Revenue Maximizing Envy-Free Pricing in Matching Markets with Budgets
我们研究了在匹配市场中$m$项目和$n$预算受限的买家的无嫉妒定价机制。每个购买者都对出售的商品的一个子集感兴趣,并且她以某个单一价值评估她偏好集中的每一个商品。此外,每个买家都有一个预算,限制最大可负担的付款,而她的目标是获得尽可能多的项目,她的偏好集。我们的目标是计算一个无嫉妒的定价分配,使收入最大化,即,向买方收取的总付款。对于任何$ε>0$,这个定价问题很难比$Ω({\rm min} \{n,m\}^{1/2-ε})$更好地近似,除非是$P=NP$。硬度的结果是由于存在的匹配约束,给定的更简单的多单元的情况下,可以近似到一个常数因子$2$。本文的目标是通过限制我们自己的具体设置的估值和预算,以规避硬度的结果。两个特别重要的场景是:每个买家的预算都大于其单值估值,每个买家的预算都低于其单值估值。令人惊讶的是,在这两种情况下,我们都能够实现$1/4$ -接近最佳的无嫉妒的收入。该算法利用了一个新版本的Ausebel上升价格拍卖。这些结果可能表明,虽然它是很难近似的最优收益一般,在大多数实际情况下,价格递增拍卖可以实现相对较好的收益。
2016-10-28 cs.GT
On Nash Dynamics of Matching Market Equilibria
在本文中,我们研究了在一个由卖方(做市商)建立的匹配市场中,n个买方的策略相互作用的纳什动态。采用标准的市场均衡方法,在从买方接收到提交的出价向量时,做市商将决定价格向量以清除市场,使得每个买方被分配他最想要的物品(也称为,市场均衡解决方案)。虽然这样的均衡结果不是唯一的,做市商选择一个(最大均衡),优化自己的目标-收入最大化。买方反过来改变出价,以他们的最佳利益,以获得更高的效用,在下一轮的市场均衡解决方案。这是一个(n+1)人的博弈,买方进行策略性出价,以从做市商的均衡机制中获得最大收益。买方决定出价的动机和做市商使用最大均衡机制的选择创造了市场中的纳什动态波。我们根据maxeq和mineq之间的关系(即,最小收益均衡),并开发收敛结果的纳什动态从maxeq政策的mineq解决方案,从而产生相当于真实的VCG机制的结果。我们的研究结果意味着收入之间的等价性maxeq和mineq,并解决的问题,为什么短期收入最大化是一个穷人的长期战略,在一个确定性和动态设置。
2011-03-22 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
Revenue Maximizing Markets for Zero-Day Exploits
零日漏洞(供应商不知道的软件漏洞)市场有着悠久的历史,并且越来越受欢迎。我们从收入最大化机制设计的角度来研究这些市场。我们首先提出了一个零日漏洞市场的理论模型。在我们的模型中,一个漏洞被出售给多个买家。有两种买家,我们称之为捍卫者和侵犯者。防御者是购买漏洞以修复漏洞的买家(例如,软件供应商)。另一方面,罪犯是打算利用漏洞的买家(例如,国家安全机构和警察)。我们的模式不仅仅是单一物品拍卖。首先,漏洞是一条信息,因此一个漏洞可以卖给多个买家。第二,买方具有外部性。如果一名防守者获胜,那么对于进攻者来说,这种利用就变得毫无价值。第三,如果我们在拍卖前向买家披露漏洞利用的详细信息,那么他们可能会在没有付款的情况下离开。另一方面,如果我们不披露细节,那么买家很难提出他们的私人估值。考虑到上述情况,我们建议的机制在拍卖前向所有违规者披露漏洞利用的详细信息。然后,犯罪者支付延迟向防御者披露漏洞的费用。
2020-06-25 cs.GT
Individual Fairness in Feature-Based Pricing for Monopoly Markets
我们研究垄断市场中基于特征的价格歧视的公平性。我们提出了一个新的个体公平性概念,即α-公平性,它保证具有相似特征的个体面临相似的价格。首先,我们研究了离散估值空间,并给出了最优公平特征定价的解析解。我们发现,公平定价的成本被定义为在最优的基于特征的定价的预期收入的比例,在最优的公平的基于特征的定价(CoF)的预期收入可以是任意大的一般。当收入函数是连续的和凹的价格,我们可以实现CoF严格小于2,无论模型参数。最后,我们提供了一个算法来计算公平的基于特征的定价策略,实现这个CoF。
2022-02-25 cs.GT
Pricing Ad Slots with Consecutive Multi-unit Demand
我们考虑了富媒体广告市场模型的最优定价问题,以及其他相关的应用。在这个市场中,有多个买家(广告商),以及排列在一条线上的项目(插槽),例如网站上的横幅。每个购买者期望特定数量的{ \em连续}时隙并且具有每单位质量值$v_i$(仅取决于广告),而每个时隙$j$具有质量$q_j$(仅取决于位置,诸如位置拍卖中的点进率)。因此,买方$i$对项目$j$的估价为$v_iq_j$。我们要决定分配和价格,以最大限度地提高做市商的总收入。与传统位置拍卖的一个关键区别是广告客户要求固定数量的连续位置。对于大尺寸的富媒体广告,可能需要连续的槽。我们研究了三种主要的定价机制,贝叶斯定价模型,最大收益市场均衡模型和一个无嫉妒的解决方案模型。在贝叶斯模型下,设计了一个收益最优的多项式时间可计算可信机制。对于市场均衡范式,我们找到了一个多项式时间算法来获得最大收益的市场均衡解。在无嫉妒的情况下,当购买者对连续插槽的数量有相同的需求时,给出了一个最优解。我们进行了一个模拟,比较了上述方案的收入,并给出了令人信服的结果。
2013-08-06 cs.GT
Revenue in First- and Second-Price Display Advertising Auctions: Understanding Markets with Learning Agents
本文研究展示广告拍卖从SPA转向FPA对收益的影响,通过分析建模和数值实验探索学习智能体的收敛行为,发现收益等价不成立,合谋非FPA收益低的原因。
2024-12-03 cs.GT
When to Limit Market Entry under Mandatory Purchase
我们研究了受监管的健康保险市场的启发,例如政府在平价医疗法案交易所或雇主与私人保险公司签订合同为员工提供计划时所创建的问题。市场监管者可以选择什么都不做,运行一个自由市场,或者可以通过限制供应商的进入来行使其监管权力(通过限制选择减少消费者福利,但也通过加强竞争减少收入)。我们调查是否限制进入增加或减少的效用(福利减去收入)的消费者从供应商购买,特别是在设置中的外部选项“什么都不买”是不可取的。我们主要关注提供者是对称的情况。我们提出了一个关于消费者价值分布的充分条件:(a)两个市场都存在唯一的对称均衡,(b)有限进入时效用更高。(We也证明这些结论不一定对所有分布都成立,因此某些条件是必要的。我们的技术主要基于收入最大化的工具,特别是迈尔森的虚拟价值理论。我们还考虑扩展设置提供商提供计划的成本相同,并与一个不对称的分布的两个供应商。
2020-02-15 cs.GT
Welfare and Revenue Guarantees for Competitive Bundling Equilibrium
研究了具有$m$异质不可分商品和具有组合偏好的$n$消费者的市场均衡。众所周知,当估值不是总替代品时,竞争均衡并不能保证存在。由于捆绑在现实生活中的市场中的广泛使用,我们研究它作为一个稳定和协调设备的作用,考虑的概念\emph{competitive bundling equilibrium}:一个竞争均衡的市场分割成固定的捆绑销售的商品。与其他涉及捆绑的均衡概念相比,这个概念具有同时简洁($O(m)$价格)和市场出清的优点。我们的第一组结果涉及福利保障。我们表明,在市场中,消费者只关心他们收到的商品数量(称为多单元或同质市场),即使存在互补性,总是存在一个竞争性捆绑均衡,保证对数分数的最优福利,这种保证是紧的。我们还建立了一般市场,两个消费者的市场,和市场的消费者的估值是添加到一个固定的预算(非可加性)的非平凡的福利保证。我们的第二组结果涉及收入保障。出于这样一个事实,即在一个标准的竞争性均衡中提取的收入可能是零(即使是简单的单位需求的消费者),我们表明,对于总替代品估值的自然子类,总是存在一个竞争性捆绑均衡,提取对数分数的最佳福利,这种保证是紧的。因此,竞争性捆绑均衡的概念甚至在具有标准竞争均衡的市场中也是有用的。
2014-06-03 cs.DS cs.GT
Online Assortment and Market Segmentation under Bertrand Competition with Set-Dependent Revenues
我们考虑一个在线分类问题与$[n]:=\{1,2,\ldots,n\}$卖方,每个持有只有一个项目$i\in[n]$与初始库存$c_i\in \mathbb{Z}_+$,和一个序列的同质买家在有限的时间范围内到达$t=1,2,\ldots,m$。存在一种在线平台,其目标是在时间$t$向到达的买方提供卖方的子集$S_t\subseteq [n]$,以在遵守库存约束的同时最大化在整个范围内得到的预期收入。给定一个在时间$t$的产品组合$S_t$,假设买方将根据著名的多项logit模型(一个来自经济文献的合理选择模型)从$S_t$中选择一个项目。在该模型中,在给定时间$t$出售商品$i$所获得的收入主要取决于当时提供的商品组合$S_t$,并且由$S_t$中的卖家之间的Bertrand博弈的纳什均衡给出。这在所提供的折扣、卖方的收入和库存水平之间强加了强烈的依赖性/外部性。尽管面临这一挑战,我们设计了一个恒定的竞争算法的同质买家的在线分类问题。我们还表明,异质买家的在线分类问题不承认一个常数的竞争算法。为了弥补这一问题,我们考虑的分类问题下的离线设置异构买家。在一个温和的市场一致性假设下,我们证明了广义Bertrand博弈在一般的买方-卖方二部图上存在一个纯纳什均衡。最后,我们开发了一个$O(\ln m)$ -近似算法的最优市场分割的广义Bertrand游戏,使平台获得更高的收入,通过分割…
2021-12-09 cs.GT math.OC
Pricing for local and global WiFi markets
本文分析了WiFi市场中常用的两种定价方案:统一费率和基于使用的定价。固定费率定价鼓励最大化使用,而基于使用的定价可以灵活地吸引更多的用户,特别是那些低估值的移动互联网接入用户。首先,我们使用理论分析来比较这两种方案,并表明对于市场中的单个提供商,只要WiFi容量充足,统一费率定价会带来更多的收入。其次,我们研究了全球供应商(例如,Skype)在每个地方市场与这家垄断者合作,提供全球WiFi服务。我们将全球供应商和本地供应商之间的互动制定为动态博弈。在第一阶段,全球供应商与每个市场的本地供应商讨价还价,以确定全球WiFi服务价格和收入分享协议。在第二阶段,本地用户和旅行者选择本地或全球WiFi服务。我们分析表明,全球供应商更喜欢使用基于使用的定价,以避免与当地供应商的激烈竞争。在均衡状态下,全球供应商总是与当地供应商分享其大部分收入,以激励合作。最后,我们分析研究如何互动的变化,如果当地市场有一个以上的本地供应商。在这种情况下,全球提供商可以整合多个本地提供商的覆盖范围,并提供更好的服务。与当地垄断的情况相比,当地市场竞争使全球供应商与当地供应商分享更少的收入。然而,我们从数字上表明,全球供应商的收入可能会减少,因为他与更多的供应商分享收入,只能收取较低的价格。
2014-07-16 cs.GT cs.NI
Network Non-Neutrality on the Internet: Content Provision Under a Subscription Revenue Model
本文的目标是提供一个洞察到互联网市场的平衡,当目前的市场平衡被打乱,和一个ISP切换到一个非中立的制度。我们考虑一个内容提供方与订阅收入模式和一个连续的最终用户。CP也是非中立的,在这个意义上,她可以向不同ISP的用户收取不同的订阅费,并使用这种“杠杆”来控制均衡结果。结果表明,CP能够在一定程度上控制非中性ISP。然而,ISP转向非中立制度会使市场平衡向有利于该ISP的方向倾斜。
2014-04-08 cs.GT cs.NI
Price-based Resource Allocation for Edge Computing: A Market Equilibrium Approach
新兴的边缘计算范式有望提供卓越的用户体验,并实现广泛的物联网(IoT)应用。在这项工作中,我们提出了一个新的基于市场的框架,有效地分配资源的异构容量有限的边缘节点(EN)在网络边缘的多个竞争服务。通过对地理上分布的EN进行适当定价,所提出的框架生成市场均衡(ME)解决方案,其不仅最大化边缘计算资源利用率,而且还分配最优(即,效用最大化)资源束到服务,考虑到它们的预算约束。当服务的效用被定义为该服务从其资源分配中所能获得的最大收益时,均衡可以通过求解Eisenberg-Gale(EG)凸规划来集中计算。来自经济学文献。我们进一步证明了均衡分配是帕累托最优的,并满足期望的公平性,包括共享激励,比例,和嫉妒自由。此外,引入了两个分布式算法,它们有效地收敛到ME。当每个服务的目标是最大化其净利润(即,收入减去成本),而不是收入,我们得到了一个新的凸优化问题,并严格证明了它的解决方案是一个ME。大量的数值结果验证了所提出的技术的有效性。
2018-05-08 cs.GT
eBay's Market Intermediation Problem
研究了通过连接买卖双方而获得收益的市场中介所面临的最优机制设计问题。我们首先证明了最优中介协议具有实质性的结构:它是算法定价问题的解决方案,其中卖方的成本被虚拟成本所取代,卖方的付款仅需要取决于买方的行为,而不是买方的实际估值函数。由于潜在的算法定价问题可能难以最佳解决,我们研究了特定的买方行为模型,并给出了可证明的近似保证机制。我们发现,只提供一个最有利可图的项目出售保证了$Ω(\frac1{\log n})$部分的最佳收入时,项目价值分布是独立的,并有单调的风险率。当买方同时考虑所有项目、$k$项目或按顺序考虑项目时,我们也给出常数因子近似值。
2012-10-11 cs.GT
Mechanism Design via Market Clearing-Prices for Value Maximizers under Budget and RoS Constraints
Renmin University of China(中国人民大学)
本文提出了一种在预算和RoS约束下通过市场清价机制实现价值最大化,并证明其在激励相容性和收益近似方面的有效性。
2026-02-22 cs.GT
On Approximate Welfare- and Revenue-Maximizing Equilibria for Size-Interchangeable Bidders
在瓦尔拉斯均衡(WE)中,所有投标人都是无嫉妒的(EF),这意味着他们的分配使他们的效用最大化;市场出清(MC),这意味着未分配商品的价格为零。EF是确保市场长期生存的理想选择。MC确保需求满足供应。作为WE一部分的任何分配也是福利最大化的;然而,它不一定是收入最大化的。此外,我们不需要存在,例如,在市场上,投标人有组合估值。同时解决存在和低收入的传统方法是放松MC条件,而不是要求未分配商品的价格为某个正的底价。由此产生的解决方案概念,称为无嫉妒定价(EFP),已经在一些特殊情况下进行了研究,例如,一心一意的投标人。在本文中,我们更进一步,我们放宽EF以及MC。我们建议放宽EF条件,只有赢家是羡慕免费的,并进一步放宽MC条件,使未分配的商品的价格至少在储备。我们将这种新的解决方案概念称为限制性无嫉妒定价(REFP)。我们调查REFP需要一心一意的投标人,并表明,大小可互换的投标人(本文介绍的一根筋),我们可以计算REFP在多项式时间,给定一个固定的分配。在EFP的研究中,我们仍然对最大化卖方收入感兴趣。人们可以先求解出一个考虑保留价格的分配方案,然后再求解出一组相应的支持价格,每一个价格都至少是保留价格,而不是计算出一个同时产生分配方案和相应价格的结果。这两步过程在EFP的情况下失败了,因为给定一个固定的分配,没有嫉妒的价格不需要存在。然而,受限制的无嫉妒价格总是存在的......
2017-08-10 cs.GT
Dynamic Pricing in Competitive Markets
Institute of Computer Science, Goethe University(歌德大学计算机科学研究所)
在竞争环境中对商品进行动态定价以使收入最大化是一个自然的目标,多年来一直是研究的主题。本文研究了一类具有替代品性质的市场,其卖方具有可分可售的商品。根据所选择的价格,每个卖方观察到一定的需求,满足受供应约束。卖方的目标是动态地为商品定价,以使其收益最大化。对于静态市场情形,当消费者效用满足恒定替代弹性(CES)性质时,我们利用Zinkevich的在线梯度下降算法的改进版本,给出了卖方收入损失最大的$O(\sqrt{T})$后悔界.对于一个更专门的一组消费者公用事业满足等弹性条件,我们表明,当每个卖方使用一个遗憾最小化算法满足一定的技术性能,关于$(1-α)$倍的最佳收入的遗憾是有界的$O(T^{1/4} / \sqrtα)$。我们将这一结果推广到具有动态供给的市场,并证明了相应的动态后悔界,其保证随着市场的内在不稳定性而平滑恶化。作为一个副作用,我们还扩展了以前已知的收敛结果,这些算法在一般的游戏的动态设置。
2017-09-14 cs.GT cs.LG
Optimal Selection with Balanced Market Share: Static and Dynamic Assortment Optimization
School of Operations Research and Information Engineering, Cornell Tech, Cornell University(康奈尔大学康奈尔科技分校运营研究与信息工程学院)
本文研究了在平衡市场份额约束下,通过静态和动态 assortment 优化提升收入的方法,提出了一种渐近最优的动态策略,并展示了在约束条件下的近似算法设计。
2026-03-12 cs.GT math.OC
Simple and Near-Optimal Mechanisms For Market Intermediation
互联网经济中普遍存在的市场结构由通过平台(如亚马逊或eBay)连接的买家和卖家组成,该平台充当中介并分享每笔交易的收入。虽然在这种情况下使中间人的利润最大化的最佳机制可能相当复杂,但实际上观察到的机制通常要简单得多,例如,将仿射函数应用于交易价格作为中介费用。Loertscher和Niedermayer [2007]开始研究双边市场中的这种费用设定机制,我们通过解决仿射费用表何时近似最优的问题来继续这项研究。一方面,我们的工作提供了非平凡的充分条件,在买方(即线性的边际收入函数,或MHR属性的价值和价值减去成本分布)下,仿射费用表可以获得一个常数部分的中介的最优利润的所有卖方分布。另一方面,我们补充我们的结果表明,适当的仿射费用设置机制(例如,在eBay和亚马逊销售计划中使用的)是无法提取最坏情况下的卖家分布的最佳利润的一个恒定的部分。作为子公司的结果,我们还表明,在上述条件下,最大盈余和最大收入之间存在一个恒定的差距。我们提出的大多数机制对于卖方也是先验独立的,这意味着我们的结果的实际意义。
2014-09-09 cs.GT
Redesigning Bitcoin's fee market
比特币支付系统涉及两种代理类型:使用货币进行交易并支付费用的用户和负责授权交易并保护系统以换取这些费用的矿工。比特币的两个挑战是(i)随着区块奖励的减少,确保足够的矿工收入,以及(ii)由于最大区块大小上限较小而减轻吞吐量限制。这些问题是密切相关的,因为增加最大区块大小可能会减少收入,因为比特币的支付你的出价方法。为了将它们解耦,我们分析了“垄断拍卖”,表明:(i)其收入不会随着最大区块大小的增加而减少,(ii)它对不受信任的拍卖人(矿工)具有弹性,以及(iii)交易发行人(投标人)的简单性,因为随着投标数量的增加,策略性投标阴影(相对于投标人的价值)的平均收益会减少。
2022-03-13 cs.CR cs.GT
Disrupting Bipartite Trading Networks: Matching for Revenue Maximization
本文研究在线平台在二分交易网络中的收入最大化匹配问题,证明一般情形计算难解,并给出特殊情形的高效算法及收入与福利的对数近似保证。
2024-06-11 cs.CC cs.GT
Simple Economies are Almost Optimal
考虑一个打算拍卖某件物品的卖家。卖方可以投入资金和精力在不同的细分市场上做广告,以便招募$n$投标人参加拍卖。或者,卖方可以有一个更便宜和集中的营销业务,并从一个单一的细分市场招募相同数量的投标人。卖家应该选择哪种营销方式?更正式地说,让$D=\{\mathcal D_1,\ldots, \mathcal D_n\}$是一组分布。我们的主要结果表明,总是有$\mathcal D_i\in D$,使得可以从$n$投标人中提取的收入,其中每个投标人的价值是独立地从$\mathcal D_i$中提取的,至少是任何可能的投标人组合可以获得的收入的$\frac 1 2 \cdot (1-\frac 1 e)$,其中每个投标人的价值是从属于$D$的一些(可能不同的)分布中提取的。接下来我们考虑拍卖人不能使用最优拍卖而必须使用第二价格拍卖的情况。我们表明,总是有$\mathcal D_i\in D$,这样,如果所有投标人的价值是独立地从$\mathcal D_i$然后运行第二价格拍卖保证了一个恒定的分数的收入,可以通过第二价格拍卖的任何可能的混合投标人。最后,我们表明,对于任何$\varepsilon>0$存在一个功能$f$,只依赖于$\varepsilon$(特别是,该功能不依赖于$n$或$D$的集合),这样,招聘$n$投标人有最多$f(\varepsilon)$不同的分布,所有从$D$,保证…
2021-06-02 cs.GT
Contextual Standard Auctions with Budgets: Revenue Equivalence and Efficiency Guarantees
互联网广告市场是一个价值数十亿美元的行业,广告商每天通过反复参与拍卖来购买数千个广告位。这些拍卖的一个重要且普遍存在的特征是存在活动预算,其指定广告商在指定时间段内愿意支付的最大金额。在本文中,我们提出了一个新的模型来研究均衡投标策略在标准拍卖,一个大类的拍卖,包括第一和第二价格拍卖,广告客户平均满足预算约束。我们的模型摒弃了常见的,但不切实际的假设,即广告客户的价值是独立的,而是假设一个上下文模型,广告客户使用一个共同的特征向量来确定他们的价值。我们证明了在非常温和的假设下存在一个自然的基于价值步调的贝叶斯-纳什均衡。此外,我们证明了一个收入等价表明,所有的标准拍卖产生相同的收入,即使在预算约束的存在。利用这种等价性,我们证明了无政府代价的流动福利和结构性质的起搏为基础的均衡,所有标准拍卖的界限。近年来,互联网广告市场已经采用第一价格拍卖作为销售广告位的首选范例。因此,我们的工作采取了重要的一步,通过研究销售机制的选择如何影响收入,福利和广告商的投标策略,了解在互联网广告市场转向一价拍卖的影响。
2022-10-09 cs.GT econ.TH
Revenue Maximization in Choice-Based Matching Markets
Tel Aviv University(特拉维夫大学);University of Southern California(南加州大学)
本文首次在一般成对奖励下为双边匹配市场的收益最大化提出常数因子近似算法,通过线性松弛、凸随机序和近似动态规划克服了子模性与次可加性缺失的难题。
2026-10-14 cs.DS cs.GT math.OC
Anonymous Pricing in Large Markets
Hong Kong University of Science and Technology(香港科技大学);National University of Singapore(新加坡国立大学)
本文研究了大规模市场中匿名定价的收益最大化问题,证明在正则性条件下,匿名定价能达到最优机制的2+O(1/√k)近似,且最坏情况比率随k增大而趋近于2。
2026-01-23 cs.GT econ.TH
Adversarial learning for revenue-maximizing auctions
我们引入了一个新的数值框架来学习最优的投标策略,在重复拍卖时,卖方使用过去的出价,以优化她的机制。至关重要的是,我们不假设投标人知道卖方使用什么优化机制。我们恢复基本上所有国家的最先进的分析结果,以前在设置中得出的单一项目的框架,投标人知道卖方使用的优化机制,并扩展我们的方法,多项目的设置,其中没有最佳的着色策略是以前已知的。我们的方法在所有设置中产生投标人效用的大幅增加。我们的方法也具有很强的实际应用潜力,因为它提供了一种简单的方法来优化现代市场上的出价策略,在这些市场上,买家面临未知的数据驱动机制。
2021-02-08 cs.GT
Revenue Guarantee of Anonymous Pricing for Mixed Bidders:Bridging Value and Utility Maximizers
Aarhus University(奥胡斯大学)
针对包含价值与效用最大化者的异质市场,证明匿名定价(AP)通过恰当定价可实现最优收益的1/e,并揭示竞争可能降低收益的反直觉现象。
2026-06-29 cs.GT
Learning to Clear the Market
Tsinghua University(清华大学);Google Research(谷歌研究院)
市场出清的问题是为一种商品设定一个价格,使需求量等于供给量。在这项工作中,我们将预测清算价格的问题转化为一个学习框架,并使用由此产生的模型在具有上下文信息的拍卖和市场中进行收入优化。市场出清背后的经济直觉使我们能够在理论上对由此产生的定价政策的积极性进行精细的控制。为了评估我们的方法,我们在一个大型广告交易所的展示广告拍卖中,在大量的出价数据集上拟合了一个清算价格模型。学习的价格优于其他建模技术在文献中的收入和效率的权衡。由于清除损失函数的凸性质,我们的方法的收敛速度与线性回归一样快。
2019-06-22 cs.GT cs.LG stat.ML
Defection-Free Collaboration between Competitors in a Learning System
University of California, Berkeley(加州大学伯克利分校)
本研究针对竞争企业组成的协作学习系统,分析完全协作的市场崩溃问题,验证单边协作的收益提升效果,提出无背叛的公平协作方案并证明其算法收敛至纳什议价解。
2024-06-22 cs.GT cs.LG
Near-Optimal Truthful Auction Mechanisms in Secondary Spectrum Markets
在这项工作中,我们研究了频谱拍卖问题,每个请求从二级用户的空间,时间和频谱特征。我们的目标是设计真实的机制,使次级用户的请求和初级用户的保留价格最大化的社会效率或最大化的主要用户的收入。由于最优无冲突频谱分配问题是NP-难的,在这项工作中,我们设计了近最优的频谱分配机制分别基于以下技术:从整数规划公式,其线性规划(LP)松弛,和LP的对偶去随机分配。我们从理论上证明了1)我们的近最优分配方法是投标单调的,这意味着真实的拍卖机制; 2)我们的近最优分配方法可以实现社会效率或收益至少分别是最优的$1-\frac{1}{e}$倍。最后,我们进行了大量的模拟来研究所提出的方法的性能(社会效率、收入),模拟结果证实了我们的理论分析。
2013-05-28 cs.DS cs.GT cs.NI