Incentive Systems in Multi-Level Markets for Virtual Goods
作为严格的DRM措施的替代方案，通过多层次或网络营销来营销虚拟商品的方式引起了一些兴趣。本报告首次从理论经济学的角度探讨虚拟商品的多层次市场。一个通用的，运动学模型的货币流在多层次的市场，定量地描述了买家通过转售收入的激励，设计。在此基础上，货物的竞争是在一个动态的，效用理论模型，使特别是治疗搭便车的问题。最重要的影响，虚拟商品的多层次的市场机制，或多层次的激励管理系统的设计，概述。
2005-06-17 cs.CY cs.GT
Sustainable Incentives for Mobile Crowdsensing: Auctions, Lotteries, and Trust and Reputation Systems
适当的激励机制对于移动众测系统激励人们积极持续地参与至关重要。本文阐述了六种激励机制的设计原则，特别强调了可持续性问题。我们涵盖了三个主要类别的激励机制：拍卖，彩票，信任和声誉系统，以及其他三个有前途的潜力框架：讨价还价的游戏，合同理论和市场驱动的机制。
2017-02-24 cs.GT cs.HC cs.SI
Stay by thy neighbor? Social organization determines the efficiency of biodiversity markets with spatial incentives
以市场为基础的养护手段，如付款、拍卖或可交易许可证，都是环境政策，为土地所有者提供财政奖励，鼓励他们自愿养护自己的土地。但是，如果生态过程跨越财产边界运作，一个财产的土地使用决定影响邻近地点的生态系统功能，那该怎么办？本文探讨了如何考虑这种空间的外部性时，设计基于市场的保护手段。我们使用一个基于代理的模型来分析不同的空间指标及其对土地利用决策的影响，在一个动态的成本环境。该模型包含了一些不同的激励设计和代理人的社会互动，后者包括协调以及代理人的合作行为的替代子模型。我们发现，激励设计和社会互动的保护市场的空间配置和成本有很大的影响。
2010-09-03 cs.GT physics.soc-ph
A novel incentive-based demand response model for Cournot competition in electricity markets
本文分析了电力市场中采用激励需求响应时发电商之间的竞争。模型中考虑了火力发电和水力发电。利用一个sigmoid函数和两个线性函数设计了一个平滑的逆需求函数，用于模拟激励型需求响应计划下的消费者偏好。发电商竞相向消费者双边出售能源，系统运营商提供输电和套利服务。将各代理商的收益作为一个优化问题，通过同时求解所有发电商的Karush-Kuhn-Tucker条件，得到竞争结果。纳什古诺均衡发现系统正常运行时，在高峰需求时间时，DR是必需的。在此模型下，结果表明，DR减少了在高峰期的能源消耗，电力需求转移到非高峰时间，并提高了净消费者盈余，由于参与DR计划收到的激励。然而，由于交易能源和市场价格的下降，发电商的利润减少。
2018-02-22 cs.GT
Long-Term Profit-Maximizing Incentive for Crowd Sensing in Mobile Social Networks
人群感知是一种新的模式，它利用配备传感器的移动设备提供感知服务，如法医分析，记录公共空间，以及协作构建统计模型。要达致良好的服务质素，用户的广泛参与是不可或缺的。目前，大多数现有的机制集中在保证良好的服务质量的基础上瞬时广泛的用户参与的人群感知应用。很少有人关注一直致力于最大限度地提高长期服务质量的人群传感应用，由于他们的不对称的利益，偏好，自私的行为，等，为了填补这些空白，在本文中，我们推导出封闭的表达的基础上，在经济学的垄断聚集的边际感知数据质量。此外，我们还设计了基于边际质量的长期人群感知应用激励机制，不仅通过最大化移动用户的预期总利润来提高用户的广泛参与，而且通过应用边际质量来激励移动用户生产高质量的内容。最后，仿真结果表明，我们的机制优于现有的解决方案。
2015-05-25 cs.GT cs.NI cs.SI
Privacy-Preserving Verifiable Incentive Mechanism for Crowdsourcing Market Applications
最近，提出了一类新的激励机制，以吸引广泛的用户真实地参与人群感知应用与给定的预算约束。在人群感知应用中，类机制也为请求者带来了良好的服务质量。尽管它如此重要，但仍然存在许多验证和隐私挑战，包括用户出价和子任务信息隐私和身份隐私，平台的获胜者设置隐私以及支付结果的安全性。本文提出了一种预算约束下的隐私保护可验证的人群感知应用激励机制，不仅探讨了如何保护用户和平台的隐私，还探讨了如何使平台和用户之间的可验证支付正确的人群感知应用。结果表明，我们的隐私保护的可验证的激励机制达到了相同的结果，没有隐私保护的一般。
2014-10-19 cs.GT
Behavior-Based online Incentive Mechanism for Crowd Sensing with Budget Constraints
人群感知是一种新的模式，它利用无处不在的配备传感器的移动设备来收集数据。为了实现良好的人群感知质量，激励机制对于吸引更多的参与者是必不可少的。现有的机制大多关注感知前的期望效用，忽略了低质量解决方案和隐私泄露的风险。Vickrey-Clarke-Groves（VCG）机制及其变体等传统激励机制在此不适用。针对这些挑战，本文提出了一种基于行为的激励机制，通过在移动社交网络（MSNs）中应用顺序全付费拍卖机制，在预算约束条件下，不仅考虑用户广泛参与的影响，而且最大化基于上下文的感知内容提交给人群感知平台，用户按顺序到达。通过大量的模拟，结果表明，我们提出的框架中的激励机制优于现有的最佳解决方案。
2014-04-30 cs.GT cs.NI
General Privacy-Preserving Verifiable Incentive Mechanism for Crowdsourcing Markets
在众包市场中，有两种不同类型的工作，即同质工作和异质工作，需要分配给工人。激励机制是吸引用户广泛参与以实现良好服务质量的必要条件，特别是在给定的预算约束条件下。为此，最近，Singer等人提出了一类新的拍卖机制，用于确定受给定预算约束的众包市场的任务的近最优价格。他们的机制是非常有用的，以激励广泛的用户真实地参与众包市场。尽管它们如此重要，但在现实生活环境中仍然存在许多安全和隐私挑战。本文提出了一种具有预算约束的众包市场隐私保护的可验证激励机制，不仅研究了在同质和异质工作的众包市场中如何保护投标和任务的隐私、中标者的隐私以及用户的身份隐私，而且研究了众包应用平台和用户之间的可验证支付。结果表明，我们的一般隐私保护的可验证的激励机制实现了相同的结果，一般的一个没有隐私保护。
2014-07-22 cs.CR cs.GT
Note on VCG vs. Price Raising for Matching Markets
在\cite{EK10}中，在匹配市场中使用VCG的动机是为了计算匹配市场中的市场清算价格，拍卖师需要知道投标人的真实估价。因此，VCG和相应的个性化价格被提出作为一种激励兼容机制。同样的论点出现在几个讲义和其他文件相关的课程基础上伊斯利和克莱因伯格的书，似乎表明，计算市场清算价格和相应的作业是\emph{not}激励兼容。我们的说明的主要目的是观察到，相比之下，基于买方最优市场清算价格的分配确实是激励相容的。
2016-04-14 cs.GT
The Incentive Ratio in Exchange Economies
激励比率衡量战略行为的效用收益。在没有任何设置限制的情况下，线性、Leontief和Cobb-Douglas交易所市场的比率是无界的，这表明操纵均衡是一项值得的努力，即使在计算上具有挑战性。即使代理人只是误报了他们的效用函数，这种无限的改进也可以实现。这与费舍尔市场以前的结果形成了鲜明的对比。当柯布-道格拉斯设置更严格时，最大效用收益受商品数量的限制。通过一个例子，我们表明，这是可能的，超过一个已知的上限的费雪市场在交换经济。
2017-04-28 cs.GT
Incentive Mechanisms for Hierarchical Spectrum Markets
Univ. of Thessaly（塞萨洛尼基大学）；Technical University of Munich（慕尼黑工业大学）；University of Melbourne（墨尔本大学）
针对分层多级频谱市场中的效率损失问题，提出一种基于定价的激励机制，通过协调主要运营商（PO）与监管机构的目标，提升社会福利。
2011-12-13 cs.GT cs.NI cs.SY
An Incentive Mechanism for Periodical Mobile Crowdsensing from a Frugality Perspective
移动人群感知（MCS）由于其灵活和普遍的感知能力，近年来得到了广泛的研究。虽然已经建立了许多激励机制来吸引广泛的用户参与，但这些机制大多只关注独立任务场景，其中感知任务彼此独立。相反，我们专注于一个周期性的任务的情况下，每个用户定期参与相同类型的传感任务。在本文中，我们考虑了长期用户参与激励一般期刊MCS系统从节俭支付的角度。我们探讨的问题下半在线（期间内的互动过程是同步的，而期间间的互动过程是顺序和异步在每个时期）和在线用户到达模型（前两个互动过程是顺序和异步）。特别是，我们首先提出了一个半在线节俭的激励机制，通过引入李雅普诺夫方法。此外，我们还将其扩展到一个在线的节俭激励机制，它满足恒定的节俭。此外，这两种机制还能满足计算效率、渐近最优性、个体理性和真实性等要求。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。
2015-05-14 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
An Incentive Mechanism for Federated Learning in Wireless Cellular network: An Auction Approach
Kyung Hee University（庆熙大学）；The University of Sydney（悉尼大学）；University of Houston（休斯顿大学）
联邦学习（Federated Learning，FL）是一种分布式学习框架，它能够解决机器学习中的分布式问题，同时又能保证较高的学习性能。然而，这是不切实际的，所有用户将牺牲他们的资源加入FL算法。这促使我们研究FL的激励机制设计。在本文中，我们考虑一个FL系统，涉及一个基站（BS）和多个移动用户。移动用户使用自己的数据来训练本地机器学习模型，然后将训练好的模型发送到BS，BS生成初始模型，收集本地模型并构造全局模型。然后，我们将基站和移动用户之间的激励机制构建为一个拍卖博弈，其中基站是拍卖师，移动用户是卖家。在建议的游戏中，每个移动用户提交其出价根据最小的能源成本，移动用户的经验，在参与FL.为了决定在拍卖中的赢家，最大化社会福利，我们提出了原始-对偶贪婪拍卖机制。该机制可以保证三个经济属性，即真实性，个人理性和效率。最后，数值结果表明，我们所提出的机制的性能有效性。
2020-09-22 cs.GT cs.LG cs.NI
A Socially-Aware Incentive Mechanism for Mobile Crowdsensing Service Market
移动群体感知已经显示出巨大的潜力，以解决大规模的问题，通过分配传感任务，无处不在的移动用户（MU）。如果他们能获得满意的奖励，他们将参加一个众测平台。在本文中，为了有效和高效地招募足够的MU，即，的参与者，我们研究了最优的奖励机制的垄断Crowdsensing服务提供商（CSP）。我们将奖励和参与建模为两阶段博弈，并利用逆向归纳法分析了MU的参与水平和CSP的最优奖励机制。同时，奖励的设计考虑到移动社交网络中潜在的社交网络效应，以激励参与者。也就是说，一个MU将从当地邻居在社交网络中提供或分享的信息中获得额外的好处。在完全信息条件下，给出了区别性报酬和一致性报酬的解析表达式，以及不完全信息条件下报酬激励的近似表达式。性能评估表明，网络效应极大地刺激了CSP的更高的移动参与水平和更大的收入。此外，歧视性奖励使CSP能够从这个Crowdsensing服务市场中获得更大的盈余。
2018-08-13 cs.GT
Both eyes open: Vigilant Incentives help Regulatory Markets improve AI Safety
Teesside University（提赛德大学）
在人工智能领导者快速发现的背景下，政府必须考虑如何设计与新人工智能能力不断增长的步伐相匹配的监管。人工智能的监管市场是一个考虑到适应性而设计的提案。它涉及政府为人工智能公司制定基于成果的目标，这些公司可以通过从私人监管机构市场购买服务来实现这一目标。我们使用进化博弈论模型来探索政府在为人工智能系统建立监管市场方面可以发挥的作用，以阻止鲁莽行为。我们警告说，阻碍监管市场实现这一目标的激励措施非常容易。这些“赏金激励”只奖励那些发现不安全行为的私人监管机构。我们认为，人工智能公司可能会学会根据监管机构的投入量身定制自己的行为，从而阻止监管机构进行创新。相反，我们建议政府总是奖励监管机构，除非他们发现这些监管机构未能发现他们应该发现的不安全行为。这些“警惕激励”可以鼓励私人监管机构找到创新的方法来评估尖端的人工智能系统。
2023-03-06 cs.AI cs.CY cs.GT
Sponsored Search, Market Equilibria, and the Hungarian Method
匹配市场在经济理论中起着重要作用。这种市场的一个主要例子是赞助搜索市场。在这里，就像在其他同类市场中一样，市场均衡对应于可行的、无嫉妒的、投标者最优的结果。对于没有预算的设置，这样的结果总是存在的，并且可以通过所谓的匈牙利方法在多项式时间内计算。此外，每一种计算这种结果的机制都是激励相容的。我们表明，匈牙利方法可以修改，使它找到一个可行的，嫉妒自由，投标人的最佳结果设置预算。我们还表明，在设置预算没有机制，计算这样的结果可以激励兼容的所有投入。然而，对于一般情况下的投入，所提出的机制-与任何其他计算预算设置结果的机制一样-是激励相容的。
2012-12-20 cs.GT
CENTURION: Incentivizing Multi-Requester Mobile Crowd Sensing
最近能力越来越强的移动设备的激增已经引起了移动人群感测（MCS）系统，其将感测数据的收集外包给携带各种移动设备的参与工作人员的人群。研究界认识到有效激励参与这类系统的极端重要性，提出了各种各样的激励机制。然而，不同于大多数这些现有的机制，假设只存在一个数据请求者，我们认为MCS系统与多个数据请求者，这实际上是更常见的实践。具体而言，我们的激励机制是基于双拍卖，并能够刺激数据请求者和工人的参与。在实际实践中，激励机制通常不是一个孤立的模块，而是与聚合工人数据的数据聚合机制交互。出于这个原因，我们提出了CENTURION，一种新的多请求者MCS系统的集成框架，包括上述的激励和数据聚合机制。CENTURION的激励机制满足真实性、个人理性、计算效率以及保证非负社会福利，其数据汇总机制产生高度准确的汇总结果。通过理论分析和大量的仿真验证了CENTURION的理想性能。
2017-01-06 cs.GT
Proportional Dynamics in Linear Fisher Markets with Auto-bidding: Convergence, Incentives and Fairness
本文推广线性Fisher市场中的比例动力学至多物品卖家场景，证明其收敛于竞争均衡，并揭示其与自动竞价的关联；进一步分析激励问题，证明卖家偏离博弈存在唯一纯纳什均衡，且在竞争充分时具备良好公平性。
2024-07-16 cs.GT
An Incentive Mechanism for Trading Personal Data in Data Markets
随着数字数据经济的蓬勃发展，数字数据被认为是21世纪的原油，其价值越来越大。随着这一趋势的发展，数据提供者和数据消费者之间的数据市场交易模式开始成为一种以获得高质量个人信息换取一定补偿的过程。但个人数据分析带来的隐私侵犯风险阻碍了数据提供商参与数据市场。差分隐私作为隐私保护的事实标准，可以解决这个问题，但另一方面，它降低了数据的效用。在本文中，我们引入了一个定价机制，考虑到隐私和准确性之间的权衡。我们提出了一种方法来诱导数据提供者准确地报告她的隐私价格，我们优化它，以最大限度地提高数据消费者的利润在预算限制。我们正式表明，所提出的机制实现了这些属性，并通过实验验证。
2022-06-22 cs.GT
Market Incentives for AI Safety Investment
INSAIT；Sofia University “St. Kliment Ohridski”（索非亚大学“圣·克利门特·奥赫里德斯基”）
该研究通过博弈论模型分析AI供应链中企业的安全投资激励，发现下游竞争提升下游安全投资、上游因补偿不足投资不足，并探讨监管干预对安全水平的影响。
2026-10-30 cs.GT cs.LG stat.ML
Vulnerabilities of Single-Round Incentive Compatibility in Auto-bidding: Theory and Evidence from ROI-Constrained Online Advertising Markets
本文研究 ROI 约束在线广告自动出价市场，证明第二价格拍卖的单轮 IC 存在计算困难、非单调、效用不稳和干扰 A/B 测试等缺陷。
2024-05-11 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
Counterbalancing Learning and Strategic Incentives in Allocation Markets
本文考虑在优先队列中向具有共同未观测物品的稀缺物品分配给具有战略激励的的分配市场市场。\n{
2024-04-30 cs.GT
Improved Bandits in Many-to-one Matching Markets with Incentive Compatibility
John Hopcroft Center for Computer Science, Shanghai Jiao Tong University（上海交通大学约翰·霍普克罗夫特计算机科学中心）
本文研究多对一匹配市场的在线学习问题，提出AETDA算法在未知偏好差距下实现多项式玩家最优稳定遗憾并保证激励兼容性，同时设计ODA算法处理更广泛的可替代偏好设定。
2024-06-02 cs.GT cs.LG
Three Tiers and Thresholds: Incentives in Private Market Investing
NUS Business School, National University of Singapore（新加坡国立大学商学院）；Department of Economics, National University of Singapore（新加坡国立大学经济学系）
本文提出三级和阈值合同机制，用于私人市场投资中的激励设计，通过优化合同促进谨慎筛选并限制过度风险承担。
2025-12-22 cs.GT econ.TH
Strategy-Proof Incentives for Predictions
我们的目标是设计一种机制，激励所有的代理人如实，及时地揭示他们的预测。对于近视代理，适当的评分规则诱导真实性。然而，正如文献中所描述的，当代理人考虑到其行动的长期影响时，可能会出现欺骗和沉默。没有简单的规则来区分真实和不真实的情况，只在个别情况下进行了确定。这与预测市场有关，市场价值是一种常见的预测，更普遍的是在非正式的公共预测论坛，如分析师的股票市场估计。我们描述了三种机制，是防策略与非短视的考虑，并表明，其中之一，满足我们所有的要求，从一个机制，在几乎所有的预测设置。我们制定规则来区分真实和不真实的设置，并使用它们来广泛分类预测设置连续的结果。我们展示了我们提出的机制如何在现有机制失败的情况下恢复即时真实性，并提供了在预测市场中实施该机制的指导方针。
2019-12-03 cs.GT
Federated Learning Incentive Mechanism under Buyers' Auction Market
University of Electronic Science and Technology of China（电子科技大学）；Beihang University（北京航空航天大学）；National Taiwan University（台湾大学）；Jiangxi University of Finance and Economics（江西财经大学）
本文针对联邦学习市场转向买方市场的趋势，采用采购拍卖框架解释买方市场下的定价行为，并利用基于区块链的声誉机制选择高可靠客户端以防外部攻击，实验验证了该方法的有效性。
2023-09-10 cs.AI cs.GT cs.LG
Resource-efficient Generative Mobile Edge Networks in 6G Era: Fundamentals, Framework and Case Study
Guangdong University of Technology（广东工业大学）；Guangdong-Hong Kong-Macao Joint Laboratory for Smart Discrete Manufacturing（粤港澳智慧离散制造联合实验室）；Nanjing University of Aeronautics and Astronautics（南京航空航天大学）；Nanyang Technological University（南洋理工大学）；Sungkyunkwan University（成均馆大学）
本文提出6G时代生成式移动边缘网络概念，构建资源高效型生成式激励机制框架，结合模型划分与基于GDM的Stackelberg模型开展案例研究，并给出未来开放研究方向。
2023-12-19 cs.AI cs.GT cs.NI
Using Prediction Markets to Incentivize and Measure Collective Knowledge Production
我们提出了一个机制设计，耦合在线协作软件和预测市场，它允许追踪个人激励，行动的根源，以及这些行为如何影响集体智慧的知识生产作为一种公共产品。我们发现，激励机制有效地吸引用户没有进一步的治理结构，并没有排挤内在的动机。此外，它还实现了一个强大而强大的创造性破坏过程，有助于快速过滤掉不相关的知识。虽然还处于早期阶段，这种机制设计不仅可以为知识生产组织设计带来见解，而且有可能阐明集体智慧出现的根本机制。
2014-06-30 cs.GT
Prediction Markets, Mechanism Design, and Cooperative Game Theory
预测市场的目的是从多个代理人那里获取信息，以预测未来事件（获得概率）。一个好的预测市场激励代理人如实地披露他们的信息;这种激励相容性的考虑通常在机制设计中进行研究。虽然预测市场和机制设计之间的这种关系在高层次上得到了很好的理解，但预测市场中使用的模型往往与机制设计中使用的模型有些不同。本文考虑了一个预测市场的模型，它更直接地适合于机制设计框架。我们认为在这个模型中的一些机制，都基于适当的评分规则。我们讨论这些机制的基本属性，如激励相容性。我们还绘制了这些机制和合作博弈论之间的联系。最后，我们推测如何根据这些想法建立一个实用的预测市场。
2012-05-09 cs.GT
The Potential of Self-Regulation for Front-Running Prevention on DEXes
本文通过博弈论模型研究DEXes中抢先交易问题，发现散户订单流占比低于1%时各方利益与消除抢先交易一致，而占比约10%时流动性提供者不愿采用防护机制，说明需同时教育交易者和激励流动性提供者以实现市场自我监管。
2024-09-06 cs.GT
Incentives in Two-sided Matching Markets with Prediction-enhanced Preference-formation
University at Buffalo（布法罗大学）
双边配对市场长期存在，在缺乏监管的交易所的情况下配对代理人。一个常见的例子是学校选择，其中一个匹配机制使用学生和学校的偏好来分配学生到学校。在这种情况下，形成偏好既困难又关键。先前的工作已经提出了各种预测机制，帮助代理人对他们的偏好做出决定。虽然这些匹配和预测机制经常一起部署，但它们几乎总是被单独分析。目前的工作表明，在两者的交叉点上存在着一种以前未被探索过的战略行为类型：代理人返回市场（例如，学校）可以通过与它们的匹配进行短期非最优交互来攻击未来预测。在这里，我们首先介绍这种类型的战略行为，我们称之为“对抗性互动攻击”。接下来，我们构建了一个正式的经济模型，该模型捕捉了旨在帮助代理的预测机制和用于配对它们的匹配机制之间的反馈回路。这个经济模型允许我们分析对抗性交互攻击。最后，以学校选择为例，我们建立了一个模拟，表明随着预测的信任和准确性的增加，学校通过发起对抗性交互攻击获得的收益越来越多。我们还表明，这种攻击增加了学生群体的不平等。
2021-09-16 cs.GT cs.LG
Incentive Mechanism for Mobile Crowd Sensing with Assumed Bid Cost Reverse Auction
本文提出RA-ABC及动态招募扩展RA-ABCDR，通过投标后执行和动态用户加入，提升用户留存率54.6%、降低拍卖成本22.2%，优于Tullock最优奖励函数。
2025-07-10 cs.GT
Incentive Compatibility, Scalability and Privacy in real time Demand Response
可再生能源在现代智能电网中的高度渗透需要开发需求响应（DR）机制以及针对新兴灵活性市场的相应创新服务。从博弈论的角度来看，这种DR机制的基本关键性能指标（KPI）是在社会福利、实用性和激励保证方面的效率，在某种意义上，使每个用户根据他/她的偏好如实行事成为主导策略，不留下作弊的余地。在本文中，我们提出了一个DR架构，包括一个基于Ausubel成交拍卖和通信协议的机制，可证明保证效率和真实的用户参与。通过简单的查询增强了参与的实用性/容易性，而通过分布式实现解决了用户隐私问题。仿真结果证实了所需的属性，同时也表明，在参与者不是特别灵活的市场中，真实性属性变得更加重要
2019-02-25 cs.GT
Data and Incentives
“大数据”使市场能够获得以前无法测量的个体代理人的特征。决策者必须决定是否以及如何规范这些数据的使用。我们研究新数据如何影响激励代理人发挥努力的设置，如劳动力市场，代理人的质量最初是未知的，但预测从一个可观察的结果。我们发现，一个新的协变量的测量有一个系统的影响代理人所施加的平均努力，与方向的影响确定的协变量是否是信息的长期质量或冲击短期的结果。对于一类满足统计性质的协变量，我们称之为强同向性，这种效应在代理之间是一致的。更一般地说，新的测量可以影响代理不平等，我们表明，这些分配效应有一个一阶的影响社会福利。
2022-09-01 cs.GT econ.TH
Profit Incentive In A Secondary Spectrum Market: A Contract Design Approach
在本文中，我们制定了一个合同设计的问题，一个主要的许可证持有人希望从其多余的频谱容量出售给潜在的二级用户/买家的利润。它需要确定如何对多余频谱进行最佳定价，以使其利润最大化，因为知道这种多余容量本质上是随机的，不具有排他性，并且不能向买方提供确定性的服务保证。同时，购买者属于不同的{ \em类型}，其特征在于不同的沟通需求、对渠道不确定性的容忍度等等，这些都是购买者的隐私信息。然后，许可证持有人必须设法设计不同的合同，以满足不同类型的买家，以最大限度地提高其利润。我们解决这个问题，通过采用作为参考的传统频谱市场，买方可以购买独家访问与固定/确定性的保证。我们充分表征的情况下，有一个单一的买家类型的最佳解决方案，当多种类型的买家共享相同的，已知的渠道条件作为主要用户活动的结果。在最一般的情况下，我们构建了一个算法，生成一组合同的计算效率的方式，并表明，这一套是最佳的买方类型时，满足单调性条件。
2012-07-27 cs.CE cs.GT
Federated Learning for Data Market: Shapley-UCB for Seller Selection and Incentives
School of Intelligent Systems Engineering, Sun Yat-Sen University（中山大学智能系统工程学院）；Department of Computing, The Hong Kong Polytechnic University（香港理工大学计算机系）
针对数据市场中智能体与卖家间的信息不对称及隐私风险，提出基于联邦学习的交易框架，利用梯度相似度与Shapley算法评估贡献，并用改进UCB算法选择卖家，实现公平激励补偿。
2024-10-10 cs.AI cs.GT cs.LG
Incentive-aware Contextual Pricing with Non-parametric Market Noise
Massachusetts Institute of Technology（麻省理工学院）
本文研究了多个策略购买者的重复情境第二价格拍卖的动态定价问题，这些购买者的目标是最大化他们的长期时间折扣效用。卖方对买方的总体需求曲线的信息有限，这取决于非参数的市场噪声分布，买方可能会提交损坏的出价（相对于真实估值），以操纵卖方的定价政策，在未来更有利的保留价。我们专注于设计卖方的学习政策，以设置上下文的保留价，卖方的目标是最大限度地减少后悔相比，一个基准的千里眼政策，有充分的信息，买家的需求的收入。我们提出了一个阶段性的结构，采用随机的“隔离”期间，在此期间，买方被随机选择单独参加拍卖的政策。我们表明，这种设计允许卖方控制的期间，买方显着腐败他们的出价的数量。然后我们证明我们的政策享有$T$ -时期遗憾的$\widetilde{\mathcal{O}}(\sqrt{T})$面对战略买家。最后，我们进行数值模拟，比较我们提出的算法标准的定价政策。我们的数值结果表明，我们的算法优于这些政策下的各种买方投标行为。
2023-02-07 cs.GT cs.LG stat.ML
Incentive Compatible Influence Maximization in Social Networks and Application to Viral Marketing
信息扩散和影响力最大化是社交网络中的重要问题，也是广泛研究的问题。在影响力最大化问题的背景下，文献中已经提出了各种模型和算法。所有这些研究中的一个关键假设是，社会规划者知道影响概率。这种假设是不现实的，因为影响概率通常是个体代理人的私人信息，战略代理人可能不会如实地透露它们。此外，影响概率可以随着网络中流动的信息的类型和信息在网络中传播的时间而显著变化。在本文中，我们使用一个机制设计的方法，从代理人真实地得出影响概率。我们首先使用一个简单的模型，即影响者模型，在这个模型中，我们假设每个用户都知道她对邻居的影响程度，但这是私人信息。在第二个模型中，影响者-受影响者模型，这是更现实的，我们通过结合影响者和受影响者报告的概率值来确定影响概率。在第一个模型的背景下，我们提出了如何VCG（Vickrey-Clarke-Groves）机制可以用来真实地引出的影响概率。我们的主要贡献是设计一个评分规则为基础的机制的影响者-受影响者模型的上下文中。特别是，我们的激励相容性的机制时，评分规则是适当的，并提出了一个反向加权评分规则为基础的机制作为一个适当的机制来使用。我们还简要讨论了这样一个机制在病毒式营销应用的实施。
2011-02-07 cs.GT cs.SI physics.soc-ph
Economics of Mobile Data Trading Market
为了利用用户的异构数据需求，全球多家移动网络运营商推出了移动数据交易市场，用户可以在其中相互交易移动数据配额。本文通过研究用户对运营商的选择和交易决策，分析运营商的利润最大化策略，来理解数据交易市场的重要性。我们的移动运营商和用户之间的互动模型作为一个三阶段的Stackelberg游戏。在第一阶段，运营商选择向卖方收取运营费，以使其利润最大化。在第二阶段，每个用户选择他的运营商。在第三阶段，每个DTM用户选择他的交易决策。在第二阶段和第三阶段，我们推导出了唯一的纳什均衡（NE）的封闭表达式，其中每个用户提出相同的价格，使总需求与总供给相匹配。我们进一步证明了第一阶段的问题是凸的，并计算出最优的运营费用。我们的分析和数值结果表明，一个运营商与一个小的初始市场份额可以增加其利润，提出一个DTM，这是符合香港的实际情况。
2020-12-04 cs.GT
Incentive Design and Profit Sharing in Multi-modal Transportation Network
我们考虑多个运输服务提供商合作提供综合多式联运平台的情况，通过简化多式联运旅程规划、支付以及第一英里和最后一英里的连接，为乘客提供便利。这种市场结构允许多式联运平台协调不同模式的利润，并为乘客提供激励。因此，在本文中，我们使用合作博弈理论与超路径为基础的随机用户均衡框架来研究这样的市场。我们假设平台沿着运输网络中的每条边设置激励措施（价格折扣或对乘客收取超额费用）。我们得到的连续性和单调性的平衡流的激励沿每一个边缘。通过两时间尺度随机逼近算法得到了使平台利润最大化的最优激励。我们使用非对称纳什讨价还价的解决方案，设计一个公平的利润分配方案之间的服务提供商。我们表明，在这样的平台上合作后，每个服务提供商的利润增加。最后，我们通过两个数值模拟来补充理论结果。
2022-06-28 cs.GT cs.SY eess.SY
Multi-Task Diffusion Incentive Design for Mobile Crowdsourcing in Social Networks
针对大规模众包中工人池不足的问题，提出基于社交网络多任务扩散的激励机制MT-DM-L，利用MT-RR集合近似效用，在保证个体理性、真实性和计算效率的同时实现近似最优。\n
2023-03-22 cs.GT cs.SI
A Novel Methodology for designing Policies in Mobile Crowdsensing Systems
移动众测是一种以人为中心的感知系统，它基于用户的贡献和激励机制。在我们的工作中，我们通过博弈论方法重新思考了激励机制的设计。因此，我们引入了一个多层社会感知框架，其中人类作为社会传感器在多个社会层和各种服务上进行交互。我们已经提出了这些动态的相互作用，包括同质性的概念，我们已经建模的进化动力学的传感行为，通过定义一个数学框架的基础上，多重EGT，量化同质性，网络异质性和各种社会困境的影响。我们已经发现了导致人类合作的出现和可持续性的社会困境和网络结构的配置。此外，我们定义和评估的本地和全球纳什均衡点，包括同质性和异质性的概念。我们分析定义和测量新的统计措施的社会诚信，生活质量和用户的行为声誉分数的基础上的进化动力学。我们已经定义了决策支持系统和一个新的激励机制，通过对用户的声誉评分方面的政策，也包括用户的行为以外的质量和数量的贡献。在实验中，我们考虑了Waze数据集上的车辆交通监控应用程序，并得出了我们的方法与基线相比，奖励支出。结果表明，我们的方法，其中还包括本地（微观）的时空分布的行为，能够更好地区分用户的行为。这种多尺度的用户特征代表了一个新的研究方向，为移动人群感知系统的新政策铺平了道路。
2020-09-07 cs.GT cs.SI
Pacing Equilibrium in First-Price Auction Markets
成熟的互联网广告平台提供高级活动管理工具来帮助广告主运行他们的活动，通常抽象出每个广告如何放置的复杂性，并专注于广告主感兴趣的综合指标。在这样的平台上，广告商通常通过代理投标人参与拍卖，因此文献中常见的标准激励分析并不直接适用。在本文中，我们采取的角度来看，预算管理系统，表面汇总激励-而不是个人拍卖-和比较第一和第二价格拍卖。我们表明，理论提供了令人惊讶的认可使用第一价格拍卖出售个人的印象。特别是，第一价格拍卖保证预算管理系统的稳态均衡的唯一性，单调性，和其他理想的属性，以及有效的计算，通过解决方案的研究艾森伯格-盖尔凸计划。相反，人们可以期望从第一价格拍卖，我们表明，激励问题是不是一个障碍，破坏了系统。使用从真实世界的拍卖平台收集的数据生成的现实实例，我们表明，投标人有小的遗憾，他们的最佳事后策略，他们没有一个很大的动机误报时，他们可以直接影响均衡的战略投入。最后，在现实世界的平台上普遍存在的不受约束的投标人往往会有较小的遗憾。我们的计算表明，投标人的预算，起搏乘数和遗憾都有一个积极的关联，在统计方面。
2021-09-03 cs.GT
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
Incentivizing Inclusive Contributions in Model Sharing Markets
Shanghai Jiao Tong University（上海交通大学）
本文提出包容性且带激励的个性化联邦学习iPFL，通过基于图的训练优化和博弈论激励机制构建模型共享市场，在保护隐私的同时实现最高经济效用和优异模型性能。
2025-05-05 cs.AI cs.CL cs.GT
An Incentive-Compatible Scheme for Electricity Cooperatives: An Axiomatic Approach
School of Systems and Enterprises, Stevens Institute of Technology（史蒂文斯理工学院系统与企业学院）
本文提出一种名为预测合作社（PCP）的新方案，通过整合商业和居民用电用户参与电力市场。采用公理化方法计算日前报价并分解集体成本，确保成员参与和真实报告负载。
2016-08-03 cs.GT cs.SY eess.SY
Novel market approach for locally balancing renewable energy production and flexible demand
未来的配电网将承载相当大份额的可变可再生能源和本地存储资源。此外，由于电动汽车市场的增长，它们将面临新的负载结构。这些趋势提高了对配电网运行新模式的需求，其中配电系统运营商将越来越依赖需求侧灵活性，家庭将逐步成为在智能电网能源管理中发挥积极作用的产消者。然而，在目前的能源管理架构中，参与者之间缺乏协调限制了电网实现上述趋势的能力。在本文中，我们通过提出一种架构来解决这个问题，该架构使家庭能够自主地与邻居，运营商和市场参与者交换能源块和灵活性服务。该解决方案基于区块链交易平台。我们专注于市场应用，家庭可以与邻居进行能源交易，旨在当地平衡可再生能源生产。我们提出了一个市场机制和动态的运输价格，为家庭提供了一个激励措施，以当地管理能源资源的方式，既响应亲消费者和运营商的需求。我们通过使用潮流分析和现实的负荷分布进行全面的模拟来评估这些市场的影响，为设计适当的机制和激励措施提供有价值的见解。
2017-11-27 cs.GT cs.MA
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
Market Design for AI: Beyond the Copyright Binary
MIT Operations Research Center（麻省理工学院运筹学中心）；MIT Sloan School of Management（麻省理工学院斯隆管理学院）；Washington University School of Law（华盛顿大学法学院）
本文通过静态和动态博弈模型，分析AI训练数据市场中“自由使用”与“强知识产权”两种模式的失败，提出通过数据中介内部化外部性并补贴创新贡献的市场设计。
2026-08-12 cs.AI cs.GT cs.LG
