Optimal Multi-Unit Mechanisms with Private Demands
在多单位定价问题中,单个物品的多个单位可供出售。买方对物品的$n$单位的估价是$v \min \{ n, d\} $,其中每单位估价$v$和容量$d$是买方的私人信息。我们认为这个问题的贝叶斯设置,其中对$(v,d)$是从一个给定的概率分布联合绘制。在\emph{unlimited supply}设置中,最优(收益最大化)机制是定价问题,即,这是一张彩票菜单。在本文中,我们表明,在一个自然的规律性条件下的概率分布,我们称之为\emph{decreasing marginal revenue},最优定价实际上是\emph{deterministic}。这是一条价格曲线,对于每一个整数$i$,以$p_i$的价格提供$i$单位的物品。此外,我们表明,作为价格$p_i$的函数的收入是一个\emph{concave}函数,这意味着最佳的价格曲线可以在多项式时间内找到。这给出了一个罕见的自然多参数设置的例子,我们可以显示出这样一个干净的表征的最佳机制。我们也给出了一个更详细的描述的情况下,只有两种可能的需求的最优价格。
2017-04-17 cs.GT
Perfect Bayesian Equilibria in Repeated Sales
迈尔森经典结果的一个特例描述了当卖方向买方提供单一商品时的收入最优均衡。我们研究了这个模型的重复销售扩展:卖家每天通过发布价格向同一个买家出售一个新的商品副本。购买者对该物品的私人价值最初是从一个公知的分发$F$中得出的,并且自始至终保持不变。这个游戏的一个关键方面是,卖方可能会尝试学习买方的私人价值,以提取更多的收入,而买方的动机是隐藏it.We研究完美贝叶斯均衡(PBE)在这种设置与不同水平的承诺权力的卖方。我们发现,卖方有承诺的权力,不提高价格后购买显着提高收入的PBE。
2019-03-10 cs.DM 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
Bayesian Budget Feasibility with Posted Pricing
我们考虑了Singer(2010)提出的预算可行机制设计问题,但是是在贝叶斯环境下。一个委托人有一个雇用代理人子集的公共价值和预算,而代理人有被雇用的私人成本。我们认为,添加剂和子模价值函数的主要。我们发现,有简单的,实用的,事后预算平衡公布定价机制,近似的贝叶斯最优机制,预算平衡,只有在预期中获得的值。这项工作的一个主要激励应用是众包大型项目,例如,在土耳其机械公司,工人来自大量人口,标价是标准的。我们的分析方法涉及Vondrak等人(2011)的子模块优化中的竞争解决方案和Yan(2011)的相关间隙分析。
2015-10-21 cs.GT
Optimal Auctions vs. Anonymous Pricing: Beyond Linear Utility
对于具有线性效用的代理人来说,向具有独立但不相同分布的价值的代理人出售单一物品的收入最优机制是复杂的(Myerson,1981),并且对于具有非线性效用的代理人来说没有封闭形式的表征(参见1981)。Alaei等人,2012年)。尽管如此,对于满足自然规律性的线性效用代理,Alaei et al.(2018)表明,简单地发布匿名价格是一种e近似。我们给出了一个参数化的正则性属性,扩展到代理商的非线性效用,并表明,近似界的匿名定价定期代理商近似扩展到代理商,满足这个近似的正则性属性。我们应用这个近似框架来证明匿名定价是一个常数近似的收入最优的单项目拍卖代理公共预算的效用,私人预算的效用,和(一个特殊情况下)风险厌恶的效用。
2020-11-21 cs.GT
Customer Sharing in Economic Networks with Costs
University of Electronic Science and Technology of China(中国电子科技大学);ShanghaiTech University(上海科技大学)
在经济市场中,销售者、信息中介和消费者构成了一个经济网络。每个卖家都有自己的客户群,其他卖家无法观察到卖家的私人客户。因此,除非其他卖家或信息中介将其销售信息共享给其客户群,否则卖家只能在自己的客户中销售商品。然而,卖方没有被激励来默认地共享其他人的销售信息,这导致低效的资源分配和有限的销售收入。为了解决这个问题,我们开发了一种新的机制,称为客户共享机制(CSM),激励所有的卖家分享彼此的销售信息,他们的私人客户群。此外,CSM还鼓励所有客户如实参与销售。最后,CSM不仅有效地分配了商品,而且优化了卖方的收入。
2018-07-18 cs.AI cs.GT cs.MA
Sales Policies for a Virtual Assistant
我们研究了通过基于语音的虚拟助理(VA)销售的影响。卖方有一组可用的产品,VA决定提供哪种产品以及以什么价格提供,寻求最大化其收入,消费者或总盈余。消费者是不耐烦和理性的,寻求最大化她的期望效用给定的信息给她。VA选择产品的基础上,消费者的要求和其他信息提供给它,然后把它们顺序。一旦产品被展示并定价,消费者就会对其进行评估并决定是否购买。消费者对每种产品的估价包括作为公知知识的预估价和对消费者私有的后估价部分。我们解决的均衡,并制定有效的算法来实现解决方案。我们研究了信息不对称对结果的影响,并研究了激励错位如何取决于私人估值的分布。我们发现,单调的排名是最佳的情况下,一个高度耐心或不耐烦的消费者,并提供了一个很好的近似其他水平的耐心。产品的预期价值与价格之间的关系取决于消费者的耐心水平,当消费者高度不耐烦(耐心)时,产品的预期价值与价格之间的关系是单调递增(递减)的。此外,卖方的份额的总剩余减少的私人信息的量。我们比较VA到传统的基于Web的界面,其中多个产品同时呈现在每个页面上。我们发现,在一个页面内,高价值的产品定价低于低价值的产品时,私人估值呈指数分布。最后,基于网络的界面通常比VA为卖方实现更高的利润,这是由于其呈现方式中固有的更大的承诺力。
2020-09-02 cs.GT econ.TH
Pricing average price advertising options when underlying spot market prices are discontinuous
广告期权作为一种特殊的在线广告保证合同,是实时拍卖的替代销售机制,近年来得到了广泛的研究。广告选择权是一种合同,它赋予其买方权利,但没有义务进入交易,以购买一个或多个预先指定的价格在特定的未来时期的页面浏览或链接点击。与典型的担保合同不同,期权买方支付的前期费用较低,但可以有更大的灵活性和更多的广告控制权。许多关于广告期权的研究都局限于期权收益由特定时间点的现货市场价格决定,并且假设价格随时间的变化是连续的。前者导致了一个有偏见的计算选项的回报,后者是无效的经验,许多在线广告位。本文针对这两个限制,提出了一个新的广告期权定价框架。首先,期权收益是根据未来特定时期的平均价格计算的。因此,该选项将成为路径相关选项。平均价格是用幂平均来度量的,它包含了几个已有的期权支付函数作为其特例。其次,跳跃-扩散随机模型被用来描述基础现货市场价格的运动,它包含了几个重要的统计特性,包括跳跃和尖峰,非正态性和缺乏自相关性。基于蒙特卡罗模拟,得到了一种通用的期权定价算法.此外,当期权收益是基于几何平均数时,给出了一个显式的定价公式。该定价公式也是相关研究中讨论的其他几种期权定价模型的推广。
2018-08-27 cs.GT
Equitable Auctions
Johannes Kepler University Linz(林茨约翰·开普勒大学);Austrian Institute of Economic Research(奥地利经济研究所);Inria/FairPlay(法国国家信息与自动化研究所/公平游戏实验室);Tel Aviv University(特拉维夫大学);Maison Française d’Oxford, CNRS and Department of Economics, University of Oxford(牛津法国之家、法国国家科学研究中心及牛津大学经济学系)
研究拍卖设计对买方剩余分配的影响,提出简约公平性度量并应用于同质商品标准拍卖,设计出有效且贝叶斯-纳什激励兼容的剩余公平机制,揭示了不同拍卖形式的公平最优条件及混合拍卖中的无先验界限。
2026-10-16 cs.GT econ.TH
Dynamic Pricing of an Expiring Item under Strategic Buyers with Stochastic Arrival
KAIST(韩国科学技术院);Seoul National University(首尔大学)
本文研究临期票券面对随机到达策略性买方时的动态定价,提出VBT框架证明并刻画均衡,给出稀薄市场恒定价格、厚密市场线性折扣等近优策略。
2025-09-29 cs.GT
Optimal Pricing with Unreliable Signals
Shanghai University of Finance and Economics(上海财经大学);H. Milton Stewart School of Industrial and Systems Engineering, Georgia Institute of Technology(佐治亚理工学院 H. 米尔顿·斯图尔特工业与系统工程学校)
本文研究了在不可靠侧信息下的单买方定价问题,提出了一种一致性与鲁棒性相结合的机制设计方法,证明了保持不可靠信号隐私能带来显著价值,并在特定条件下实现完美一致性与非平凡鲁棒性。
2026-04-03 cs.DS cs.GT
Optimal Pricing in Repeated Posted-Price Auctions
我们研究了重复标价拍卖的收益优化定价算法,其中卖方与持有固定私人估值的单个战略买方进行交互。我们证明了,当卖方和买方的累积效用(收入和盈余)有相同的折扣的情况下,存在两个最优算法。第一种定价方法不断提供迈尔森价格,而第二种定价方法则提出了一个“大交易”:提前(在第一轮)支付所有商品的费用,否则什么也得不到。然而,当卖方和买方在等待效用的耐心上存在不平衡时,我们发现,令人惊讶的是,恒定定价不再是最优的。首先,当卖方的折扣率低于买方的折扣率时,定价算法“big deal”的表现优于它。其次,在不太耐心的买家的相反情况下,我们将寻找最佳算法的问题简化为多维优化问题(用于确定迈尔森价格的泛函的多变量模拟),该多维优化问题通常不允许封闭形式的解,但可以通过数值优化技术(例如,梯度)。我们提供了广泛的分析数值发现的最优算法,以证明它们是不平凡的,可能是不一致的,并产生更大的预期收入比恒定的定价与迈尔森价格。
2018-05-07 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
On the Differential Private Data Market: Endogenous Evolution, Dynamic Pricing, and Incentive Compatibility
隐私是数据交易市场中的一个重要问题。本研究以机制设计的方法,探讨个人资料隐私权价值最大化的最适市场模式,并使用差分隐私。买方使用有限数量的随机算法以顺序组合的方式访问所有者的数据,其中每个随机算法都是不同的私有。随机算法的每次使用被称为一个周期。由于差分隐私的可组合性,不可避免地存在随着时间的推移而积累的隐私损失。因此,我们允许所有者在任何时段结束时通过做出止损决定离开市场。我们定义了一个工具性的内核函数来捕捉所有者的偏好的工具性,并考虑到差分隐私的可组合性和隐私问题的时变性质,在一段时间内对每个所有者的(内在的和工具性的)偏好的形成进行建模。我们的desideratum是研究买方的设计制度的最优市场模型在一个动态的环境中,每个业主作出耦合的决定停止和报告他们的喜好。买方试图设计一个隐私分配规则,动态指定的程度的隐私保护和支付规则,以补偿所有者的隐私损失。买方还选择一个支付规则,这是独立于业主的报告,他们的喜好,以影响业主的停止决定。我们描述了动态激励相容性,并提供了一个设计原则来构建支付规则的隐私分配规则。此外,我们放松买方市场的设计问题,并提供了一个近似的动态激励兼容的市场模型的充分条件。
2021-12-22 cs.GT cs.SY eess.SY
Pricing under a multinomial logit model with non linear network effects
我们研究的问题下的多项Logit模型,我们将网络效应在消费者的决定定价。我们分析这两种情况下,当卖方竞争或合作。特别是,我们要特别注意的整体预期收入,以及如何在网络效应参数的变化下,不购买选项的行为受到影响。例如,我们证明了不购买选项的市场份额在网络效应的价值方面正在下降,这意味着客户之间更强的沟通增加了预期的销售额。我们还分析了当网络效应被纳入市场时,客户的效用是如何改变的,比较了竞争和垄断价格的情况。我们使用随机近似算法的工具来证明购买可用产品的概率收敛到一个唯一的平稳分布。我们的模型,卖方可以使用这个平稳分布,以建立他们的战略。发现在这些设置下,一个纯粹的纳什均衡代表的情况下,竞争的定价策略,和一个最佳的(最大化的总收入)固定价格的情况下,合作。
2020-05-07 cs.GT cs.MA
Optimal Pricing with a Single Point
我们研究以下基本的数据驱动定价问题。决策者如何能够/应该根据单一历史价格的数据为其产品定价?这些数据有多大价值?我们考虑一个决策者谁优化(潜在的随机)定价政策,以最大限度地提高最坏情况下的收入比,她可以获得相比,甲骨文与充分的知识的分布值,当后者只被假定为属于一个广泛的非参数集。特别是,我们的框架适用于广泛使用的定期和单调非递减风险率(mhr)类的分布。对于卖方知道与一个历史价格相关的确切销售概率或仅与其置信区间相关的设置,我们充分表征了根据手头信息进行调整的最佳性能和接近最佳的定价算法。我们开发的框架是通用的,并允许表征确定性或更一般的随机机制的最佳性能,并导致基本的新见解的数据定价的价值。作为例子,对mhr分布,我们表明,它是可能的,以保证$85\%$的Oracle性能,如果一个人知道,有一半的客户购买的历史价格,如果只有$1\%$的客户购买,它仍然有可能保证$51\%$的Oracle性能。
2022-03-28 cs.GT cs.IT math.IT
Economic Analysis of Crowdsourced Wireless Community Networks
众包无线社区网络可以通过鼓励个人(用户)与其他人共享其私人住宅Wi-Fi接入点(AP)来有效地缓解Wi-Fi接入点(AP)的有限覆盖问题。在本文中,我们提供了一个全面的经济分析,这样的众包网络,特别侧重于用户的行为分析和社区网络运营商的定价设计。具体来说,我们制定网络运营商和用户之间的互动作为一个两层的Stackelberg模型,其中运营商确定的定价方案在第一层,然后用户确定他们的Wi-Fi共享方案在第二层。首先,我们分析了用户的行为在第二层通过两个阶段的成员选择和网络访问游戏,无论是小规模的网络和大规模的网络。然后,我们为第一层的运营商设计了一个部分价格差异化方案,它推广了完全价格差异化方案和单一定价方案(即,没有价格差异)。我们表明,建议的部分定价方案可以实现一个很好的权衡之间的收入和实施的复杂性。数值结果表明,采用两种价格的部分定价方案,运营商的收益比单一定价方案提高了124.44%,平均可达到完全价格差异化方案下运营商最大收益的80%。
2016-08-31 cs.GT
Reserve Pricing in Repeated Second-Price Auctions with Strategic Bidders
Yandex(扬德克斯);MSU(莫斯科国立大学)
我们研究收入优化学习算法的重复第二价格拍卖与保留,卖方与多个战略投标人,其中每个人都持有一个固定的私人估价的好,并寻求最大化他的预期未来累计贴现盈余。我们提出了一种新的算法,具有战略遗憾的最坏情况下的估值上界$O(\log\log T)$。这个定价是基于我们的新的转换,升级了一个算法设计的设置与一个单一的买家多买家的情况下。我们提供了理论保证的能力,一个转换后的算法学习的战略买家,这对未来的不确定性,由于竞争对手的存在的估值。
2019-06-21 cs.GT cs.LG stat.ML
Dynamic Run-Out Pricing for Perishable Goods
University of Chicago Booth School of Business(芝加哥大学布斯商学院)
针对易逝品动态定价问题,本文提出DROP算法,其收益随市场规模收敛至最优,还扩展出TA-DROP算法适配重尾估值分布,具备多项式收敛速率,解决了传统售罄启发式算法的估值低估问题。
2026-10-14 cs.DM cs.GT
Models for Truthful Online Double Auctions
在线双向拍卖是一个具有私人信息和自我利益的动态双边匹配问题,与动态资源和任务分配问题密切相关。我们提出了一个通用的方法来设计真实的DA,这样,没有代理可以从误报其到达时间,持续时间,或值中受益。DA系列由定价规则参数化,并包括McAfee真实DA对此动态设置的概括。我们提出了一个实证研究,在其中我们研究了一些不同的DA的配置盈余和代理盈余。我们的研究结果表明,动态定价规则是重要的,以提供良好的市场效率的市场波动性或低量。
2012-07-04 cs.GT
Marketplace Operators Can Induce Competitive Pricing
University of California, Berkeley(加州大学伯克利分校);Amazon(亚马逊);Inria, Paris(巴黎国家信息与自动化研究所);Yale University(耶鲁大学)
研究电商平台运营商作为竞争卖家时的定价策略,通过斯塔克尔伯格模型发现运营商低价可诱发竞争,实现自身最优。
2025-10-22 cs.GT econ.TH
A dynamic pricing model for unifying programmatic guarantee and real-time bidding in display advertising
在展示广告中,有两种主要的展示方式。它们或者通过拍卖机制现货出售,或者通过担保合同提前出售。前者通过实时的【形】竞价(RTB)实现了显著的自动化;然而,后者仍然主要通过直接销售在柜台上完成。本文提出了一个数学模型,分配和价格之间的实时的【形】拍卖和保证合同的未来印象。在传统的经济假设下,我们的模型表明,这两种方式可以无缝结合编程和出版商的收入可以通过价格歧视和最优分配最大化。我们认为广告主是风险厌恶的,如果总成本低于他们的私人价值,他们会愿意购买有保证的印象。我们还认为,广告客户的购买行为可以同时受到保证价格和购买时间与印象交付日期之间的时间间隔的影响。我们的解决方案建议提前出售未来展示的最佳百分比,并提供一个明确的公式来计算以什么价格出售。我们发现最优保证价格是动态的,并且不随时间而减少。我们使用RTB数据集对我们的方法进行了评估,发现该模型根据竞争水平在分配和定价方面采取了不同的策略。从实验中我们发现,在一个竞争较少的市场,较低的价格的保证合同将鼓励提前购买,收入的增加主要是由未来RTB的竞争加剧。在竞争激烈的市场中,广告客户更愿意购买有保证的合同,因此预计价格会更高。收入增长主要来自保证销售。
2015-12-09 cs.GT
Dynamic Incentive-aware Learning: Robust Pricing in Contextual Auctions
Sloan School of Management, Massachusetts Institute of Technology(麻省理工学院斯隆管理学院);University of Southern California(南加州大学);Google Research(谷歌研究院)
出于在广告交易市场的定价,我们考虑了鲁棒学习的问题,对战略买家在重复的上下文第二价格拍卖的保留价。买家对一件物品的估价取决于描述该物品的上下文。然而,卖方并不知道上下文和买方估价之间的关系,即,买家的偏好。卖方的目标是设计一个学习策略,通过观察过去的销售数据来设置保留价,她的目标是最小化她的收入后悔,其中后悔是根据一个千里眼的政策,知道买家的异质性偏好计算。考虑到卖方的目标,效用最大化的买方有动机不真实地出价,以操纵卖方的学习策略。我们提出的学习政策,是强大的这种战略行为。这些政策使用拍卖的结果,而不是提交的出价,估计的偏好,同时控制每次拍卖的结果对未来的保留价的长期影响。当市场噪声分布是已知的卖方,我们提出了一个政策,称为上下文稳健定价(CORP),实现了T期后悔$O(d\log(Td) \log (T))$,其中$d$是{的}上下文信息的维度。当卖方不知道市场噪声分布时,我们提出了两种策略,其遗憾是次线性的$T$。
2020-02-25 cs.GT cs.LG stat.ML
Pricing Query Complexity of Multiplicative Revenue Approximation
Chinese University of Hong Kong(香港中文大学);Georgia Institute of Technology(佐治亚理工学院);University of Iowa(爱荷华大学)
本文研究了在提供尺度提示的情况下,单买家收益最大化问题的定价查询复杂性,针对不同分布类型建立了紧的复杂性界限。
2026-02-11 cs.GT cs.LG
Dynamic Pricing with Limited Supply
Microsoft Research Silicon Valley(微软研究院硅谷);University of Southern California(南加州大学);Cornell University(康奈尔大学)
研究了有限供给下的动态定价问题。卖方有$k$相同的物品出售,并且面对顺序到达的$n$潜在买方(“代理”)。每个代理商都有兴趣购买一件商品。每个代理的项目值是来自某个固定分布的IID样本,支持$[0,1]$。卖方向每个到达的代理人提供一个要么接受要么放弃的价格(不同的代理人可能会有不同的价格),目的是最大化他的预期收入。我们专注于“优先级独立”的机制--不使用任何关于分布的信息。它们是可取的,因为在许多实际情况下,知道分布是不现实的。我们研究如何收入的这种机制相比,最佳的离线机制,知道的分布(“离线基准”)的收入。我们提出了一个优先独立的动态定价机制,其收入是最多$O((k \log n)^{2/3})$低于离线基准,为每一个分布是定期的。事实上,如果将基准放宽到固定价格机制,这种保证在没有任何假设的情况下都成立。此外,我们证明了一个匹配的下界。如果$k/n$足够小,则相同机制的性能保证可以改进为具有分布依赖常数的$O(\sqrt{k} \log n)$。我们表明,在最坏的情况下,在所有的需求分布,这基本上是最好的速度,可以得到一个分布特定的常数。在技术层面上,我们利用与多武装匪徒(MAB)的联系。虽然无限供应的动态定价可以很容易地被视为MAB问题,但当应用于有限供应的设置时,MAB方法背后的直觉就被打破了。我们的高层次概念贡献是,即使是有限的供应设置可以卓有成效地处理作为一个强盗问…
2013-11-26 cs.DS cs.GT cs.LG
Joint Participation Incentive and Network Pricing Design for Federated Learning
针对联邦学习中用户参与激励与网络通信定价的耦合问题,本文在纵向与横向交互结构下解析设计最优契约和定价机制,证明纵向结构更优,并使服务器成本最高降低24.87%。
2023-08-17 cs.GT cs.NI
Socially Optimal Energy Usage via Adaptive Pricing
本文提出一种保护隐私的双时间尺度自适应定价机制,通过用户与运营商交替优化实现社会最优能源使用,且无需凸成本假设,适用于机器学习负荷控制场景。
2024-03-29 cs.GT cs.SY eess.SY
Fairness-aware Contextual Dynamic Pricing with Strategic Buyers
本文研究了带有公平性约束的上下文动态定价问题,考虑了买家在群体身份私密且不可观测时的战略行为,提出了一种同时实现价格公平并遏制战略行为的动态定价策略,理论分析表明该策略在T时间范围内具有O(√T + H(T))的 regret 上界,并通过实验验证了其有效性。
2026-03-14 cs.GT cs.LG stat.ML
Stochastic Online Fisher Markets: Static Pricing Limits and Adaptive Enhancements
Institute for Computational and Mathematical Engineering, Stanford University(斯坦福大学计算与数学工程研究所);Department of Management Science and Engineering, Stanford University(斯坦福大学管理科学与工程学院)
针对在线Fisher市场,研究静态定价的局限性,提出两种自适应标价算法(基于分布信息和显示偏好反馈),并通过数值实验验证其性能优势。
2024-09-20 cs.GT cs.LG econ.TH
On consistency of optimal pricing algorithms in repeated posted-price auctions with strategic buyer
Yandex(俄罗斯搜索引擎公司);MSU(莫斯科国立大学)
我们研究收入优化学习算法的重复标价拍卖,卖方与一个单一的战略买家,持有一个固定的私人估价的好,并寻求最大化他的累积折扣盈余。对于这种设置,首先,我们提出了一种新的算法,永远不会降低报价,并在$Θ(\log\log T)$有一个严格的战略遗憾界在一些温和的假设下,买方剩余折扣。这一结果关闭了开放的研究问题,存在一个无遗憾的水平独立的弱一致定价。该算法的灵感来自于我们的观察,即在弱一致算法中,报价的双重下降足以导致线性后悔。这促使我们构建一个新的转换,映射一个右一致的算法到一个弱一致的,永远不会降低提供的价格。其次,我们优于先前已知的战略遗憾的算法PRRFES,其中的改进是通过一个更精细的常数因子$C$的主要术语$C\log\log T$在这个上限。最后,我们推广结果的战略后悔以前已知的几何折扣的买方盈余的折扣的其他类型,即:最优的定价PRRFES的情况下,几何凹递减折扣;和线性下界的战略后悔的范围广泛的地平线独立的弱一致性算法的情况下,任意折扣。
2018-02-08 cs.AI cs.GT cs.LG