Optimal Strategies in a Sequential Contest with Failures
Purdue University（普渡大学）
本文研究序贯竞赛中玩家可能失败的情形，提出跟随者与领导者的最优策略，并分析能力与失败成本异质性对博弈结果的影响。
2026-09-18 cs.GT math.OC
Optimal Prize Design in Parallel Rank-order Contests
本文研究多并行排名竞赛的两阶段奖品设计，刻画参赛者选择与努力的对称贝叶斯纳什均衡，并证明努力目标下赢者通吃占优、参与目标下简单竞赛最优。
2025-05-13 cs.GT econ.TH
Incentive Design in Competitive Resource Allocation: Exploiting Valuation Asymmetry in Tullock Contests
University of California, Santa Barbara（加州大学圣塔芭芭拉分校）；University of Colorado, Colorado Springs（科罗拉多大学科罗拉多斯普林斯分校）
本文研究了在多玩家图克赛格斯框架下，协调者如何通过设计子代理的估值来影响竞争结果，分析了估值与单位成本对均衡投标和收益的影响，并提出了一种适用于任意数量子代理的优化方法。
2026-05-07 cs.GT
Budget-Constrained Multi-Battle Contests: A New Perspective and Analysis
在多战斗竞赛中，每次玩家通过在一个组件战斗中投资她的一些预算或资源来竞争，以在赢得战斗时收集价值。有多场战斗要打，预算会随着时间的推移而消耗。在整个竞赛中，最后的赢家是第一个达到一定总价值的人。例如，研发竞赛、体育竞赛、选举等等。一个玩家需要做出足够的连续动作来赢得比赛，以对抗随着时间的推移来自其他玩家的动态竞争。我们感兴趣的是玩家需要多少预算，以及他们应该采取什么行动才能表现良好。我们的模型和研究这样的约束多战役的比赛，每个组件的战斗是一个第一价格或所有支付拍卖。我们专注于分析两个玩家的预算比率，保证一个玩家的胜利（或落后于一个有限的收集值）对其他全能的球员。在所考虑的设置，我们给出了有效的动态规划，以找到最优的预算比例和相应的投标策略。我们对博弈、预算约束的定义以及对预算分析的重视，为相关领域提供了一个新的视角和分析方法。
2016-02-12 cs.GT
Optimal grading contests
本研究探讨了在代理人具有私人能力时，如何设计评分方案以最大化努力，发现更具信息量的评分方案在中等能力代理人常见时鼓励努力，反之则抑制努力。
2024-11-08 cs.GT econ.TH
Optimal Prizes for All-Pay Contests in Heterogeneous Crowdsourcing
激励措施是众包成功的关键，而众包在很大程度上取决于用户的参与程度。本文设计了一种激励机制，以激励异构人群的用户积极参与众包活动。我们投在一个新的，不对称的全付费竞赛模型与不完全信息的问题，其中任意n个用户施加不可撤销的努力，以竞争一个奖元组。奖励元组是奖励函数的数组，与传统竞赛通常使用的单个恒定奖励相反。我们设计了一个最优的比赛，（a）诱导最大的利润-总用户的努力减去奖金支付-为众包，和（b）确保用户严格有动机参与。与直觉和先前的相关工作形成鲜明对比的是，我们的机制诱导了一种平衡，在这种平衡中，异质用户的行为彼此独立，就好像他们处于同质环境中一样。这个新发现的属性，我们硬币作为战略自治（SA），是具有实际意义的：它（a）减少计算和存储的复杂性，由n倍的每个用户，（b）增加众包的收入，通过抵消努力保留效果存在于不对称的比赛，（c）中和（几乎普遍）的边际收益递减（DMR）的法律。通过广泛的数值案例研究，我们展示和审查我们的机制的优越的盈利能力，以及绘制洞察SA属性。
2018-12-12 cs.GT cs.MA
Optimal Contest Beyond Convexity
Massachusetts Institute of Technology, Sloan School of Management（麻省理工学院斯隆管理学院）；University of Maryland, Computer Science（马里兰大学计算机科学系）
本文研究了在一般设置下最优机制设计问题，考虑了参赛者质量的非凸目标，提出了一种结构化的最优机制分配方案，并通过数学工具实现了高效的近似算法。
2026-04-06 cs.DS cs.GT econ.TH
Likes, Budgets, and Equilibria: Designing Contests for Socially Optimal Advertising
Indian Institute of Technology Bombay（印度理工学院孟买分校）
本文提出一种双时间尺度模型，通过分析网络节点间的快速通信和企业策略更新的慢速过程，探讨如何设计广告竞赛以实现社会最优均衡。
2026-10-15 cs.GT
Feedback in Dynamic Contests: Theory and Experiment
本研究通过理论与实验探讨动态全支付拍卖中的中期反馈策略，提出最廉价信号均衡刻画序贯均衡，并实验发现反馈策略对总出价无显著影响，但第一阶段出价引发沉没成本与挫败效应。
2025-10-27 cs.GT econ.TH
Crowdsourcing with Tullock contests: A new perspective
众包的激励机制在全付拍卖的框架下得到了广泛的研究。沿着一条不同的路线，本文提出了使用塔洛克竞赛作为一种替代工具，设计激励机制的众包。我们受到塔洛克竞赛在其他领域吸引用户进入（但不一定是更高的收入）的有益性的启发。在本文中，我们探索了一个新的维度，在最佳的塔洛克竞赛设计，取代比赛奖金-这是固定在传统的塔洛克竞赛-与奖励函数，这是依赖于（未知）赢家的贡献，以最大限度地提高众包的效用。我们表明，这种方法导致有吸引力的实际优势：（a）它非常适合在完全分布式的网络代理和智能手机应用程序的快速原型设计;（b）它克服了参与者的对抗越来越多的竞争对手所造成的抑制。此外，我们优化传统的，固定奖塔洛克竞赛，以构建最优越的基准比较对我们的机制。通过广泛的评估，我们表明，我们的机制显着优于最佳基准，超过三倍的众包的效用暨利润和高达九倍的球员的社会福利。
2017-01-05 cs.GT cs.HC cs.MA
The effect of competition in contests: A unifying approach
该研究探讨竞赛中奖品不平等加剧对努力的影响，通过有限类型空间分析均衡及竞争效应，发现努力受高效与低效类型相对可能性影响，且赢家通吃竞赛在线性和凹成本下稳健最优，解决了开放问题。
2025-02-12 cs.GT econ.TH
Optimal Strategies in Sequential Bidding
我们对最大限度地提高社会福利的机制感兴趣。在文献[1]中，研究了具有单位需求投标人的多单位拍卖和公共项目问题，并且在每种情况下，在可行的和激励相容的机制类中确定了社会福利非支配机制。改进这些最优结果的一种方法是允许参与者顺序移动。考虑到这一点，我们在这里研究连续版本的两个可行的格罗夫斯机制用于单一项目拍卖：维克里拍卖和贝利卡瓦洛机制。由于在这个序列设置中没有优势策略，我们专注于一个较弱的最优策略的概念。对于每种机制，我们引入自然的最优策略，并观察到，在每种机制中，这些策略表现出不同的行为。然而，我们发现，在所有的最优策略中，我们为每个机制引入的策略在每个参与者都遵循它的情况下使社会福利最大化，由此产生的社会福利可以大于同时设置中获得的社会福利。最后，我们表明，当解释这两种机制作为同时的，向量的建议的战略形成一个帕累托最优的纳什均衡类的最优策略。
2008-10-17 cs.GT
The Dating Problem and Optimal Ordering of Sequential Opportunities
在本文中，我们讨论了一个随机决策问题的最佳选择顺序，尝试$n$机会，可能会产生一个不确定的回报在未来。动机来自纯粹的好奇心，在一次关于什么是约会朋友的最佳方式的非正式谈话之后。问题的结构也被证明是适合于其他情况下，如问题的最佳选择的顺序提交的论文期刊。尽管看似组合性质的问题，我们表明，最佳权衡的解决方案，可以通过简单地订购序列的$n$实数。
2016-09-26 cs.GT
An $ε$-Optimal Sequential Approach for Solving zs-POSGs
University of Groningen（格罗宁根大学）
本文提出一种序列方法，通过分离原理将同时交互转换为序列决策过程，从而线性化备份算子，降低更新复杂度并提取安全策略，实验表明其在求解复杂领域方面优于现有方法。
2026-05-01 cs.GT
Dynamic Information Design: A Simple Problem on Optimal Sequential Information Disclosure
我们研究了一个动态信息设计问题，在有限的地平线设置由两个战略和长期优化代理，即一个主要的（他）和一个检测器（她）。主体观察马尔可夫链的演化，该马尔可夫链具有两个状态，一个“好”和一个“坏”吸收状态，并且必须决定如何顺序地向检测器披露信息。探测器的唯一信息包括她从主体接收的消息。检测器的目标是尽可能准确地检测从好状态跳到坏状态的时间。主要的目标是尽可能地延迟检测器检测到跳到坏状态。对于这种设置，我们确定的主要和检测器的最佳策略。检测器的最佳策略是由她的后验信念的良好状态随时间变化的阈值。我们证明了在时间阈值之前不向检测器提供任何信息，在阈值时间运行混合策略来混淆检测器，然后揭示真实状态是最优的。我们提出了一个算法，确定最佳的时间阈值和最佳的混合策略，可以采用的主要。通过数值实验，我们表明，这种最佳顺序机制显着优于文献中提出的任何其他信息披露策略。
2020-03-17 cs.GT
Restricting Entries to All-Pay Contests
Imperial Business School, Imperial College London（帝国理工学院帝国商学院）；Department of Industrial Engineering and Operations Research, UC Berkeley（加州大学伯克利分校工业工程与运筹学系）；UM-SJTU Joint Institute, Shanghai Jiao Tong University（上海交通大学密西根学院）
本文研究了在所有支付竞赛中通过过滤低能力玩家来影响均衡策略的效果，发现放大能力可以捕捉淘汰机制的影响，并指出在赢家通吃结构下，被接受人数增加会导致玩家努力下降。
2025-12-05 cs.GT econ.GN q-fin.EC
Allocation of Heterogeneous Resources in General Lotto Games
本文研究 General Lotto 博弈中异构资源的分配问题，提出多资源扩展模型，完整刻画了最弱环节/最佳一击规则和加权线性组合规则下的均衡策略，并分析了资源购买成本下的均衡投资。
2025-05-02 cs.CR cs.GT cs.SY
A Social Welfare Optimal Sequential Allocation Procedure
Universität Rostock（罗斯托克大学）；NICTA（澳大利亚国家信息与通信技术研究院）；UNSW（新南威尔士大学）
我们考虑一个简单的顺序分配过程中，代理人轮流挑选项目之间共享不可分割的项目。假设代理之间的附加效用和独立性，我们证明了每个代理的期望效用是在多项式时间内可计算的。利用这一结果，我们证明了期望的功利社会福利最大化时，代理轮流。我们还认为，这种机制仍然是最佳的代理人时，行为的战略
2013-04-23 cs.AI cs.GT cs.MA
Reinforcement Learning of Sequential Price Mechanisms
Harvard University（哈佛大学）
我们介绍了使用强化学习的间接机制，与现有的类顺序价格机制，这概括了串行独裁和张贴价格机制，并基本上特征所有强烈明显的strategyproof机制。学习该类中的最优机制形成部分可观察的马尔可夫决策过程。我们提供了严格的条件，当这类机制比简单的静态机制更强大，充分或不足的观察统计学习，以及复杂的（深）政策的必要性。我们表明，我们的方法可以在几个实验设置中学习最佳或接近最佳的机制。
2021-05-05 cs.AI cs.GT cs.LG
