议使用两种简单的定价方法中的先验更好的方法:分别出售物品,每种物品以其最优价格出售,捆绑在一起,其中整套物品以其最优价格作为一个捆绑出售。我们表明,对于任何分布,这种机制实现了一个常数因子近似的最优收入。除了它的简单性,这是第一个计算上容易处理的机制,以获得一个常数因子近似这个多参数的问题。此外,我们还讨论了多个买家和跨项目相关的估值的扩展。
2020-07-30 cs.GT
Distributed Mechanism Design in Social Networks
设计拍卖以激励买家通过他们的社会关系邀请新买家是机制设计的新趋势。挑战在于,买家是竞争对手,我们需要设计适当的激励措施,让他们相互邀请。对于销售单个项目,已经提出了许多有趣的机制。然而,所有的机制都要求卖方或第三方是值得信赖的,以执行这些机制。此外,该机制的所有者将在执行后知道网络的所有连接,这带来了潜在的隐私问题。因此,避免隐私问题的分布式机制在实践中更有吸引力。因此,在本文中,我们提出了社交网络中的第一个分布式机制,而不会向任何人透露买家的私人联系,它实现了完全的去中心化,不依赖于任何可信的第三方。此外,集中减少我们的机制也提供了一种新的方式来计算球员的贡献相比,现有的解决方案。
2023-03-06 cs.GT
Selling a Single Item with Negative Externalities
本文研究具有负外部性的单一商品销售监管问题,建立模型分析监管政策效率,证明同质市场中仅需监管支付或生产之一即可达到最优,任意市场中亦存在仅监管一方面的近似最优政策。
2019-02-26 cs.CR cs.CY cs.GT
Distributed Double Auctions for Large-Scale Device-to-Device Resource Trading
未来无线网络中的移动用户面临着有限的无线资源,如数据计划,计算能力和能量存储。考虑到这些用户中的一些用户可能没有充分利用其无线资源,设备到设备(D2D)资源共享是利用用户在资源使用中的多样性并在本地汇集其资源的有前景的方法。在本文中,我们提出了一种新的双边D2D交易市场模型,使大量的本地连接的用户交易资源。传统的资源分配解决方案大多是集中式的,没有考虑用户的本地D2D连接约束,对于大规模交易变得不可扩展。此外,由于自私的用户不会如实报告他们购买或出售资源的实际价值和数量,因此可能存在市场失灵。为了解决这两个关键的挑战,我们首先调查的分布式资源分配问题与D2D分配约束。基于最大加权匹配的贪婪思想,我们提出了一个快速算法,以达到接近最优的平均分配效率。然后,我们将其与一种新的定价机制相结合,该机制以一种激励买家和卖家如实报告其估值和可用资源数量的方式调整买卖资源的最终交易价格。与传统的有中央控制器的双向拍卖不同,这种定价机制是完全分布式的,因为每对匹配的用户之间的最终交易价格只取决于他们自己的声明,因此可以在本地计算。最后,我们分析了所提出的D2D交易机制在多轮中的重复执行,并确定了最佳交易频率。
2020-07-30 cs.GT
Optimal Design of Robust Combinatorial Mechanisms for Substitutable Goods
本文研究了向一组购买者销售离散可替代产品的多维机制设计问题。以往的研究主要集中在卖方估价的随机描述上。然而,在某些应用中,不知道关于购买者偏好的先验信息。为了解决这个问题,我们考虑不确定的估值和制定一个强大的优化框架的问题:目标是最大限度地减少最大遗憾。对于一类特殊的收益最大化定价问题,我们提出了一种基于混合整数线性规划的求解方法。
2017-01-04 cs.CE cs.GT