On the Price of Transparency: A Comparison between Overt Persuasion and Covert Signaling
本文提出透明度代价(PoT)概念,通过 Z-programming 方法求解完美贝叶斯均衡,比较公开说服与隐蔽信号两种信息结构,证明透明信息结构总是对信息提供者有利(0≤PoT≤1),并用数值实验验证结论。
2023-11-30 cs.GT
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
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
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
Strategic Bidding in Knapsack Auctions
本文通过理论、实验和AI模拟分析统一价格、歧视性价格和广义第二价格三种背包拍卖,发现统一价格拍卖真实出价与效率最高,后两者收益更优,为NP难问题的拍卖求解和市场设计提供见解。
2024-05-01 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
Strategically-Robust Learning Algorithms for Bidding in First-Price Auctions
Columbia University(哥伦比亚大学);Google Research(谷歌研究院)
本文针对第一价格拍卖提出基于凹规划和自然梯度上升的出价学习算法,首次同时实现最优遗憾(对手环境 $O(\sqrt{T})$,随机环境 $O(\log T)$)与策略鲁棒性和激励相容性。
2024-07-07 cs.GT cs.LG
The Role of Transparency in Repeated First-Price Auctions with Unknown Valuations
Università degli Studi di Milano(米兰大学);Politecnico di Milano(米兰理工大学);University of Ottawa(渥太华大学);Sapienza Università di Roma(罗马第一大学(智慧大学))
本文研究未知估值下第一价格拍卖中单个竞标者的遗憾最小化问题,完整刻画了极小极大遗憾与拍卖透明度之间的关系,并揭示透明度与环境性质如何共同影响最优出价的学习速度。
2024-03-21 cs.DS cs.GT cs.LG
Strategic Dynamic Pricing with Network Effects
研究了垄断厂商在多个时期向顾客销售同质商品的最优定价策略。消费者选择购买时间以最大化他们的收益,这取决于他们对产品的估价,购买价格以及他们从过去购买他人中获得的效用,称为网络效应。我们首先证明了最优价格序列是非递减的。因此,通过推迟购买到未来几轮,客户权衡了更高的效用从网络效应与更高的价格。然后,我们表明,客户的均衡策略可以由阈值规则,在每一轮的客户购买的产品,当且仅当她的估值超过一定的阈值。这意味着客户面临着一个关于他人估值的推理问题,即,观察到顾客还没有购买产品,表示她的估价低于阈值。我们考虑一个网络互动的块模型,其中有块的买家受到相同的网络效应。一个自然的基准,这个模型允许我们提供一个明确的表征的最优价格序列渐近的代理商的数量趋于无穷大,这是显着的线性增加,在时间上的斜率,取决于网络效应通过一个标量的总和的逆网络权重矩阵的条目。我们的特征表明,增加网络中的“不平衡”(定义为节点的进出度之间的差异)会增加垄断者的收入。我们进一步研究了价格歧视的影响,并表明,在早期的垄断提供较低的价格,以块具有较高的Bonacich中心,以鼓励他们购买,这反过来又进一步激励其他客户购买在随后的时期。
2018-06-26 cs.GT
New mechanism for repeated posted price auction with a strategic buyer without discounting
在广告交换平台上,广告的位置通过不同类型的拍卖出售。然而,在拍卖过程中,卖方经常遇到只有一个买方的情况,从而使标价拍卖退化为信息不对称的、几乎无限回合的垄断-垄断博弈;在每一轮中,卖方提出价格,买方接受或拒绝。我从与Yandex研究团队成员的讨论中了解到这个问题,我的主要动机是找到一个激励因素-兼容的卖家策略。在这篇简短的论文中,提出了这样的策略,并建立了相应的扭曲在顶部类型的下限(斯宾塞-Mirrlees属性,实际上)的剩余的买方,这表明,所提出的策略是最好的可能。关键要素如下。买家拥有的主要约束是接受交易的频率。一旦这个频率(作为买方类型的函数)是固定的,策略在{ \it奖励}价格之间随机选择,该价格激励买方透露他的类型(类型越高,买方具有的平均剩余越多),{ \it适配}价格,其允许买方传达他的类型高于厨师的当前猜测,以及{ \it类型确认}价格,该价格不激励买方假装他的类型高于实际。
2019-02-03 cs.GT math.CO
The Disparate Effects of Partial Information in Bayesian Strategic Learning
Georgia Institute of Technology(佐治亚理工学院);Harvard University(哈佛大学)
研究部分信息下评分规则对策略学习公平性的影响,发现朴素智能体的效用差异随噪声无界增长且成本较低群体受损,而贝叶斯智能体差异保持有界,通常在透明度中间水平最小化。
2025-05-31 cs.AI cs.GT
Secondary Spectrum Auctions for Markets with Communication Constraints
拍卖已被提出作为一种方式,以提供经济激励的主要用户动态分配未使用的频谱给其他用户在需要it.Previously提出的计划没有考虑到这样的事实,即用户的功率约束可能会阻止他们发送他们的投标价格拍卖商与高精度和发送投标价格必须通过噪声信道。这些方案还具有在无线标准中不能适应的非常高的开销。我们提出了拍卖方案,中央结算机构拍卖频谱的用户谁出价,同时考虑到量化的价格,在出价启示的开销,和噪声的渠道明确。我们的计划是密切相关的通道输出反馈问题,具体来说,后验匹配的技术。我们考虑了几种情况下,清算机构的目标是授予频谱的投标人谁价值最频谱。我们从理论上证明了这一目标是渐近达到我们的计划时,投标人是非战略常数出价。我们提出了单独的计划,使战略用户真实地揭示他们的私人价值,拍卖多个子渠道之间的战略用户,并跟踪缓慢随时间变化的投标价格。我们的模拟说明了我们的计划恒定的投标价格的最优性,也证明了我们的跟踪算法的有效性缓慢随时间变化的出价。
2014-12-23 cs.GT
Strategic Liquidity Provision in Uniswap v3
针对Uniswap v3的战略性流动性提供收益与风险权衡问题,研究将动态流动性提供问题形式化,提出基于神经网络的优化框架,经历史数据验证可大幅提升LP收益,并揭示不同经济环境下的最优行为差异。
2024-08-16 cs.CR cs.GT
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
The Welfare Gap of Strategic Storage: Universal Bounds and Price Non-Linearity
Aarhus University(奥胡斯大学)
本文研究电力市场中电池储能操作的效率,比较中央计划者与分散利润最大化运营商的福利增益差异,证明线性价格函数下效率损失上限为4/3,并分析价格函数凸性对市场效率的影响。
2026-07-03 cs.GT econ.TH
Learning Revenue Maximization using Posted Prices for Stochastic Strategic Patient Buyers
Tel Aviv University(特拉维夫大学);Ben-Gurion University(本-古里安大学);Google Research(谷歌研究院)
我们认为卖方面对买方有能力推迟他们的决定,我们称之为耐心。每个买家的类型是由价值和耐心,它是i.i.d.抽样。从分布。卖家希望使用公布的价格,最大限度地提高向买家销售的收入。在本文中,我们形式化的设置和特征所产生的Stackelberg均衡,卖方首先承诺她的策略,然后买家最好的反应。接下来,我们将展示如何计算最优纯策略和混合策略。然后,我们考虑一个学习设置,卖方不能访问买方类型的分布。我们的主要结果如下。我们得出一个样本的复杂性界的学习近似最优的纯策略,通过计算脂肪粉碎尺寸这个设置。此外,我们还给出了近似最优混合策略的一般样本复杂度界。我们还考虑了一个在线设置,并得出一个消失的遗憾界方面的最佳纯策略和最佳混合策略。
2022-06-26 cs.GT cs.LG
Strategic Cost Selection in Participatory Budgeting
研究参与式预算中提案者的策略性定价行为,探讨纯纳什均衡在AV/Cost等规则下的存在性,并通过真实选举数据进行实验验证。
2024-07-29 cs.GT cs.MA
Profit and Strategic Analysis for MNO-MVNO Partnership
我们认为移动市场由两个移动网络运营商(MNO)和一个新的竞争对手移动虚拟网络运营商(MVNO)驱动。MNO可以通过租赁网络资源与进入者MVNO合作;然而,MVNO也可以依赖其他技术,例如免费WiFi接入点。此外,除了提供连接服务外,MVNO还可以通过其品牌从服务中获得间接收入。在包括许多接入技术和若干收入来源的该框架中,可能的合作伙伴MNO然后将必须决定向MVNO收取其资源的批发价格。这种多行为者的情况,加上需要考虑批发和零售市场,对基本的决策过程提出了新的挑战。在本文中,最佳的价格设置制定为一个多层次的优化问题,使我们能够获得封闭形式的最佳MNO批发价格和最佳MVNO零售价格的表达式。MVNO的价格吸引力还根据其间接收入和从可能的合作伙伴MNO租赁的资源比例进行评估。最后,通过博弈论的方法,我们的特点的情况下,两个移动网络运营商的合作伙伴与MVNO的独特的纳什均衡在适当的条件下。
2018-12-13 cs.GT cs.NI
Market Power and Platform Design in Decentralized Electricity Trading
Swiss Economics(瑞士经济学);University of Zurich(苏黎世大学)
本文研究平台设计如何影响去中心化电力交易中的战略行为,通过动态博弈模型分析了prosumers在平台中的行为机制,发现平台设计对市场力量和存储利用有显著影响。
2026-03-20 cs.GT econ.GN q-fin.EC
Strategy-robust Online Learning in Contextual Pricing
University of Wisconsin–Madison(威斯康星大学麦迪逊分校)
本文提出了一种策略稳健的在线学习方法,用于应对情境定价中的战略行为,通过稀疏更新机制确保鲁棒性,并提供了将专家算法转化为稳健学习者的黑盒减少。
2026-11-10 cs.GT
From No-Regret to Strategically Robust Learning in Repeated Auctions
IRIF, CNRS, Université Paris Cité(IRIF、CNRS、巴黎cité大学)
本文证明了任何无遗憾学习算法在特定条件下都能实现战略稳健性,扩展了敏捷OGD在重复拍卖中的应用范围。
2026-02-09 cs.GT cs.LG econ.TH
Opportunities for Price Manipulation by Aggregators in Electricity Markets
聚合器在电力系统中可再生能源发电的整合中发挥着越来越重要的作用。然而,可再生能源发电的间歇性使得聚合商的市场互动难以监测和监管,引起了人们对聚合商可能操纵市场的担忧。在本文中,我们研究了这个问题,通过量化的利润聚合器可以获得通过战略削减发电在电力市场。我们表明,虽然问题的最大化的利益削减是很难在一般情况下,有效的算法存在时,网络的拓扑结构是径向(非循环)。此外,我们强调,在实际情况下,通过战略削减,利润有可能大幅增加。
2016-06-21 cs.GT math.OC physics.soc-ph
Strategic Buying Agents
Rotman School of Management, University of Toronto(多伦多大学罗特曼管理学院)
该研究面向自主代客购物场景,分三类信息场景设计有限购物窗口内的最优购买策略,经真实电商价格数据验证,大模型更适配场景选择而非直接购买决策。
2026-07-07 cs.AI cs.CY cs.GT
The Effect of Strategic Noise in Linear Regression
我们建立在一个新兴的工作线,研究提供给机器学习算法的训练数据中的策略操作。具体来说,我们专注于无处不在的线性回归任务。以前的工作集中在防策略算法的设计上,其目的是通过调整数据源的激励来完全防止这种操纵。然而,在实践中使用的算法往往不是防策略的,这会导致代理之间的策略博弈。我们专注于一个广泛的非strategypproof算法的线性回归,即$\ell_p$范数最小化($p > 1$)与凸正则化。我们表明,当操纵有界,在这个类中的每一个算法承认一个唯一的纯纳什均衡的结果。我们还揭示了这种均衡的结构,揭示了一个令人惊讶的连接之间的strategyproof算法和纯纳什均衡的非strategyproof算法在更广泛的设置,这可能是独立的利益。最后,我们从无政府状态的无政府代价的角度分析了这些算法下均衡的质量。
2020-07-14 cs.GT
Learning Optimal Reserve Price against Non-myopic Bidders
我们考虑的问题,学习最优保留价在重复拍卖对非短视的投标人,谁可能会出价策略,以获得在未来几轮,即使单轮拍卖是真实的。先前的算法,例如,经验定价,不提供非平凡的遗憾轮在此设置一般。我们介绍的算法,获得对非短视投标人小遗憾时,市场很大,即,在各轮的恒定部分中,或者当投标人不耐烦时,即,他们会用某种稍微偏离一个的因子来贴现未来效用。我们的方法仔细控制哪些信息透露给每个投标人,并建立在技术上的差异私人在线学习,以及最近的工作线联合差异私人算法。
2018-04-30 cs.GT
Electricity Pooling Markets with Strategic Producers Possessing Asymmetric Information I: Elastic Demand
University of Michigan(密歇根大学)
本文研究了具备不对称信息的战略生产者电力池化市场,提出了一种满足个体理性、预算平衡、价格效率的市场机制,确保电力价格等于边际成本,并探讨了相关开放性问题。
2014-01-17 cs.GT cs.SY eess.SY
Network Intervention by Polling Strategic Agents
MIT(麻省理工学院);IIT Bombay(印度理工学院孟买分校)
针对策略性智能体网络中的干预问题,提出Poll轮询算法,通过基于中心性的价格分解实现高效、可扩展且激励相容的福利最大化。
2026-10-07 cs.GT cs.MA cs.SI
Strategic Cooperation in Cost Sharing Games
在本文中,我们考虑战略成本分担游戏与所谓的任意共享的基础上各种组合优化问题,如顶点和集覆盖,设施位置,网络设计问题。我们专注于强均衡的存在性和计算复杂性,其中没有联盟可以提高其每个成员的成本。我们的主要结果揭示了战略博弈中的强均衡与经济学中传统的联盟成本分担博弈中的核心之间的联系。对于集覆盖和设施位置游戏,这导致在一个严格的强平衡的存在性的特征,使用合适的线性规划公式的完整性差距。此外,它允许通过一个统一的方法来获得所有现有的结果,在网络设计成本共享游戏的强平衡任意共享。此外,我们能够证明,一般来说,无政府状态的强无政府代价总是1。这应该与纳什均衡的无政府状态的无政府代价Θ(n)形成对比。最后,我们指出,LP方法也可以用来计算近最优和近稳定的近似强平衡。
2010-03-16 cs.DS cs.GT cs.MA
The Architecture of Illusion: Network Opacity and Strategic Escalation
University of California, San Diego(加州大学圣地亚哥分校);Northeastern University(东北大学)
本文提出'联结心智'模型,通过参数化网络偏见统一有限理性框架,揭示网络不透明性如何引发复杂偏见并影响战略行为,提出升级原理与透明度反转,展现网络拓扑对认知行为的调节作用。
2026-02-11 cs.GT econ.TH
Statistical Estimation with Strategic Data Sources in Competitive Settings
在本文中,我们介绍了一个初步的模型,在数据市场的相互作用。最近的研究表明,数据汇总者可以通过各种方式为用户设计确保数据质量的机制,即使在用户不愿付出努力(即宁愿提交质量较低的估计数)和数据汇总者无法观察到用户付出的努力(即合同受到委托代理问题的影响)的情况下也是如此。然而,我们已经证明,这些机制往往在更现实的模型中崩溃,其中多个数据聚合器处于竞争状态。在对数据聚合器使用的统计估计量的属性进行较小假设的情况下,我们证明了要么没有纳什均衡,要么有无限多个纳什均衡。在后一种情况下,在谁承担激励不同数据源的负担方面存在根本的模糊性。我们还能够计算无政府代价,它衡量了在纳什均衡和社会最优状态之间,即在非合作战略游戏和合作之间,社会福利损失了多少。
2017-04-04 cs.GT
Strategic Arrivals to Queues Offering Priority Service
我们考虑FCFS服务系统的战略到达,该系统在固定时间开始服务,并且必须为固定数量的客户提供服务,例如,一种登机系统。早到会导致更高的等待成本(在服务开始前等待),而晚到会导致成本,因为早到的人会坐更好的座位。我们首先考虑到达的异质客户选择到达时间,以最小化的等待成本和成本的加权和,由于预期的前辈数。我们刻画了这个系统的唯一纳什均衡。接下来,我们考虑一个系统,提供L个优先级的服务与FCFS队列的每个优先级。更高的优先级收取更高的入场费。顾客有两种选择--到达时间和优先服务。我们表明,纳什均衡对应的客户类型被划分为L个区间和客户属于每个区间选择相同的优先级。我们进一步分析服务器的净收入,并考虑收入最大化策略-优先级和定价的数量。数值结果表明,只有三个队列的服务器可以获得接近最大的收益。
2018-08-11 cs.GT
Strategic Arrivals into Queueing Networks: The Network Concert Queueing Game
University of Southern California(南加州大学)
本文提出一个框架研究排队网络中用户的策略性到达行为,通过流体极限近似刻画用户选择到达时间和队列的均衡,并分析无政府状态代价。
2011-12-13 cs.GT cs.SY eess.SY
The Impact of Tribalism on Social Welfare
我们探讨了属于同一组的球员之间的相互利他主义-他们的部落-在任意战略游戏中的所有球员的分区后达到均衡的质量的影响。为此,我们引入了任意战略博弈的τ-部落扩展的概念,其中参与者的主观成本函数被更新以反映这一点,以及相关的部落主义价格,这是部落扩展的最差纳什均衡的社会福利与最优社会福利之比。我们发现,在一个著名的游戏的友谊集团,网络贡献的游戏,以及原子线性拥塞游戏,部落主义的价格是高于无政府状态的价格,无论是纯粹自私的球员或完全利他的球员(即那些谁寻求最大化的社会福利)。这种现象在各种平衡概念下都可以观察到。在每种情况下,我们都给出了部落主义价格的上限,这些上限与我们的例子所建立的下限相匹配。
2019-07-16 cs.GT cs.MA
Yield Uncertainty and Strategic Formation of Supply Chain Networks
研究供应不确定性下供应链网络结构,发现零售商均衡时过度集中联系导致多样化不足,降低供应方差或增加平均供应均增供应商利润,但对福利影响不同。
2019-07-20 cs.GT econ.TH math.OC
Strategic Analysis of Trust Models for User-Centric Networks
我们提出了一个战略分析的信任模型,最近提出了促进以用户为中心的网络中的合作行为。合作机制基于声誉和虚拟货币计划的组合,其中服务提供商通过调整他们的声誉来奖励付费客户并惩罚不付费客户,从而调整他们为服务支付的价格。我们使用PRISM-games对该系统进行建模和分析,PRISM-games是一种使用带奖励的概率交替时间时态逻辑(rPATL)对随机多人游戏进行自动验证和策略合成的工具。我们为服务使用者和提供者构建最佳策略,暴露合作机制的潜在风险,并用于设计抵消这些风险的改进措施。
2013-03-04 cs.GT cs.MA
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
On the Trade-Off Between Transparency and Security in Adversarial Machine Learning
University of Waterloo(滑铁卢大学)
本研究探讨对抗性机器学习中透明度与安全性的冲突,通过可迁移对抗样本攻击的实证与博弈论分析,发现防御者模型的模糊性有利,仅知晓防御状态就可能损害安全性,揭示两者权衡及博弈论的应用价值。
2025-11-14 cs.CR cs.GT cs.LG
Strategic Interaction Among Different Entities in Internet of Things
物联网(IoT)的经济模型由最终用户、广告商和三种不同类型的提供商组成--物联网服务提供商(IoTSP)、无线服务提供商(WSP)和云服务提供商(CSP)。我们调查了三种不同类型的供应商之间的互动。首先,我们考虑IoTSP为最终用户提供捆绑服务,WSP和CSP支付IoTSP(推送模型)。接下来,我们考虑最终用户独立支付每个提供商的模型(拉模型)。最后,我们考虑上述两个模型的混合模型,其中IoTSP和WSP向最终用户报价,但CSP向IoTSP报价。我们描述和量化的影响,广告收入的均衡定价策略和支付的供应商,以及相应的需求,最终用户在上述每一个互动模型。我们的分析表明,最终用户的需求,和供应商的收益是广告收入的非减函数。对于足够高的广告收入,IoTSP将在每个交互模型中免费提供其服务。然而,提供者的收益和最终用户的需求在不同的交互模型中有所不同。我们的分析表明,最终用户的需求,和WSP的回报是最高的拉(推,分别)。低(高,分别)模式广告收入制度。无论广告收入如何,IoTSP的回报在拉式模型中总是更高。在低广告收入的情况下,CSP的收益在混合模型中最高。然而,在高广告收入制度的CSP在混合模型或在推模型的回报可以更高,这取决于在推模型中选择的均衡。
2016-05-20 cs.GT cs.NI cs.SI