Incentive Mechanism in the Sponsored Content Market with Network Effect
我们提出了一个激励机制的赞助内容提供方市场中，用户的通信可以表示为一个图和用户的私人信息被假定为具有连续分布函数。内容提供方规定激励性奖励，鼓励用户如实透露隐私信息，增加内容需求，从而带来广告收入的增加。我们证明了所有的用户都获得了非负的效用，并如实地披露他们的私人信息。此外，我们研究了所提出的机制的有效性和可扩展性的案例研究与不同的网络结构。
2023-03-24 cs.GT
Limitations of Incentive Compatibility on Discrete Type Spaces
在激励相容机制的设计中，一种常见的方法是在优化可行机制的程序中强制激励相容作为约束。这样的约束通常被施加在类型空间的稀疏表示上，例如它们的离散化或样本，以使程序易于管理。在这项工作中，我们探索这种方法的局限性，通过研究是否所有的主导策略激励兼容机制的离散类型的一组$T$可以扩展到凸包的$T$。Dobzinski，Fu和Kleinberg（2015）肯定地回答了所有类型是一维的设置的问题。不难证明，当可行结果集向下封闭时，同样成立。在这项工作中，我们表明，这个问题有一个否定的答案，某些非向下封闭的多维类型的设置。这一结果应呼吁谨慎使用上述方法，以执行激励兼容性超越单维偏好和向下封闭的可行结果。
2020-11-23 cs.GT
Restoring Incentive Compatibility in Two-Stage Energy Markets with Prosumers
Yale University（耶鲁大学）；RPI（伦斯勒理工学院）
针对产消者通过低报日前需求套利的问题，提出基于留一法对比评分规则的惩罚机制，恢复激励相容性并降低诚实参与成本。
2026-06-25 cs.GT econ.GN q-fin.EC
Incentive Mechanisms for Internet Congestion Management: Fixed-Budget Rebate versus Time-of-Day Pricing
移动数据流量在过去几年中一直在稳步上升。这产生了重大的兴趣，在部署的激励机制，以减少高峰时间的拥堵。通常，这些机制的设计需要关于用户需求和价格敏感度的信息。这样的信息自然是不完美的。在本文中，我们提出了一个\emph{fixed-budget rebate mechanism}，给每个用户的奖励比例，他的百分比贡献的总减少高峰时间的需求。为了比较，我们还研究了一个时间的一天的定价机制，给每个用户一个固定的奖励每单位减少他的高峰时间的需求。为了评估这两种机制，我们引入了一个博弈论模型，该模型捕捉了缓解拥塞的\emph{public good}性质。对于每一种机制，我们证明了社会最优的缓解水平是可以实现的机制的参数的特定选择。然后，我们调查如何不完美的信息对用户需求的影响机制的有效性。从我们的研究结果来看，当用户对拥塞的敏感度是“充分”凸时，固定预算的折扣定价更鲁棒。固定预算回扣机制的这一特点对许多感兴趣的情况都很有吸引力，并受到其闭环特性的驱动，即，单位奖励随着高峰时间需求的减少而减少。
2013-05-29 cs.GT cs.NI
Fairness and Social Welfare in Incentivizing Participatory Sensing
近年来，作为一种很有前途的大规模数据汇集方法出现了。然而，如果不鼓励用户定期提供高质量的数据，这种方法就不太可能长期可行。在本文中，我们链接激励用户的需求，消费引人注目的服务，作为一种方法的补充，传统的信用或声誉为基础的方法。在此基础上，设计了两种激励方案：需求公平激励（IDF）和迭代灌箱激励（ITF），分别以公平最大化和社会福利最大化为目标。我们的研究表明，IDF计划是最大-最小公平，可以得分接近1的Jain的公平指数，而ITF计划最大化社会福利，并实现了唯一的纳什均衡，这也是帕累托和全局最优。我们采用了博弈论的方法来得出最佳的服务需求。此外，为了解决实际问题，我们使用随机规划技术来处理在现实生活中经常遇到的不确定性。
2014-11-21 cs.CY cs.GT cs.HC
Prior-Independent Auctions for the Demand Side of Federated Learning
MIT（麻省理工学院）
联邦学习（FL）是一种范例，它允许分布式客户端学习共享的机器学习模型，而无需共享其敏感的训练数据。虽然在很大程度上是分散的，但FL需要资源来资助中央协调器或偿还数据集的贡献者以激励参与。从先前的独立拍卖设计的见解的启发，我们提出了一种机制，FIPIA（通过先前的独立拍卖联合激励支付），从自我利益的客户端收集货币贡献。该机制在半诚实信任模型中运行，即使客户端对接收高质量模型有不同的兴趣，服务器也不知道客户端的兴趣水平。我们在MNIST、FashionMNIST和CIFAR-10数据集上进行了实验，以测试客户在FIPIA和FIPIA激励属性下的模型质量。
2021-04-13 cs.GT cs.LG
An Incentive-compatible Energy Trading Framework for Neighborhood Area Networks with Shared Energy Storage
在这里，提出了一种新的能源交易系统的需求侧管理的邻居区域网络（NAN）组成的共享能源存储（SES）提供商，用户与非可调度的能源发电，和电力零售商。在主从Stackelberg博弈中，SES供应商首先通过设置价格信号并与电网进行能量交易来最大化其收入。然后，通过遵循SES提供商的行动，零售商最小化用户的社会成本，即，当用户与SES交互时的总用户成本与向用户供应电网能量的总成本之和。定价策略，其中包括机制设计，提出了使系统激励兼容的奖励用户谁披露真实的能源使用信息。一个独特的Stackelberg均衡实现SES提供商的收入最大化和用户级的社会成本最小化，这也奖励零售商。通过对实际电力需求和发电量数据的分析表明，与无SES的系统相比，NAN的峰值需求降低了28%~ 45%，这取决于参与用户的数量。仿真结果证实，零售商也可以在经济上受益，除了SES提供商和用户。
2020-08-21 cs.GT cs.SY eess.SY
A QoE-Driven Personalized Incentive Mechanism Design for AIGC Services in Resource-Constrained Edge Networks
The Education University of Hong Kong（香港教育大学）；Queen’s University Belfast（贝尔法斯特女王大学）；Harbin Institute of Technology, Shenzhen（哈尔滨工业大学（深圳））；Shenzhen University（深圳大学）；Nanyang Technological University（南洋理工大学）
针对资源受限边缘网络中AIGC服务个性化挑战，提出一种基于多维QoE指标的驱动激励机制，通过构建EPEC模型并设计双扰动奖励优化算法，显著降低了系统开销、用户服务成本及提供商资源消耗。
2025-08-22 cs.GT
Truthful Prioritization Schemes for Spectrum Sharing
我们设计了一个协议，用于在共享路由器上动态优先化数据，例如不受限制的3G/4G设备。该机制优先考虑带宽，有利于具有最高价值的用户，并且是激励兼容的，使得用户可以简单地报告他们的真实价值以用于网络访问。收入汇集机制还协调了对卖方的激励，这样他们就会选择使用优先级排序方法，保留买方的激励属性。通过这种方式，该设计允许开放式架构。除了收入池，技术上的贡献是确定一类随机需求模型和优先级计划，提供分配单调性。仿真结果证实了相对于先前的方法，从动态优先级的效率增益，以及收入池的有效性。
2014-08-07 cs.GT
Signalling for Electricity Demand Response: When is Truth Telling Optimal?
本文构建两阶段贝叶斯说服模型分析需求响应信号，证明按边际成本定价时TSO始终如实披露发电状态，而过高定价则可能使其完全不提供信息。
2023-07-14 cs.GT cs.SY econ.TH
Pricing for Information Revelation in Demand Response: A Strategic Communication Approach
CRAN Laboratory, Université de Lorraine, CNRS（洛林大学国家科学研究中心CRAN实验室）；Central South University（中南大学）；EDF Lab Paris-Saclay（法国电力集团巴黎萨克雷实验室）；College of Computing, University Mohammed VI Polytechnic（穆罕默德六世理工大学计算学院）；Department of Electrical and Computer Engineering, Princeton University（普林斯顿大学电气与计算机工程系）
本文提出通过战略沟通方法设计价格以优化需求响应中的信息揭示，通过博弈论分析证明价格可控制信息披露并提升系统效率。
2026-10-31 cs.GT
Credit Fairness: Online Fairness In Shared Resource Pools
University of Waterloo（滑铁卢大学）；University of Virginia（弗吉尼亚大学）
本文提出了一种信用公平且帕累托高效的资源分配机制，以减少资源分配中的不平等。
2026-08-18 cs.AI cs.GT cs.OS
Optimal Energy-Aware Service Management in Future Networks with a Gamified Incentives Mechanism
Athens University of Economics and Business（雅典大学经济与商业学院）
本文提出一种基于游戏化激励机制的未来网络能耗服务管理方法，通过优化激励参数和博弈策略，实现节能与用户体验的平衡。
2026-01-29 cs.ET cs.GT
Incentive Mechanisms to Prevent Efficiency Loss of Non-Profit Utilities
电力系统的现代化采用了可通过提高用户能力来提高系统效率的技术。尽管这些技术具有潜在的好处，但也可能产生负面影响。这个问题已经被广泛分析，主要考虑营利性电力公司。然而，文献中有一个缺口，关于新技术对非营利公用事业的影响。在这项工作中，我们量化的无政府状态无政府代价的非营利公用事业，即用户缺乏协调所造成的成本。我们发现，在最坏的情况下，用户可以消费最多两倍的最优需求，获得最优盈余的一小部分。为此，我们利用机制设计的理论来设计一个激励方案，以减少系统的低效率，保护用户的隐私。我们用模拟说明了系统的效率损失，并给出了满足预算平衡和预算赤字的激励机制的两个例子。
2019-06-26 cs.GT cs.SY eess.SY
Driver Positioning and Incentive Budgeting with an Escrow Mechanism for Ridesharing Platforms
Lyft拼车平台上的司机并不总是能实时的知道供应短缺的地区在哪里。这种信息的缺乏伤害了试图找到一个乘坐和司机试图确定如何最大限度地提高他们的收入机会的车手。Lyft的个人权力区（PPZ）产品通过实时的影响司机的空间分布，鼓励他们重新定位车辆，帮助公司在平台上保持高水平的服务。为该产品提供动力的底层系统有两个主要组成部分：（1）一个新颖的“托管机制”，它可以实时的跟踪与城市内位置相关的可用激励预算;（2）一个算法，它可以解决随机驾驶员定位问题，以最大限度地提高乘客票价的短期收入。优化问题是一个多智能体的动态规划，太复杂，我们的大规模应用程序的最佳解决方案。我们的方法是将其分解为两个子问题。第一个决定了激励的驱动因素，以及激励他们定位自己的位置。第二个决定如何使用托管预算为每个激励提供资金。通过将其公式化为两个凸规划，我们能够使用商业求解器在几秒钟内找到最佳解决方案。该系统在一年多一点的时间内推广到Lyft运营的所有320个城市，现在产生了数百万的奖金，激励数十万活跃的司机每周在预期的乘车请求中进行最佳定位。总之，PPZ产品及其底层算法代表了Lyft司机在平台上驾驶和创收方式的范式转变。其直接的业务影响是增量预订增加了0.5%，每年达到数千万美元。
2021-04-30 cs.GT econ.GN q-fin.EC
Coupled Charging-and-Driving Incentives Design for Electric Vehicles in Urban Networks
电动汽车（EV）在驾驶时（例如，减少噪音和污染）和收费。对于电网，EV充电的灵活性使其成为“需求响应”机制中的重要角色。因此，有必要设计激励机制，以促进客户参与。采用拥挤博弈方法对电动汽车和汽油车组成的电动交通系统的性能进行了评价。时间和能源的运营成本被认为是。后者是不可分离的，因为它取决于所有EV的全局充电需求，该需求由集中式聚合器根据充电位置处的非灵活消耗来及时调度。因此，驾驶和充电决策是耦合的。贝克曼的方法的适应证明了存在的Wardrop均衡（WE）在考虑不可分离的拥塞游戏，这WE是唯一的，当收费单位价格是一个不断增长的功能的全球收费需要。给出了非柔荷载作用下该函数单调性的一个条件。这种情况下，在法国和美国得克萨斯州的实际消费数据进行测试。最佳通行费被用来控制这个电力运输系统，然后计算，以尽量减少一个简单的网络拓扑结构的环境成本。
2020-01-31 cs.GT math.OC
Incentivising Personalised Colorectal Cancer Screening: an Adversarial Risk Analysis Approach
针对结直肠癌筛查中公民与政策制定者目标不一致的问题，研究采用对抗风险分析方法，提出不确定性下的最优激励框架，并基于财务方案给出个体和群体激励的用例。
2025-09-04 cs.GT stat.AP
Strategic Information Attacks on Incentive-Compatible Navigational Recommendations in Intelligent Transportation Systems
本研究聚焦智能交通系统中导航推荐系统的局部定向信息攻击漏洞，提出引导用户达混合纳什均衡的协同激励兼容推荐系统，经Stackelberg博弈分析与数值案例验证其易受信息攻击，强调需考虑信息攻击以提升系统韧性。
2023-10-02 cs.GT cs.SY eess.SY
Mechanism Design for Demand Response Programs
需求响应（DR）计划用于在供应稀缺和昂贵时减少电力消耗。该实用程序通知聚合器预期的DR事件。该聚合器呼吁其招募的代理人池的一个子集，以减少他们的用电量。代理商从合同规定的基线减少能源消耗得到报酬。基线是对座席在不参与DR计划的情况下所消耗的能量的反事实消耗估计。基线用于确定对代理人的付款。这就刺激了代理人夸大他们的基线。我们提出了一种新的自我报告基线机制（SRBM），每个代理报告其基线和边际效用。这些报告是战略性的，不一定是真实的。基于所报告的信息，聚合器选择或调用代理以满足负载减少目标。被叫的代理人根据他们自我报告的基线观察到的减少而获得报酬。未被传唤的代理人将因消费量低于基线而面临处罚。该机制由代理被调用的概率、被调用代理的奖励价格和未被调用代理的惩罚价格来指定。根据SRBM，我们表明，真实的报告基准消费和边际效用是一个占主导地位的战略。因此，SRBM消除了代理人夸大基线的动机。保证SRBM达到减负荷目标。SRBM也几乎是有效的，因为它选择代理与最小的边际效用，每个被称为代理有助于最大限度地减少负载的目标。最后，我们表明，SRBM几乎是最优的DR提供所面临的聚合器的平均成本的度量。
2019-04-30 cs.GT math.OC
Demand Response in the Smart Grid: the Impact of Consumers Temporal Preferences
在需求响应计划中，价格激励可能不足以改变住宅用户的负荷分布。在这里，我们认为每个消费者都有一个偏好的配置文件和不适成本时，偏离它。消费者可以在不同的水平，我们把这个不适的价值作为一个参数。这项工作分析需求响应作为一个博弈论的环境。我们研究了两种不同的动态定价机制，分别是Mohsenian-Rad等人提出的按日比例机制和按小时比例机制下，具有偏好的消费者之间的博弈均衡。在二次系统成本的情况下，我们给出了关于均衡作为偏好水平的函数的新结果，并证明了，无论偏好水平如何，系统成本在小时机制下都较小。我们模拟的需求响应环境，使用真实的消费数据从PecanStreet数据库。虽然无政府状态的价格始终接近1，但在小时机制下最高可达0.1%，但在每日机制下，它可能会高出10%以上。
2017-11-30 cs.GT math.OC
An Online Mechanism for Ridesharing in Autonomous Mobility-on-Demand Systems
University of California, Irvine（加州大学欧文分校）；Masdar Institute of Science and Technology（马斯达尔科学技术研究所）
在适当的管理下，自主移动按需（AMoD）系统通过提供安全，方便和负担得起的拼车服务，具有满足城市人口交通需求的巨大潜力。同时，这些系统可以大大减少私家车的拥有和使用，从而大大减少交通拥堵、能源消耗和碳排放。为了实现这一目标，AMoD系统需要关于乘客需求的私人信息。然而，由于自身利益，乘客不太可能在这方面与服务提供者合作。因此，在线机制是可取的，如果它激励乘客如实报告他们的实际需求。为了促进拼车，我们在此介绍了一个发布价格，集成的在线拼车机制（IORS），满足期望的属性，如事后激励兼容性，个人理性，和公平平衡。数值结果表明，IORS的竞争力相比，两个基准，即最优分配和离线，拍卖为基础的机制。
2017-03-02 cs.AI cs.GT
Incentive Mechanism Design for Distributed Ensemble Learning
University of California, Davis（加州大学戴维斯分校）；The Chinese University of Hong Kong, Shenzhen（香港中文大学（深圳））；Shenzhen Institute of Artificial Intelligence and Robotics for Society（深圳人工智能与机器人研究院）
针对分布式集成学习中自利学习器参与意愿不足的问题，提出首个激励机制，通过交替算法优化训练数据量与奖励，实现精度与多样性的平衡。
2023-10-13 cs.GT cs.LG
ZETAR: Modeling and Computational Design of Strategic and Adaptive Compliance Policies
Beijing National Research Center for Information Science and Technology (BNRist)（北京信息科学与技术国家研究中心）；Tsinghua University（清华大学）；New York University（纽约大学）
ZETAR提出零信任审计与推荐框架，通过凸规划定制激励策略，分类内部人员并学习完全可信策略集，显著提升合规性与满意度。
2023-10-14 cs.AI cs.GT
A Stackelberg Game for Multi-Period Demand Response Management in the Smart Grid
研究了多个电力公司相互竞争的智能电网中多时段需求响应管理问题。用户公用事业公司之间的互动是通过纳什均衡捕获的Stackelberg类型的非合作对策建模。结果表明，这个游戏有一个独特的Stackelberg均衡，在该公用事业公司设定的价格，以最大限度地提高他们的收入（在纳什博弈），而用户相应地响应，以最大限度地提高他们的效用，他们的预算约束。为用户和电力公司的相应策略提供了封闭形式的表达式。结果表明，与单周期方案相比，多周期方案能更好地激励用户参与博弈。提供了关于用户参与所需的最小预算的充要条件。
2015-09-13 cs.GT math.OC
Transaction Fee Mechanism Design
本文通过机制设计研究区块链交易费用机制，提出两种激励相容性条件，证明EIP-1559满足这些条件，并引入“无小费机制”作为替代方案。
2023-12-22 cs.CR cs.DC cs.DS
Applications of Mechanism Design in Market-Based Demand-Side Management
可再生能源的间歇性给电网的运行和控制带来了额外的挑战。需求灵活性市场可以通过激励客户修改需求来帮助应对这些挑战。以市场为基础的需求侧管理（DSM）由于其在保持供需平衡的同时也保持客户满意度在其最高水平上的有前途的能力，最近获得了严重的关注。许多研究者已经提出在他们的方法中使用来自机制设计理论的概念以市场为基础的DSM。在这项工作中，我们提供了一个审查的进展，以市场为基础的DSM使用机制设计。我们提供了一个分类的审查文献和评估的优点和缺点，每个设计标准。我们还研究了在回顾文献中使用的效用函数配方，并提出了间接机制的批评。我们表明，尽管在这个问题上的文献的广泛性，仍然存在的问题和挑战，应该解决现实的实施，这样的DSM方法。我们从我们的审查得出结论，并讨论未来可能的研究方向。
2021-06-24 cs.GT cs.SY econ.TH
