Pricing and Optimization in Shared Vehicle Systems: An Approximation Framework
由于存在\emph{complex network externalities}，与传统的资源分配设置相比，优化共享车辆系统（自行车/踏板车/汽车/乘车共享）更具挑战性-任何位置的需求/供应变化都会在短时间内影响整个系统的未来供应。这些外部性很好地捕捉到了稳态马尔可夫模型，因此被广泛用于分析这样的系统。然而，使用这样的模型来设计定价和其他控制策略在计算上是困难的，因为由此产生的优化问题是高维和非凸的。为此，我们开发了一个共享车辆系统的\emph{rigorous approximation framework}，提供了一个统一的方法，广泛的控制（定价，匹配，再平衡），目标函数（吞吐量，收入，福利），和系统约束（旅行时间，福利基准，张贴价格约束）。我们的方法是基于自然凸松弛的分析，并获得作为特殊情况下，现有的近似最优的政策，有限的设置，渐近最优的结果，和启发式的政策。由此产生的保证是非渐近的和参数，并提供操作的见解到现实世界的系统的设计。特别是，对于具有$n$站和$m$车辆的任何共享车辆系统，我们的框架获得了$1+(n-1)/m$的近似比率，当$m/n$（每个站的平均车辆数）很大时（实践中经常出现这种情况），这一点特别有意义。
2021-05-10 cs.DS cs.GT cs.SI
Pricing Social Goods
社会商品不仅赋予其所有者价值，也赋予所有者周围的环境价值，无论是他们的家人、朋友还是办公室同事。非所有者从商品中获得的利益受到许多因素的影响，包括商品的类型，其可用性以及非所有者的社会地位。根据利益的大小和商品的价格，潜在的购买者可能不购买商品，希望搭别人购买的便车。一个销售社会商品的收入最大化的卖家在为商品定价时必须考虑这些因素。在过去的十年里，关于最优定价的文献已经有了很大的进展，但是对于销售社会商品的最优定价方案却知之甚少。在本文中，我们进行了一个系统的研究收入最大化的定价方案的社会商品：我们引入了贝叶斯模型，这种情况下，并设计接近最优的定价方案，为各种类型的外部性，同时销售和顺序销售。
2017-07-03 cs.GT
Learning to Mitigate Externalities: the Coase Theorem with Hindsight Rationality
针对外部性研究中参与者需具备完全知识的假设限制，本文在双人多臂老虎机设定下扩展科斯定理，设计策略使参与者在不确定性中学习讨价还价以最大化总福利。
2025-01-28 cs.GT stat.ML
How to Schedule the Marketing of Products with Negative Externalities
在营销具有负外部性的产品时，规定消费者购买决策顺序的时间表是至关重要的，因为在消费者的社会网络中，每个消费者的决策都受到其邻居的选择的负面影响。本文研究了具有负外部性的两种不对称产品的销售计划问题。目标有两个：最大限度地提高一种产品的销售额，并确保无遗憾的购买决定。我们表明，最大化是NP难的，并提供了有效的算法，令人满意的性能保证。其中两个算法给出了防后悔的时间表，即它们达到了纳什均衡，没有消费者后悔他们以前的决定。我们的工作是第一次尝试从算法的角度来解决这些营销问题。
2013-03-25 cs.DS cs.GT
Peer Effects and Stability in Matching Markets
多对一匹配市场以多种不同的形式存在，例如大学招生，将医学实习生与医院进行住院实习，为大学生分配住房，以及经典的公司和工人市场。在所有这些市场中，外部性，如互补性和同行效应严重复杂的偏好排序的每个代理。此外，研究表明，外部性导致严重的问题，市场稳定性和开发有效的算法，以找到稳定的匹配。在本文中，我们观察到，同行效应往往是潜在的社会联系的结果，我们探讨了制定多对一的匹配市场，同行效应来自一个潜在的社会网络。我们的模型的主要特点是，它捕捉同行的影响和互补性使用效用函数，而不是传统的偏好排序。在此模型下，考虑一个较弱的稳定性概念，即双边交换稳定性，我们证明了稳定匹配总是存在的，并从社会福利的角度刻画了稳定匹配集.我们还给出了分布式算法，保证收敛到双边交换稳定匹配。为了评估这些算法的竞争比，并更普遍地描述匹配市场的效率与外部性，我们提供了一般的界限，福利的最坏情况下的稳定匹配可以从福利的最佳匹配，并发现社会网络的结构（例如，如何以及集群的网络）起着很大的作用。
2011-07-22 cs.GT cs.SI physics.soc-ph
Dynamic Pricing for Revenue Maximization in Mobile Social Data Market with Network Effects
移动数据需求在无线社交网络中急剧增加，并且因此迫切需要用于社交使能服务的有效定价方案。虽然静态定价在实际的数据市场中占主导地位，但价格直观上应该动态变化以产生更大的收入。关键问题是如何设计最优的动态定价方案，使预期的长期收入最大化。本文研究了垄断移动网络运营商在社会数据市场中的序贯动态定价策略。在市场上，运营商，即，卖方单独地向每个移动用户提供，即，买方，一定的价格在多个时间段内动态和重复。该方案利用了移动用户行为中的网络效应，促进了社交数据需求。此外，由于有限的无线电资源，无线网络拥塞的影响被考虑在定价方案。此后，我们提出了一个修改后的顺序定价政策，以确保社会公平的移动用户在他们的个人效用。我们分析表明，建议的顺序动态定价方案可以帮助运营商获得更大的收入和移动用户实现更高的总效用比基线静态定价方案。为了获得更多的见解，我们进一步研究了一个同时动态定价方案，其中运营商确定在每个时间段开始时的定价策略。移动用户在每个时间段内同时决定自己的数据需求，同时考虑社会域的网络效应和网络域的拥塞效应。我们使用Erdens-Rényi（ER）模型和基于真实数据集的社交网络构建社交图，用于性能评估。
2018-08-13 cs.GT
Optimal Pricing for Linear-Quadratic Games with Nonlinear Interaction Between Agents
本文研究具有严格凹交互函数的线性二次网络博弈的最优定价策略，证明了唯一纳什均衡的存在性，发现利用网络结构的最优定价严格优于网络无关策略，且最大收益多在非对称网络中实现，并提出高效求解算法。
2024-06-03 cs.GT math.OC
Learning From Social Interactions: Personalized Pricing and Buyer Manipulation
The Chinese University of Hong Kong, Shenzhen（香港中文大学（深圳））；Singapore University of Technology and Design（新加坡科技设计大学）
本文研究买家如何战略性地操纵社交互动信号以逃避个性化定价，分析卖家如何在考虑买家策略时设计定价方案，发现高偏好买家操纵行为可能使自身收益下降，但卖家仍能从中获益。
2026-03-27 cs.GT cs.SI
Mobile Social Services with Network Externality: From Separate Pricing to Bundled Pricing
如今，许多无线设备提供商选择销售与补充移动社交服务捆绑的设备，这表现出很强的正网络外部性。本文旨在量化销售设备和补充服务的好处下，以下三种策略：单独定价，捆绑定价和混合定价（单独和捆绑选项都提供）。本文分别针对物理连接共享和虚拟内容共享这两种流行的服务模型，对上述三种策略进行了综合比较。我们首先研究物理服务模型，其中提供商（例如，FON）为用户提供定制的WiFi设备，用于室内互联网接入，并允许服务订阅者在旅行时物理访问所有设备所有者的WiFi。观察到所有的设备所有者有助于连接共享，我们表明，通过Stackelberg博弈论的方法，捆绑定价优于单独定价，只要设备和服务的总成本是合理的低，以刺激网络外部性。此外，由于定价的灵活性，混合定价严格优于捆绑定价，以保持较高的边际利润的设备销售。接下来，我们研究虚拟共享服务模型，其中提供商（例如，苹果）销售设备和设备支持的应用程序。与连接服务模型不同，在该模型中，服务订户直接贡献于虚拟内容共享，并且网络外部性可以相当强。我们证明了混合定价退化为捆绑定价，如果网络外部性程度大于平均设备估值，这是在形成鲜明对比的连接服务模型，混合定价总是优于捆绑定价。
2018-03-20 cs.GT
The Implications of Pricing on Social Learning
我们研究了经典羊群模型中内生定价对学习和福利的影响。当价格是由外生因素决定的时候，我们知道学习的发生当且仅当信号是无界的。相比之下，我们表明，学习可以发生时，信号是有界的，只要消费者之间的不一致是稀缺的。更正式地说，当且仅当信号表现出下面介绍的消失似然特性时，学习才会发生。我们讨论了我们的研究结果的潜在市场失灵的背景下，熊彼特增长的不确定性的创新价值。
2019-05-09 cs.GT econ.TH
Personalized Pricing Through Strategic User Profiling in Social Networks
The Chinese University of Hong Kong, Shenzhen（香港中文大学（深圳））；Singapore University of Technology and Design（新加坡科技设计大学）
本文研究了社交网络中用户如何管理社交活动以应对个性化定价，以及卖家如何调整定价方案以促进用户画像。
2025-11-17 cs.GT cs.SI
Explainable Graph Neural Networks via Structural Externalities
SCSE, University of Electronic Science and Technology of China（电子科学与技术大学信息与通信工程学院）
针对图神经网络黑箱可解释性难题，本文提出基于合作博弈与社会外部性的 GraphEXT 框架，通过联盟划分和外部性 Shapley 值衡量节点结构交互贡献，实验证明其保真度优于基线。
2025-07-19 cs.AI cs.GT cs.LG
SWDPM: A Social Welfare-Optimized Data Pricing Mechanism
本研究提出基于匹配的马尔可夫决策过程建模多轮数据交易，并设计SWDPM机制优化定价，数值实验显示可提升社会福利达3倍，交易可行性、效率与公平性分别提高54%、43%和25%。
2023-05-08 cs.CE cs.CY cs.GT
Market Pricing for Matroid Rank Valuations
本文研究了组合市场中通过定价方案最大化社会福利的问题。我们认为存在的价格，能够实现最佳的社会福利没有一个中央平局打破协调。在两个买家的情况下，排名估值，我们给多项式时间算法，总是找到这样的价格时，一个拟阵是一个简单的分区拟阵或两个拟阵是强基有序。这一结果部分回答了Düetting和Végh在2017年提出的一个问题。我们进一步形式化了Düetting和Végh猜想的一个加权变式，并证明了基于Frank关于加权拟阵交的权分裂定理，加权变式可以化为非加权变式.我们还表明，一个类似的减少技术工程M ${}^\natural$凹函数，或等效的，总替代功能。
2020-07-17 cs.DM cs.GT
Auctioning Attention on Social Networks
University of Illinois Urbana-Champaign（伊利诺伊大学厄巴纳-香槟分校）
针对社交媒体注意力分配冲突，提出基于拍卖的信息流构建机制，引入税收政策平衡生产者与消费者福利，在实证与合成网络模拟中提升生产者福利并优化注意力分配公平性。
2026-08-10 cs.GT
Regulating Competition in Age of Information under Network Externalities
在线内容平台关心其内容更新对其终端客户的新鲜度，并且越来越多的平台现在邀请并支付人群来采样实时信息（例如，交通观测和传感器数据），以帮助减少其信息年龄（AoI）。随着时间的推移，需要采样和购买多少众包数据对于平台的AoI管理来说是一个关键问题，需要在AoI和产生的采样成本之间保持良好的平衡。考虑到采样后的阶段，这个问题变得更加有趣，多个平台共存于共享有限带宽的内容分发网络，并且在负网络外部性下，一个平台的更新可能会阻塞或抢占其他平台的更新。当这些自私的平台知道彼此的采样成本，我们制定了他们的竞争作为一个非合作的游戏，并表明他们希望过度采样，以减少自己的AoI，导致无政府状态（PoA）的无政府代价是无穷大。为了弥补这一巨大的效率损失，我们提出了一种在重复博弈中的非金钱惩罚触发机制，以强制平台合作，以接近社会最优。我们还研究了更具挑战性的不完全信息的情况下，一些新的平台隐藏其私人抽样成本信息，从其他现任的贝叶斯游戏平台。也许令人惊讶的是，我们表明，即使是拥有更多信息的平台也可能受到伤害。我们成功地重新设计了惩罚机制，以否定平台的信息优势，确保没有作弊。我们广泛的模拟表明，该机制可以弥补由于平台竞争造成的巨大效率损失，并且随着我们拥有更多具有已知成本信息的现任平台，性能得到改善。
2019-09-04 cs.GT
Optimal Pricing in Social Networks with Incomplete Information
在社交网络中销售数字产品的收入最大化中，代理的效用通常被认为有两个部分：私人估值和来自其他代理的线性加性影响。我们研究了不完全信息的情况下，代理人知道一个共同的分布，其他的私人估值，并作出决策的同时。在这种情况下，代理人的"理性行为"被著名的贝叶斯纳什均衡捕获。出现了两个具有挑战性的问题：如何计算一个均衡，以及如何优化定价策略，从而最大限度地提高收入假设代理遵循均衡？在本文中，我们主要集中在自然模型中，每个代理人的私人估值是从均匀分布中采样的，这已经是具有挑战性的。我们的主要结果是一个多项式时间算法，可以精确地计算均衡和最优价格，当成对的影响是非负的。如果允许负面影响，计算任何均衡，即使是近似的，也是PPAD困难的。我们的算法也可以用来设计一个FPTAS优化歧视性价格剖面。
2011-09-24 cs.GT
Multi-Hop Privacy Propagation for Differentially Private Federated Learning in Social Networks
School of Artificial Intelligence, Sun Yat-sen University, China（人工智能学院，中山大学）
本文研究社交网络中联邦学习的隐私外部性问题，提出一种社会感知的隐私保护机制，通过多跳传播模型量化间接隐私泄露，并利用两阶段Stackelberg博弈和平均场估计器优化客户端隐私预算，实验证明该方法在保持模型性能的同时显著提升了客户端效用并降低了服务器成本。
2025-08-11 cs.DC cs.GT cs.LG
Envy-free dynamic pricing schemes
组合市场由一组不可分割的项目和一组代理人组成，其中每个代理人都有一个估价函数，该函数为每个项目子集指定其对给定代理人的价值。从优化的角度来看，目标通常是确定一对提供资源的有效分配的物品的定价和分配，即，使社会福利最大化，或者使卖方尽可能有利可图，即，最大化收益。为了克服以静态价格运作的机制的弱点，最近的一系列研究集中在动态定价计划上。在这个模型中，代理人到达一个未指定的顺序，价格可以在两个代理人到达之间更新。虽然动态设置能够在各种情况下最大化社会福利，但代理人一个接一个到达的假设消除了公平的标准概念。本文研究了单位需求市场中在公平约束下最优动态价格的存在性问题。我们提出了四种可能的概念，不同的强度取决于代理人比较自己与他人的时间段：整个时间范围内，只有过去，只有未来，或只有现在。对于社会福利最大化，而第一个定义导致瓦尔拉斯均衡，我们给出多项式时间算法，总是找到无嫉妒的最优动态价格在其余三种情况下。与此相反，对于收入最大化，我们表明，相应的问题是APX-硬的，如果代理商的顺序是固定的。在积极的一面，我们给多项式时间算法的设置时，卖方可以选择代理到达的顺序。
2023-01-04 cs.DM cs.GT
Inequity Aversion Pricing over Social Networks: Approximation Algorithms and Hardness Results
我们研究了社交网络背景下的收益最大化问题。也就是说，我们考虑了Alon，Mansour和Tennenholtz（EC 2013）引入的模型，该模型捕捉了不公平厌恶，即，提供给相邻顶点的价格不应显著不同。首先，我们提供了近似算法的自然类的实例，称为类的单值收入函数。我们的结果改善了当前的艺术状态，特别是当不同价格的数量很少时。例如，这适用于卖方只考虑固定数量的折扣类型或特别优惠的设置。然后，我们解决了阿隆等人提出的一个悬而未决的问题，通过为问题建立APX硬度。令人惊讶的是，我们进一步表明，这个问题是NP完全的，即使当价格差异被允许是大的，甚至当允许的不同价格的数量是小到三个。最后，我们提供了一些扩展的模型，无论是允许的价格或客户端的需求类型。
2019-12-17 cs.GT
Pricing Online Decisions: Beyond Auctions
我们认为，在自私的代理人产生在线事件的在线设置中的动态定价方案。先前关于在线机制的工作几乎完全涉及在拍卖设置中最大化社会福利或收入的目标。本文涉及相当一般的设置和社会成本最小化。我们表明，适当计算后的价格允许一个最好的在线算法实现基本相同的性能。这适用于各种各样的环境。与在线算法不同，在线算法了解事件，然后做出可执行的决策，价格在不知道未来事件甚至当前事件的情况下发布，因此本质上是主导策略激励兼容的。特别是，我们可以给有效的发布价格机制计量任务系统，$k$服务器问题的一些实例，和计量匹配问题。我们给出了确定性和随机算法。这种公布的价格机制大大降低了社会成本，而不是自私的行为，因为没有任何决定会产生费用。一个诱人的应用是以指数级方式降低免费停车的社会成本。
2015-04-05 cs.DS cs.GT
The Invisible Hand of Dynamic Market Pricing
瓦尔拉斯价格（如果存在的话）具有这样的性质，即人们可以在其需求集中为每个购买者分配一些捆绑产品，使得最终的分配将使社会福利最大化。不幸的是，这需要仔细打破买方需求集中不同捆绑包之间的联系。据推测，店主巧妙地说服买家以符合社会福利最大化的方式断绝关系。如果没有这样一个店主，如果购买者按顺序到达，并简单地在他们的需求集中选择一些任意的捆绑，社会福利可能是任意坏的。在匹配市场的背景下，我们展示了如何计算动态价格，根据当前的库存，保证社会福利最大化。这样的价格是在不知道下一个买家的身份的情况下确定的。我们还表明，这是不可能的一般（例如，对于覆盖范围评估），但是考虑可以这样做的其他场景。我们进一步扩展我们的结果贝叶斯和有限理性模型。
2018-06-05 cs.DS cs.GT
A Two-Step Approach to Optimal Dynamic Pricing in Multi-Demand Combinatorial Markets
在线市场是日常生活的一部分，其规则由算法控制。假设参与者本质上是自利的，那么设计良好的规则有助于增加社会福利。在线市场的许多算法都是基于价格的：卖家负责发布价格，而买家则根据发布的价格进行最有利可图的购买。为了对市场进行调整，允许卖方在某些时间点更新价格。发布价格是设计市场的直观方式。尽管事实上，每个买方的行为自私，卖方的目标往往被认为是社会福利最大化。Berger、Eden和Feldman最近考虑了一个只有三个购买者的市场，其中每个购买者都有固定数量的商品要购买，购买的一捆商品的利润是这捆商品中商品利润的总和。对于这样的市场，Berger et. Al.的研究表明，卖方可以通过在每个买方到达之前动态更新张贴的价格来最大化社会福利。Bérczi、Bérczi-Kovács和Szögi表明，当每个购买者准备购买最多两件物品时，社会福利也可以最大化。我们研究了在更一般的情况下，动态更新的张贴价格的力量。首先，我们证明了Berger et.可以概括为三到四个买家。然后，我们证明了Bérczi，Bérczi-Kovács和Szögi的结果可以推广到每个买家准备购买多达三个项目的情况。我们还表明，动态定价是可能的，只要有最多两个分配最大化社会福利。
2022-01-30 cs.GT
Technology Choices and Pricing Policies in Public and Private Wireless Networks
本文研究了由一个垄断提供商提供的无线网络，该垄断提供商可能是仁慈的（寻求社会福利最大化）或自私的（寻求提供商利润最大化）。该文件解决的问题，似乎没有被研究过的工程文献中的无线网络：在什么情况下是可行的供应商，无论是仁慈的或自私的，以这样的方式来运营网络，以支付成本？仁慈的提供者的最优行为与自私的提供者的最优行为有何不同？这种差异如何影响社会福利？最重要的是，媒体访问控制（MAC）技术如何影响这些问题的答案？为了解决这些问题，我们建立了一个通用的模型，并提供了分析和模拟简化，但典型的情况下，在这些情况下的重点是载波侦听多址（CSMA）下获得的结果和时分多址（TDMA）下获得的结果之间的对比。仿真结果表明，MAC技术的差异可以对社会福利，对供应商的利润，甚至对无线网络的（财务）可行性有显着的影响。
2012-09-14 cs.GT
Pricing Traffic Networks with Mixed Vehicle Autonomy
University of California, Berkeley（加州大学伯克利分校）
本文研究了通过定价机制消除混合自动驾驶交通网络中均衡的低效率问题，探讨了统一定价和差异化定价对社会延迟的影响，并证明了在道路容量不对称度均匀时，边际成本税收定价可实现最小社会延迟。
2019-04-02 cs.GT cs.SY eess.SY
Interactive Learning with Pricing for Optimal and Stable Allocations in Markets
UC Berkeley（加州大学伯克利分校）；Salesforce Research（赛富时研究院）
大规模的在线推荐系统必须在竞争用户之间分配有限数量的项目，同时从用户反馈中学习他们的偏好。作为在设计中纳入市场约束和用户激励的原则性方法，我们认为我们的目标是双重的：最大的社会福利和最小的不稳定性。为了最大限度地提高社会福利，我们提出的框架提高了质量的建议，探索分配，乐观地最大化的回报。为了最大限度地减少不稳定性（衡量用户偏离推荐分配的动机），该算法根据从瓦尔拉斯均衡推导出的方案对物品进行定价。虽然它是已知的，这些均衡产生稳定的价格与已知的用户偏好的市场，我们的方法占固有的不确定性的偏好，并进一步确保用户接受他们的建议下提供的价格。据我们所知，我们的方法是第一个整合技术，从组合土匪，最佳资源分配，协同过滤，以获得一个算法，实现次线性社会福利遗憾，以及次线性不稳定。对合成和真实世界数据的实证研究也证明了我们的策略与没有完全结合所有这些方面的方法相比的有效性。
2022-12-13 cs.GT cs.LG
Social Welfare in Battery Charging Games
该研究从博弈论视角分析家庭电池充电决策，提出斯塔克尔伯格市场模型，通过价格激励优化可再生能源利用，发现均衡存在性及社会福利受定价策略影响显著。
2025-08-08 cs.GT
Production and Network Formation Games with Content Heterogeneity
在线社交网络（例如Facebook、Twitter、Youtube）为共享用户生成的内容提供了流行的、具有成本效益的和可扩展的框架。本文讨论了内在的激励问题，居住在社交网络使用博弈论模型，个人用户自私的交易成本形成的链接（即他们互动）和生产的内容，个人对这样做的潜在回报。从不同用户产生的内容完全可替代的假设出发，我们明确考虑用户产生的内容的异质性，并研究它如何影响用户的行为和社交网络的结构。在给定内容异质性的情况下，我们严格证明了当社交网络的人口足够大时，每个（严格）非合作均衡应该由对称网络拓扑组成，其中每个用户产生相同数量的内容并具有相同的度，或者两级分层拓扑，所有用户属于两种类型之一：产生大量内容的影响者和产生少量内容并从影响者获得其大部分内容的订户。与此同时，少数法则在这样的网络中消失了。此外，我们证明了社会最优总是由对称拓扑的网络实现的，其中用户的效用之和最大化。为了给用户提供生产和相互分享社会最优数量的内容的激励，提出了一种定价方案，我们表明，社会最优可以实现作为一个非合作的均衡与内容获取和链接形成的定价。
2011-09-20 cs.GT cs.SI physics.soc-ph
Approximately Efficient Bilateral Trade with Samples
针对双边贸易中定价方仅有价值分布样本的情形，本文证明一大类抽样定价机制仍可在期望下保证常数比例的理想贸易收益，并通过归约为随机游走揭示其社会福利近似卖方最优收入。
2025-02-18 cs.GT
Pricing, Competition, and Routing for Selfish and Strategic Nodes in Multi-hop Relay Networks
我们研究了多跳中继网络中的定价博弈，其中节点自私地和策略性地为他们的服务定价并路由他们的流量。在这个博弈中，每个节点（1）宣布定价函数，该定价函数指定它根据路由到它的流量的数量向其相应客户要求的支付，并且（2）将它接收到的总流量分配给它的服务提供商。一个节点的利润是从服务他人获得的收入与使用他人服务的成本之间的差额。我们表明，这样的游戏的社会最优路由总是可以诱导的均衡，没有节点可以增加其利润，单方面改变其定价函数或路由决策。另一方面，也可能存在非效率均衡。我们通过推导无效率均衡下无政府状态无政府代价来描述效率损失。我们证明了对于边际成本函数为凹函数的寡头垄断，无政府状态的无政府代价是有限的，而对于一般拓扑和成本函数，无政府状态的代价是无限的。
2007-10-15 cs.GT
Dynamic routing for social information sharing
如今，由于新兴的移动社交网络，移动用户紧密地相互连接，当他们在不同的路线上旅行并访问城市的不同区域时，他们可以在其中共享基于位置的信息。在我们的模型中，收集的信息将在所有用户的旅行中进行汇总，并作为公共产品公开提供。由于信息的重叠，总的有用内容量增加的多样性，由用户的路径选择，这是至关重要的，以激励自私的用户选择不同的路径，尽管潜在的较高的成本与他们的行程。本文将社会信息共享的好处与基本路径选择问题相结合，在基本路径选择问题中，单位数量的非原子自私用户通过在高成本路径和低成本路径之间进行选择来决定他们的行程，以弥补所有用户都选择探索单一路径的低效低内容均衡（低成本路径），我们提出并分析了两个新的激励机制，可以使用的社会网络应用程序，一个基于边支付，另一个基于限制选择低成本路径的用户访问内容。我们还获得了无政府状态的结果显示了在实现路径多样性和保持更大的用户参与之间的一些基本权衡，激励组合机制以进一步增加社会福利。我们的模型扩展了经典的动态路由的情况下，外部性所造成的不同路径的网络流量。
2016-08-11 cs.GT
On Optimal Two-Sided Pricing of Congested Networks
传统上，互联网接入提供商（AP）仅向最终用户收取互联网接入服务的费用;然而，为了收回基础设施成本并增加收入，一些AP最近采用了向最终用户和内容提供方两者收费的双边定价方案。与此同时，随着业务量的快速增长，网络拥塞会严重降低用户体验，影响运营商的效用。为了优化利润和社会福利，AP和监管机构需要设计适当的定价策略和监管政策，考虑网络拥塞的影响。本文建立了用户交通需求受外生定价和内生阻塞参数影响的双边网络模型，并推导了系统在均衡状态下的阻塞。我们描述了利润和福利最优双边定价方案的结构和敏感性，并揭示了1）系统吞吐量的弹性在确定最优定价结构中起着至关重要的作用，2）在不同的AP容量和用户的拥塞敏感性下，最优定价的变化在很大程度上取决于数据流量的类型，例如，3）当AP的容量和用户对视频流量的需求增长时，AP和监管机构将被激励从单边定价转变为双边定价。我们的研究结果可以帮助AP设计最优的双边定价，并指导监管机构制定理想的政策。
2017-06-13 cs.GT cs.NI
Social Learning with Limited Attention: Negative Reviews Persist under Newest First
Stern School of Business, New York University（纽约大学斯特恩商学院）；Massachusetts Institute of Technology（麻省理工学院）
研究平台采用“最新优先”排序时，有限注意力导致负面评论比正面评论更持久，从而显著降低长期收益，并探讨动态定价的缓解作用。
2026-05-30 cs.GT
Strategic Coalition for Data Pricing in IoT Data Markets
Aalborg University（奥尔堡大学）；Imperial College London（帝国理工学院）；Technical University of Denmark（丹麦技术大学）
本文针对物联网数据市场提出一种基于博弈论的联盟形成算法，通过优化设备间合作与数据定价，实现信息泄露成本最小化，并显著提升卖家平均收益达32.72%。
2023-08-29 cs.DC cs.GT cs.LG
Learning Anonymous Pricing for Online Resource Allocation
Google Research（谷歌研究院）；School of Computer Science, Georgia Institute of Technology（佐治亚理工学院计算机学院）
研究在线资源分配中匿名定价的可学习性，提出利用样本和查询学习近优匿名定价算法，解决动态定价的公平性和先验顺序依赖问题。
2026-06-26 cs.GT
Efficient Carpooling and Toll Pricing for Autonomous Transportation
在本文中，我们讨论了由[Ostrovsky和Schwarz，2019]首次提出的自动拼车运输市场竞争均衡的存在性和计算。在均衡状态下，市场以社会最优的方式在交通网络上组织拼车旅行，并为个体乘客设定相应的支付和边缘的通行费价格。市场结果保证了个体理性、拼车出行稳定性、预算平衡和异质乘车偏好下的市场出清属性。我们表明，市场的存在性问题可以解决证明的线性规划问题的整数最优解的存在性。我们刻画了网络拓扑结构和乘客拼车的负效用条件，在此条件下，可以在多项式时间内计算市场均衡。这种特征依赖于组合拍卖理论和最小成本网络流问题的思想。最后，我们描述了一个市场均衡，实现战略性和最大化福利的个人车手。
2021-02-18 cs.GT
Dynamic Pricing Provides Robust Equilibria in Stochastic Ridesharing Networks
拼车市场是复杂的：司机是战略性的，乘客需求和司机可用性是随机的，复杂的城市规模的现象，如天气，引起大规模的相关性跨越空间和时间。与此同时，过去的工作侧重于这些挑战的一个子集。我们提出了一个具有战略驱动、时空动态和随机性的拼车网络模型。支持计算的易处理性和更好的建模灵活性比经典的流体限制，我们使用一个两级随机模型，允许相关的天气或大型公共事件引起的冲击。利用该模型，我们提出了一种新的定价机制：随机时空定价（SSP）。我们证明了SSP机制是渐近激励相容的，当市场足够大时，所得博弈的所有（近似）均衡都是渐近福利最大化的。SSP机制基于已实现的需求和供给迭代地重新计算价格，在这个意义上，价格是动态的。我们表明，这是至关重要的：虽然一个静态的SSP机制（其价格随市场水平的随机情况而变化，但不是个人骑手和司机的决定）的变种有一个序列的渐近福利最优近似均衡，我们证明，它也有其他均衡产生极低的社会福利。因此，我们认为，动态定价是很重要的，以确保在随机乘车共享网络的鲁棒性。
2022-05-19 cs.GT math.OC
Multi-operator spectrum sharing using matching game in small cells network
在本文中，我们研究了一个问题，多个运营商（OP）需要共享一个共同的频谱池。我们的目标是最大化社会福利，定义为OP的总体加权总和率。该问题被分解为两个部分：第一部分是分配RB到OP，我们这样做，通过扩展的框架多对一匹配的外部性博弈。第二部分是分配属于每个OP的小小区基站（SBS）的功率，这使用强化学习来完成。假设与每个OP相关联的SBS在空间上按照泊松点过程（PPP）分布，我们证明了成对稳定匹配达到局部最大值的社会福利函数。我们提出了两个算法来寻找稳定的匹配。仿真结果表明，这些算法在收敛性和效率方面表现良好。
2018-08-27 cs.GT cs.NI
