From Welfare to Utility: Generalized Objectives in Budget-Feasible Procurement
Hebrew University（希伯来大学）；Boston University（波士顿大学）
研究预算可行采购问题的机制设计，针对买家效用、社会福利等广义目标，提出了最优和近似最优机制，包括无先验和贝叶斯设置下的常数因子近似。
2026-08-10 cs.GT
Buying Data of Unknown Quality: Statistical Information Procurement Auctions
Columbia University（哥伦比亚大学）；MIT（麻省理工学院）
本文研究数据市场中统计参数估计问题，提出基于Fisher信息评分的采购机制，在数据质量未知时通过统计检验确保数据质量，分析验证测试和准确性成本权衡对数据市场参与和误报激励的影响。
2026-08-27 cs.GT econ.TH stat.ME
Truthful Budget Aggregation: Beyond Moving-Phantom Mechanisms
研究预算聚合机制的真实性，提出超越移动幻影机制的真实机制类，并证明移动幻影机制的公平性下界扩展至所有满足基本性质的真实机制。
2024-07-25 cs.GT
A Polynomial-time, Truthful, Individually Rational and Budget Balanced Ridesharing Mechanism
拼车在提高运输效率、减少拥堵和污染方面具有巨大潜力。为了实现这一潜力，需要建立机制，以最佳方式分配车辆，并为乘客提供正确的激励。然而，许多现有方法考虑受限设置（例如，每辆车只有一个乘客或所有乘客的共同来源）。此外，标准方法的幼稚应用，如Vickrey-Clarke-Groves或贪婪机制，不能实现多项式时间，真实，个人理性和预算平衡的机制。为了解决这个问题，我们制定了一个一般的乘车问题，并应用机制设计开发一种新的机制，满足所有四个属性，其社会成本平均在8.6%的最优范围内。
2023-01-11 cs.GT
Truthful Aggregation of Budget Proposals with Proportionality Guarantees
我们研究了一个参与式预算问题，一组战略代理人希望在不同的项目之间分割一个可分割的预算，通过汇总他们的建议在一个单一的部门。不幸的是，按比例分配预算的直接规则很容易被操纵。在最近的一项工作中，Freeman等人[arXiv：1905.00457]提出了一类真实机制，称为移动幻影机制。除其他外，他们提出了一个比例机制，即在所有代理人都希望一个项目获得全部金额的极端情况下，按比例分配预算。虽然比例性是一种自然期望的属性，但它是在有限类型的偏好配置文件上定义的。为了解决这个问题，我们扩大了比例的概念，提出了一个量化的框架，评估预算汇总机制，根据其最坏情况下的距离比例分配。至关重要的是，这是为每个偏好配置文件定义的。我们研究这一措施的类移动幻影机制，我们提供近似保证。对于两个项目，我们表明，统一幻影机制是最佳的所有真实的机制。对于三个项目，我们提出了一个新的，比例机制，这几乎是最佳的所有移动幻影机制。最后，我们提供了不可能的结果关于移动幻影机制的近似性。
2022-03-18 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
A Participatory Budgeting based Truthful Budget-Limited Incentive Mechanism for Time-Constrained Tasks in Crowdsensing Systems
针对众感知系统中时间约束任务的激励问题，提出基于参与式预算的两层真实预算受限机制，通过居民投票筛选获资助任务方、时隙调度与执行方选择满足预算约束，经理论和仿真验证具备高效性与合理性。
2024-05-16 cs.GT
Discrete Budget Aggregation: Truthfulness and Proportionality
本文研究离散预算聚合中真实机制的存在性，证明分数选票下Gibbard-Satterthwaite定理成立，整数选票下通过移动幻影机制构造真实机制，并揭示强比例性与真实性不可兼得。
2025-05-09 cs.GT econ.TH
An Optimal Bidimensional Multi-Armed Bandit Auction for Multi-unit Procurement
我们研究的问题，买家（又名拍卖）谁获得随机奖励采购多个单位的服务或项目从一个池的异构战略代理。从分配的代理获得的单个单位的奖励取决于代理的内在质量;代理的质量是固定的，但未知。每个代理只能提供有限数量的单位（代理的容量）。单位成本和容量是代理人的私人信息。拍卖师需要引出成本以及能力（使机制设计二维），并进一步了解代理的质量，以最大限度地提高她的效用。出于这一动机，我们设计了一个二维多臂强盗采购拍卖，旨在最大限度地提高预期效用的拍卖受到激励相容性和个人的理性，同时学习未知的素质的代理。我们首先假设的质量是已知的，并提出了一个最佳的，真实的机制2D-OPT的拍卖人引起的成本和能力。接下来，为了学习代理的质量，另外，我们提供了一个学习算法是贝叶斯激励兼容和个人理性的充分条件。最后，我们设计了一种新的学习机制，2D-UCB，是随机贝叶斯激励兼容和个人理性。
2015-04-28 cs.GT
Budget Feasible Mechanisms on Matroids
出于许多实际应用，在本文中，我们研究{ \em预算可行机制}的目标是获得独立集的拟阵。更具体地说，我们给出了一个拟阵$\mathcal{M}=(E,\mathcal{I})$，其中每个地面（不可分）元素是一个自私的代理。每个元素的成本（即，用于销售物品或执行服务）仅为元件本身所知。存在具有对元素集合$E$的附加估价的预算的买方。我们的目标是设计一个激励兼容（真实）的预算可行的机制，该机制在给定的预算下获得一个独立集的拟阵，产生最大的价值可能的买家。我们的结果是一个确定性的，多项式时间的，个人理性的，真实的和预算可行的机制与$4$ -近似的最佳独立集。然后，我们将我们的机制扩展到拟阵交叉点的设置，其目标是从多个拟阵获取公共独立集。我们表明，给定一个多项式时间的确定性黑盒，返回$α-$近似解的拟阵相交问题，存在一个确定性的，多项式时间的，单独合理的，真实的和预算可行的机制与$(3α+1)-$近似的最佳公共独立集。
2021-03-08 cs.GT
Efficiency of Non-Truthful Auctions in Auto-bidding with Budget Constraints
该研究针对带ROS和预算约束的自动出价场景，分析非真实拍卖的效率，证明FPA是最优确定性机制，还提出两种随机机制突破确定性下界，并揭示统一出价对两类机制效率的相反影响。
2024-04-18 cs.GT
Truthful Aggregation of Budget Proposals
我们考虑一个参与式预算问题，其中每个选民提交一个建议，如何划分一个单一的可分割的资源（如金钱或时间）之间的几个可能的替代品（如公共项目或活动），这些建议必须汇总成一个单一的总司。在$\ell_1$偏好下--选民的负效用由总划分和他或她最喜欢的划分之间的$\ell_1$距离给出--社会福利最大化机制，它最小化结果和每个选民的提议之间的平均$\ell_1$距离，是激励相容的（Goel et al. 2016）。然而，它未能满足相称性的自然公平概念，过于重视多数人的偏好。利用市场价格和Moulin（1980）的广义中位数规则之间的联系，我们引入了独立的市场机制，这是激励相容和比例。我们统一了社会福利最大化机制和独立的市场机制，通过定义一个广泛的类移动幻影机制，其中包括。我们表明，每一个移动的幻影机制是激励相容的。最后，我们将社会福利最大化机制描述为该类中唯一的帕累托最优机制，表明帕累托最优性和比例性之间存在内在的权衡。
2022-01-21 cs.GT
A Truthful Multiunit Profit-Optimal Mechanism for Synthesizing Social Laws
Nanjing University of Finance and Economics（南京财经大学）；Nanjing University（南京大学）
本文研究了在战略多智能体环境中作为新多单位机制设计问题的社会法律合成（SLS）。基于交替时间时序逻辑（ATL）将SLS建模为贝叶斯单参数采购拍卖，并旨在设计一个诚实、个体理性且利润最优的机制。我们首先证明了一个表示引理，表明任何尊重交替仿射的估值都可以用ATL公式特征集紧凑地表达。然后将支付确定减少到分配确定，以多项式时间解决多单位设置中固有的不规则支付问题。我们进一步表明分配确定是$FP^{NP}$-完全的，并将ATL语义编码为整数线性规划（ILP）约束，使问题能够用标准求解器处理。基于这些结果，我们提出了$\mathcal{PO ext{-}ASL}$机制，该机制是激励相容的、个体理性的，并最大化预期利润。理论保证和示例证实，我们的方法为在战略智能体行为下合成最优社会法律提供了有效且计算可行的解决方案。
2026-05-16 cs.GT
Truthful Data Acquisition via Peer Prediction
我们考虑为机器学习或统计估计购买数据的问题。数据分析师有预算从多个数据提供商购买数据集。她没有任何测试数据可用于评估所收集的数据，并且可以仅基于所收集的数据集向数据提供者分配付款。我们在标准贝叶斯范式和两种情况下考虑这个问题：（1）数据只收集一次;（2）数据被重复收集，每天的数据都独立于同一分布。对于这两种设置，我们的机制保证，如实报告自己的数据集始终是一个均衡，采用技术从同行预测：支付每个供应商之间的互信息，他报告的数据和其他供应商的报告数据。根据数据分布情况，这些机制还可以阻止可能导致预测不准确的误报。我们的机制还保证了第一种设置中某些基本分布和第二种设置中所有分布的个人合理性和预算可行性。
2020-10-29 cs.GT
Mechanisms for Fair Allocation Problems: No-Punishment Payment Rules in Fully Verifiable Settings
机制设计是在公平分配不可分割的货物并给予货币补偿的背景下处理的。出于现实世界中的社会选择问题，验证机制被认为是在设置中（i）代理商的声明分配的货物可以完全验证支付之前进行，以及（ii）验证不用于惩罚代理商的声明导致不正确的。在此设置中，一个机制的设计，被证明是真实的，有效的，和不平衡的，代理人的效用是公平地确定合适的联盟游戏的Shapley值。然而，所提出的机制被证明是#P-完全的。因此，为了处理涉及许多代理的应用程序，还提出了两个多项式时间随机化变体：一个仍然真实且有效，并且以高概率近似预算平衡，另一个在期望中是真实的，同时仍然预算平衡且高效。
2012-09-15 cs.GT
Truthful Auctions for Automated Bidding in Online Advertising
针对广告主价值公开而预算、ROI等财务约束私有的自动竞价场景，论文推导真实性条件并提出基于个性化排名分数和临界ROI的GSP式真实拍卖机制，实验证明其优于一价与二价拍卖。
2023-08-19 cs.GT
How Much Should I Pay for Privacy Concerns in Truthful Online 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传感应用，激励机制是必不可少的，以吸引更多的用户参与。大多数现有机制仅适用于离线场景，其中系统具有关于用户的感测简档的全部信息，即，一组位置或移动性以及所使用的智能手机类型，以及它们的真实成本。相反，我们关注的是一个更真实的场景，即有自己隐私问题的用户以随机顺序一个接一个地在线。我们模型的问题作为一个尊重隐私的在线拍卖中，用户愿意协商访问某些私人信息，并提交他们的传感配置文件满足隐私问题的平台（人群传感应用程序的提供商）随着时间的推移，该平台的目标是由选定的用户提供的服务的总价值的预算约束下。然后，我们设计了两个在线机制的预算人群感应应用程序，满足计算效率，个人理性，预算的可行性，真实性，消费者主权，不断的竞争力和隐私问题。通过大量的模拟，我们评估的性能和验证我们的在线机制的理论属性。
2014-03-21 cs.GT
MUDA: A Truthful Multi-Unit Double-Auction Mechanism
在一篇开创性的论文中，McAfee（1992）提出了一种双向拍卖的真实机制，在没有任何关于交易者估值的先验信息的情况下获得渐近最优的交易收益。McAfee的机制处理单参数代理，允许每个卖家出售一个单位，每个买家购买一个单位。本文提出了一种双拍卖机制，处理多参数代理人，并允许多个单位，每个交易者，只要所有交易者的估值函数有递减的边际收益。该机制具有无先验约束、事后个体理性、优势策略真实和强预算平衡等特点。当市场规模足够大时，其交易收益接近最优。
2017-12-19 cs.GT
Social Welfare in Budget Aggregation
Universidad de Chile（智利大学）；Darden School of Business, University of Virginia（弗吉尼亚大学达顿商学院）；TU Eindhoven（埃因霍温理工大学）
本文研究了在ℓ₁效用下的预算聚合问题，提出了一种新的单心智比例和诚实机制UtilProp，并证明其在比例性和福利之间取得了最优平衡。
2026-10-26 cs.GT
A Bridge between Liquid and Social Welfare in Combinatorial Auctions with Submodular Bidders
我们研究了组合拍卖中投标人具有子模块（或XOS）估值且受约束的激励兼容机制。我们的目标是最大化\emph{liquid welfare}，这是Dobzinski和Paes Leme（2014）提出的一个针对受约束投标人的效率概念。我们发现，一些已知的真实机制，最好的近似社会福利的组合拍卖与子模块投标人通过需求查询预言机可以适应，使他们保持真实性，并实现渐近相同的近似保证的液体福利。更具体地说，对于具有子模块投标人的组合拍卖中的液体福利优化问题，我们通过修改Kenda和Vöcking（2012）的机制，获得了普遍真实的随机$O(\log m)$近似机制，其中$m$是物品的数量。此外，出于大市场假设经常使用的机制设计，我们引入了竞争性市场的概念，并表明在这样的市场中，流动性福利可以近似在一个恒定的因素由一个随机的普遍真实的机制。最后，在贝叶斯设置中，我们通过调整Feldman，Gravin和Lucier（2014）的结果，获得了一个真实的$O(1)$近似机制，用于投标人估值作为来自已知分布的独立样本生成的情况。
2018-12-12 cs.GT
A Dominant Strategy Truthful, Deterministic Multi-Armed Bandit Mechanism with Logarithmic Regret
随机多臂强盗（MAB）机制被广泛应用于赞助搜索拍卖、众包、在线采购等领域。现有文献中提出的具有确定性支付规则的随机MAB机制必然会遇到$Ω(T^{2/3})$的问题，其中$T$是时间步的数目。这是因为现有的机制考虑了最坏的情况，其中代理的随机奖励的平均值被取决于$T$的非常小的量分开。我们做，并利用关键的观察，在大多数情况下，代理人的奖励之间的分离很少是一个功能的$T$。此外，在武器的奖励任意接近的情况下，这种次优武器所带来的遗憾是最小的。我们的想法是允许中心指示分辨率，$Δ$，必须用它来区分代理。这立即导致我们引入$Δ$ -后悔的概念。使用赞助搜索拍卖作为一个具体的例子（同样的想法适用于其他应用程序，以及），我们提出了一个主导战略激励兼容（DSIC）和个别理性（IR），确定性MAB机制，从上置信限（UCB）家庭的MAB算法的思想的基础上。值得注意的是，所提出的机制$Δ$ -UCB实现了一个$Δ$ -遗憾的$O(\log T)$的情况下，赞助搜索拍卖。我们首先建立单插槽赞助搜索拍卖的结果，然后非平凡的扩展结果的情况下，多个插槽被分配。
2020-05-29 cs.GT
The Effectiveness of Golden Tickets and Wooden Spoons for Budget-Feasible Mechanisms
本文研究预算可行机制中以非明显可操纵性替代 DSIC 的效果，刻画 BNOM/WNOM，并证明单调次可加估值下 NOM 的社会福利近似紧界为 2，随机 BNOM 可逼近 1。
2025-02-17 cs.GT
Mechanism Design for Auctions with Externalities on Budgets
本文针对预算外部性拍卖提出真实且个体理性的机制，实现流动性福利1/3近似比，并证明任何真实机制无法优于1/2。
2025-04-21 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
Breaking the Logarithmic Barrier for Truthful Combinatorial Auctions with Submodular Bidders
本文研究了组合拍卖机制设计中的一个核心问题：在子模块投标者参与的组合拍卖中构造真实的福利最大化机制。Dobzinski、Nisan和Schapira提供了第一个保证$O(\log^2 m)$的非平凡近似比的机制[STOC'06]，其中$m$是项目数。随后将其改进为$O(\log m\log \log m)$ [Dobzinski，APPROX'07]，然后改进为$O(\log m)$ [Kenda和Vocking，ICALP'12]。在本文中，我们开发的第一个机制，打破了对数的障碍。具体地，该机制提供了$O(\sqrt {\log m})$的近似比。与以前的构造类似，我们的机制使用多项式的许多值和需求查询，实际上为更大的XOS类（也称为XOS）提供了相同的近似比。分数次可加性）估值。我们还开发了一个计算效率的实施机制，预算添加剂投标人的组合拍卖。虽然在一般情况下，计算需求查询是NP-难的预算附加估值，我们观察到，我们的机制使用的特定形式的需求查询，可以有效地计算时，投标人的预算附加。
2017-08-14 cs.DS cs.GT
Optimal Bidding in Repeated Wireless Spectrum Auctions with Budget Constraints
参与二级无线频谱市场的小型运营商通常有严格的预算限制。本文研究了预算受限的运营商在重复二次频谱拍卖中的投标问题。在现有的真实拍卖中，真实出价是投标人的最优策略。然而，预算限制会影响投标行为，并使投标决策变得复杂，因为投标人可能会采取不同的行为，以避免资金耗尽。我们制定的问题作为一个动态的拍卖游戏运营商之间，其他运营商的知识是有限的，由于无线网络/市场的分布式性质。首先，我们提出了一个马尔可夫决策过程（MDP）制定的问题，并描述了最佳的投标策略的运营商，提供了对手的出价是独立同分布。接下来，我们将该公式推广到马尔可夫博弈，结合无模型强化学习方法，使操作员能够根据局部观察对其对手做出推断。最后，我们提出了一个完全分布式的基于学习的投标算法，它只依赖于本地信息。我们的数值结果表明，我们提出的学习为基础的投标结果在一个更好的效用比真实的投标。
2016-08-26 cs.GT cs.NI
Budget Feasible Mechanisms for Experimental Design
在经典实验设计设置中，实验者E可以访问$n$潜在实验对象$i\in \{1,...,n\}$的群体，每个与特征向量$x_i\in R^d$相关联。用受试者$i$进行实验揭示了$y_i\in R$对E的未知值。E通常假定$x_i$和$y_i$之间的某种假设关系，例如，$y_i \approx βx_i$，并从实验中估计$β$，例如，通过线性回归。作为各种实际约束的代理，E可以只选择一个子集的主题进行实验。我们开始研究预算机制的实验设计。在此设置中，E具有预算$B$。每个受试者$i$声明相关费用$c_i >0$是实验的一部分，并且必须至少支付她的费用。特别是，实验设计问题（EDP）是要找到一组$S$的受试者的实验，最大化$V(S) = \log\det(I_d+\sum_{i\in S}x_i\T{x_i})$下的约束$\sum_{i\in S}c_i\leq B$ ;我们的目标函数对应于通过线性回归方法学习的参数$β$的信息增益，并与所谓的$D$ -最优性标准。此外，这些主题是战略性的，可能会谎报成本。我们提出了一个确定性的，多项式时间，预算可行的机制计划，这是近似真实的，并产生一个常数因子近似EDP。特别地，对于任何小的$δ> 0$和$ε> 0$，我们可以构造一个（12.98，$ε$）近似的机制，它是$δ$ -真实的，并且在$n$和$\log\log\frac{B}{εδ}$中都在…
2013-07-11 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
A Truthful Referral Auction Over Networks
研究了网络环境下的一个机制设计问题，其中代理人只能通过推荐参与。Bulow-Klemberer定理提出，扩大参与者的数量是比修改拍卖形式更有效的增加收入的方法。然而，代理商缺乏邀请其他人的动力，因为这样做会加剧他们之间的竞争。另一方面，误报社交网络也是一个常见的问题，可能会减少收入。误报的例子包括Sybil攻击（一个代理假装是多个投标人）和联盟组（多个代理假装是一个代理）。为了应对这些挑战，我们引入了一种新的机制，称为真实的引用扩散机制（TRDM）。TRDM激励代理商如实报告他们的社交网络，其中一些代理商因提高收入而受到卖方的奖励。尽管有些代理人在TRDM中出价过高，但收入是固定的，高于任何没有推荐的机制的收入。TRDM是非负平衡的（非负收入），并产生一个有效的结果（最大化的社会福利），使其对卖方和买方都有吸引力，因为它提高了收入和回报。
2023-03-16 cs.GT
Low-Cost Learning via Active Data Procurement
University of Michigan（密歇根大学）；Harvard SEAS（哈佛大学约翰·A·保尔森工程与应用科学学院）；UCLA（加州大学洛杉矶分校）
我们设计的机制，在线采购数据的战略代理机器学习任务。挑战在于使用过去的数据来积极地为未来的数据定价，并提供学习保证，即使代理人透露数据的成本可能任意取决于数据本身。我们通过展示如何将一大类无遗憾算法转换为在线发布价格和学习机制来实现这一目标。我们的结果在某种意义上平行经典样本的复杂性保证，但与关键资源是金钱，而不是数据量：与预算约束$B$，我们给强大的风险（预测误差）界的顺序$1/\sqrt{B}$。因为我们使用主动的方法，我们通常可以通过利用成本和数据之间的相关性来保证做得更好。我们的算法和分析经历了一个模型的无悔学习$T$到达对（成本，数据）和预算约束$B$。我们对这个模型的遗憾界的顺序是$T/\sqrt{B}$，我们给出了相同的顺序下界。
2015-06-06 cs.AI cs.GT cs.LG
Hiring Doctors in E-Healthcare With Zero Budget
医生（或专家顾问）是关键资源，关键医疗病例的成功在很大程度上依赖于他们。随着新兴技术（如视频会议，智能手机等）这已不再是一个梦想，而是一个事实，即对于医院的危急医疗病例，可以从世界各地聘请专家顾问，他们可以亲自或虚拟地在场。早些时候，通过从医院外聘请专家咨询，已经研究了这种有趣的情况，但从货币角度来看。在本文中，第一次，尽我们所知，我们调查的情况下，低收入群体（大）的人的社会可以有效地通过专家咨询，从医院以外的知名医生在零预算。这将帮助我们挽救许多生命，满足当今生物医学研究的需要。我们提出三种机制：随机挑选-分配机制（RanPAM）、真实最优分配机制（TOAM）和不完全偏好的真实最优分配机制（TOAM-IComP）来将医生分配给患者。通过理论分析，我们证明了TOAM是防策略的，并且具有独特的核心属性。该机制也验证了详尽的实验。
2018-02-02 cs.GT
Efficiency in Truthful Auctions via a Social Network
在本文中，我们研究了通过社会网络的真实拍卖的效率，其中卖方只能通过买方的网络向买方传播拍卖的信息。在单一物品拍卖，我们表明，没有一种机制是防策略的，个人理性的，有效的，弱预算平衡。此外，我们提出了$α$ -APG机制，一类机制，经营效率和弱预算平衡之间的权衡。在多物品拍卖中，当所有买家只需要一个物品时，已经存在一种防策略机制。然而，我们指出了一个反例，在这个机制中的防策略性，并尽我们所知，找到一个防策略机制的问题仍然是开放的。我们假设所有的买家都有递减的边际效用，并提出了一个广义的APG机制，是防策略和个人理性，但不是有效的。重要的是，我们表明，该机制实现了最大的效率措施之间的所有防策略机制。
2019-04-29 cs.GT econ.TH
Budget Feasible Mechanisms
我们研究一类新的机制设计问题，其中的结果是由支付的约束。这一类基本的机制设计问题包含了许多常见的经济情况，但据我们所知，过去并没有对它进行过研究。我们专注于采购拍卖的情况下，卖方有私人成本，拍卖商的目标是最大化的效用函数的子集的项目，由该机制提供的付款总额不超过一个给定的预算的约束下。标准的机制设计思想，如VCG机制及其变体，在这里不适用。我们表明，对于一般的功能，预算约束可以使机制任意坏的买方的效用。然而，我们的主要结果表明，对于重要的子模函数类，有界逼近比是可以实现的。对于次模函数的子类，得到了更好的逼近结果。我们探索了预算可行机制在其他领域的空间，并在更严格的条件下给出了一个刻画。
2013-11-28 cs.GT
Truthful Mechanisms for Two-Sided Markets via Prophet Inequalities
我们设计了双边市场中福利最大化的新机制。也就是说，有买家愿意购买物品和卖家最初持有物品，两者都是理性和战略性的，以实现效用最大化。我们的机制是基于双边市场和先知不平等之间的强大对应关系而设计的。它们满足个体理性、主导策略激励相容性、均衡约束，并给出了最优社会福利的常数因子近似。我们改进了以前的结果，在几个设置：我们的主要重点是拟阵双拍卖，其中获得一个项目的买家集需要是独立的拟阵。我们构建了两个机制，第一个是一个$1/3$ -近似的最优社会福利满足强平衡，并要求代理商在一个定制的顺序进行交易，第二个是一个$1/2$ -近似，弱平衡，并能够处理在线到达由对手。此外，我们构造了常数因子近似双边市场时，买家需要满足背包约束。此外，在组合双向拍卖，买家有估价功能的项目束，而不是只对一个项目感兴趣，使用类似的技术，我们设计了一个机制，这是一个$1/2$ -近似的最佳社会福利，强平衡，可以处理在线到达的代理在一个对抗的顺序。
2021-05-31 cs.DS cs.GT
Budget Feasible Mechanism Design: From Prior-Free to Bayesian
预算可行机制设计研究的是在总支付额受到预算约束的情况下，卖方有私人成本生产物品，买方（拍卖人）的目标是最大化物品子集上的社会价值函数的采购组合拍卖。该领域最重要的问题之一是“哪些估值领域承认真实的预算可行机制与'小'的近似值（相比，社会最佳）？辛格证明了加法和次模函数具有这样的常数近似。最近，Dobzinski、Papadimitriou和Singer给出了次可加函数的O（log^2 n）-近似机制;他们还评论说：“一个基本问题是，不管计算约束如何，是否存在一个常数因子预算可行的机制。“我们从两个角度来解决这个问题：无先验最坏情况分析和贝叶斯分析。对于先验自由框架，我们使用描述估值函数的分数覆盖的LP;它也与合作博弈论中近似核心的概念有关。通过LP的最坏情况完整性间隙I，我们提供了次可加函数的O（I）-逼近机制。这意味着次可加赋值的O（log n）近似，XOS赋值的O（1）近似，以及具有常数I的赋值。XOS赋值是介于次模类和次加类之间的一类重要函数。给出了次可加赋值的另一种多项式时间O（log n/loglog n）次对数逼近机制.对于贝叶斯框架，我们为所有次加性函数提供了一个常数近似机制，将上述无先验机制用于XOS赋值作为子例程。我们的机制允许私人信息分布的相关性，并且普遍真实。
2012-03-20 cs.GT
Online Auction-Based Incentive Mechanism Design for Horizontal Federated Learning with Budget Constraint
联邦学习使数据隔离的各方能够在满足隐私保护的同时协作和有效地训练模型。为了获得高质量的模型，激励机制是必要的，以激励更多具有数据和计算能力的高素质工作人员。现有的激励机制应用于离线场景，其中任务发布者收集所有出价并在任务之前选择工人。然而，实际上，不同的工人在任务之前或任务期间以不同的顺序在线到达。因此，我们提出了一种基于反向拍卖的在线激励机制，用于预算约束的水平联邦学习。工人们在网上提交投标。预算有限的任务发布者利用到达的工作者的信息来决定是否选择新工作者。理论分析表明，我们的机制满足预算的可行性，计算效率，个人理性，消费者主权，时间真实性，成本真实性与足够的预算。实验结果表明，我们的在线机制是有效的，可以获得高质量的模型。
2022-05-17 cs.AI cs.GT
OMG: How Much Should I Pay Bob in Truthful Online Mobile Crowdsourced Sensing?
移动众包传感（MCS）是一种新的模式，它利用普及的智能手机来有效地收集数据，使许多新的应用。为了实现良好的服务质量的MCS应用，激励机制是必要的，以吸引更多的用户参与。大多数现有的机制只适用于离线的情况下，所有用户的信息是已知的先验。相反，我们关注的是一个更真实的场景，用户以随机顺序一个接一个地在线到达。我们建模的问题作为一个在线拍卖，用户提交他们的私人类型的众包随着时间的推移，众包的目的是选择一个子集的用户在指定的截止日期之前，最大限度地提高所选择的用户提供的服务的总价值的预算约束下。我们设计了两种在线机制OMZ和OMG，分别满足零到达-离开间隔情况和更一般情况下的计算效率、个体理性、预算可行性、真实性、消费者主权和恒定竞争性。通过大量的模拟，我们评估的性能和验证我们的在线机制的理论属性。
2013-06-24 cs.GT cs.NI
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
Strongly Budget Balanced Auctions for Multi-Sided Markets
在双边市场中，迈尔森和萨特思韦特的不可能性定理指出，一个人不可能在满足真实性、个人理性和没有亏损的情况下最大化交易收益。人们试图通过获得近似最大的贸易收益来规避Myerson和Satterthwaite的结果：McAfee（1992）的双边拍卖是真实的，没有赤字，Segal-Halevi等人的拍卖（2016）也没有盈余-它是强预算平衡的。他们考虑两类代理-买家和卖家，其中每个交易集由一个买家和一个卖家组成。供应链等应用的实际复杂性要求人们超越双边市场。共同要求是：买方与不同或相同物品的多个卖方进行交易，买方通过运输者和中介者与卖方进行交易，以及卖方与多个买方进行交易。我们试图解决这些问题。我们将Segal-Halevi等人（2016）的强预算平衡双边拍卖设置推广到多边市场，其中每个交易集由任意数量的代理类别组成。通过引入外部竞争和交易缩减的概念，我们的推广完善了多边拍卖中的竞争概念。我们还展示了一个明显真实的实现我们的拍卖使用多个上升的价格。
2019-12-08 cs.GT econ.TH
Generalized Assignment Problem: Truthful Mechanism Design without Money
本文研究了无支付和无先验环境下广义指派问题（GAP）的一个策略变体的真实机制设计问题。在GAP中，一组项目必须被最优地分配给一组bin，而不超过任何单个bin的容量。在我们研究的问题的战略变体中，箱子由战略代理人持有，每个代理人可能会隐藏其与某些项目的兼容性，以获得更高价值的项目。代理和物品之间的兼容性编码代理接收物品的意愿。我们的目标是最大化总价值（代理价值的总和，或社会福利），同时证明没有代理可以从隐藏其与物品的兼容性中获益。该模型可应用于有预算投标人的拍卖。对于问题的两个变体，即\emph{multiple knapsack problem}中的每个项目具有相同的大小和值的箱子，和\emph{density-invariant GAP}中的每个项目具有相同的值密度的箱子，我们提出了真实的$4$ -近似算法。对于一般的问题，我们提出了一个$O(\ln{(U/L)})$ -近似机制，其中$U$和$L$是兼容项目箱对的值密度的上界和下界。
2017-01-15 cs.GT
Bayesian Mechanism Design for Budget-Constrained Agents
我们研究贝叶斯机制设计问题的代理人有预算的设置。具体地说，一个代理人对一个结果的效用是由他对该结果的价值减去他对该机制的任何支付给出的，只要支付低于他的预算，否则是负无穷大。效用函数的这种不连续性对设计良好的机制提出了重大挑战，经典的“无约束”机制在有预算的情况下无法发挥作用。本文的目标是开发一般的减少从无约束贝叶斯MD无约束贝叶斯MD的性能损失很小。我们认为这个问题的背景下，在机制设计-社会福利和收入-两个最好的研究目标，并提出常数因子近似在一些设置。我们的一些研究结果延伸到预算是私人的，需要激励代理人如实披露预算的情况。
2011-03-31 cs.GT
A VCG-based Fair Incentive Mechanism for Federated Learning
针对联邦学习等 CVGP 博弈中的逆向拍卖问题，提出 PVCG 激励机制及 RIM 计算方法，证明其同时满足真实性、帕累托效率、个体理性和弱预算平衡。
2024-06-17 cs.GT
A Competitive Posted-Price Mechanism for Online Budget-Feasible Auctions
本文针对在线预算可行拍卖中代理成本私密且按随机顺序到达的问题，提出一种基于OPT估计在线测试与自适应搜索的随机化发布价格机制，实现了常数竞争比，解决了EC 2012提出的开放问题。
2025-04-13 cs.DS cs.GT
Budget-Feasible Mechanism Design for Non-Monotone Submodular Objectives: Offline and Online
不可行机制设计的框架研究采购拍卖，拍卖人（买方）的目标是最大化他的估价函数受到硬预算约束。我们研究的问题，设计真实的机制，有良好的近似保证，从来没有支付参与代理（卖方）超过预算。我们专注于一般（非单调）次模估值函数的情况下，并推导出第一个真实的，不确定可行的和$O(1)$近似的机制，运行在多项式时间的值查询模型，离线和在线拍卖。在我们的工作之前，唯一的$O(1)$近似机制已知的非单调子模块化的目标需要指数数量的值查询。我们方法的核心是一种新颖的背包约束下非单调子模最大化的贪心算法。我们的算法同时构建两个候选解决方案（以实现良好的近似），但确保代理不能从一个解决方案跳到另一个解决方案（以隐含地强制执行真实性）。我们的是第一个机制的问题-至关重要的-代理商是不是为了他们的边际价值每成本。这使我们能够适当地调整这些想法，以在线设置以及。为了进一步说明我们的方法的适用性，我们还考虑了存在额外可行性约束的情况。当可行解是$p$ -系统的独立集时，我们获得了单调和非单调子模目标的$O(p)$ -逼近机制。除了附加估值函数，在我们的工作之前，没有已知的机制。最后，我们提供的下界表明，当一个关心非平凡的近似保证在多项式时间，我们的结果是渐近最好的可能。
2019-05-06 cs.DS cs.GT
Mechanism Design for Exchange Markets
本文首次研究交换市场的机制设计问题，将其形式化为两阶段博弈，引入流动性福利和盈利性指标，提出两种真实机制，分别在大型市场实现近1/2近似比且保证盈利、在一般市场实现1/2近似比且亏损有界，为真实市场设计提供参考。
2024-10-09 cs.GT
Coverage, Matching, and Beyond: New Results on Budgeted Mechanism Design
研究了一类具有预算约束的逆向拍卖问题。一般的算法问题是购买一组资源，这是有成本的，以便不超过给定的预算，同时最大化给定的估值函数。该框架捕获了几个著名的优化问题的预算版本，当资源由战略代理人拥有时，目标是设计真实和预算可行的机制，即得出资源的真实成本，并确保机制的支付不超过预算。预算的可行性在机制设计中引入了更多的挑战，我们研究了这个问题的某些类别的子模块和XOS估值函数的实例。我们首先获得加权覆盖估值，一类特殊的子模函数，已经引起了人们的注意，在以前的工作与改进的近似比的机制。然后，我们提供了一个通用的计划，设计随机和确定性的多项式时间机制的一类XOS问题。这一类包含的问题，其可行集形成一个独立系统（比拟阵更一般的结构），一些代表性的问题包括，除其他外，找到最大加权匹配，最大加权拟阵成员和最大加权3D匹配。对于大多数这些问题，只有随机机制具有非常高的近似比之前，我们的结果。
2016-10-04 cs.GT
Asymptotically Fair and Truthful Allocation of Public Goods
University of Toronto（多伦多大学）；University of Waterloo（滑铁卢大学）
本文提出PPGA算法，通过引入差分隐私实现公共物品分配的渐近公平和 truthful，解决了传统方法在大规模场景下的局限性。
2025-06-06 cs.GT
A Truthful Mechanism for Offline Ad Slot Scheduling
我们认为“离线广告位调度”的问题，广告客户必须安排在一段时间内的“赞助搜索”插槽。广告客户指定预算约束，以及每次点击的最大成本，并且不能被分配给特定搜索的一个以上的插槽。我们给出了一个真实的机制下的实用模型，投标人试图最大限度地提高他们的点击，受到他们的个人约束。此外，我们表明，收入最大化的机制是不真实的，但有一个纳什均衡的结果是相同的，我们的机制。据我们所知，这是第一次对赞助搜索进行处理，直接将多个插槽和预算限制纳入激励分析。我们的机制采用了下降价格拍卖，保持一定的机器调度问题的解决方案，其工作长度取决于价格，因此是可变的拍卖。当能够负担该价格的一组出价者恰好打包成一个广告位块时，价格停止，此时该机制分配该块并在剩余的广告位上继续。为了证明我们的收入最大化机制的均衡结果，我们首先表明，一个贪心算法足以解决收入最大化的线性规划，然后，我们使用这种洞察力来证明，在我们的机制的同一块中分配的投标人没有激励偏离投标该块的固定价格。
2008-01-18 cs.DS cs.GT
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
No-Regret Algorithms in non-Truthful Auctions with Budget and ROI Constraints
Google Research（谷歌研究院）；Cornell University（康奈尔大学）
本文针对一价与二价混合拍卖场景，设计了满足预算和ROI约束的低后悔自动出价算法，给出完全信息下的$\tilde O(\sqrt T)$后悔界，并分析了老虎机设置的下界与对应算法。
2024-04-15 cs.GT cs.LG
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
Truthful High Dimensional Sparse Linear Regression
本文针对策略性智能体提供数据的高维稀疏线性回归问题，提出一种具有闭式解的私有估计器及配套支付机制，在实现联合差分隐私、近似真实报告均衡和个体理性的同时保证估计误差与支付预算均趋于零。
2024-10-16 cs.GT
Partial Allocations in Budget-Feasible Mechanism Design: Bridging Multiple Levels of Service and Divisible Agents
针对预算可行采购中的部分分配问题，在能完全负担每个智能体的假设下，设计了适用于多级服务和可分服务的确定性、真实且预算可行的近似机制，并将线性估值下的最佳近似比改进至2。
2025-05-28 cs.GT
Budget Constrained Auctions with Heterogeneous Items
在本文中，我们提出了第一个近似算法的问题，设计收益最优贝叶斯激励兼容拍卖时，有多个（异构）项目，投标人可以有任意的需求和预算约束。我们的机制是令人惊讶的简单：我们表明，一个连续的所有支付机制是一个4近似的收入与离散的相关类型空间为每个投标人的最佳临时真实的机制。我们还表明，一个顺序公布的价格机制是一个O（1）近似的最佳事后真实机制的收入时，每个投标人的类型空间是一个产品分布，满足标准的风险率条件。我们进一步展示了对数近似时的风险率条件被删除，并完成了图片显示，实现一个子对数近似，即使是规则的分布和一个投标人，需要定价捆绑的项目。我们的研究结果是基于制定新的LP松弛这些问题，并制定通用的舍入方案的第一原则。我们相信，这种方法将是有用的，在其他贝叶斯机制设计上下文中。
2010-03-29 cs.DS cs.GT
