On the Convergence of Learning Algorithms in Bayesian Auction Games
本文研究贝叶斯拍卖中学习算法的收敛性,通过变分不等式分析证明一价拍卖不满足Minty条件,但贝叶斯-纳什均衡在均匀递增出价函数类中唯一存在,确保梯度算法收敛。
2024-12-17 cs.GT
An approximately truthful-in-expectation mechanism for combinatorial auctions using value queries
这份手稿提出了另一种实现的真实的期望机制的Dughmi,Roughgarden和严组合拍卖加权拟阵秩和估值。新的实现仅使用值查询,并且近似于真实的期望,在这个意义上,通过如实报告,每个代理在乘法1-o(1)因子内最大化他的效用。在社会福利中,它仍然提供了一个最优的(1-1/e-o(1))近似。我们实现这一点,首先提出了一个近似最大的分布范围的分配规则,然后显示一个黑盒转换到一个近似真实的预期机制。
2011-09-06 cs.DS cs.GT
Computing Perfect Bayesian Equilibria in Sequential Auctions with Verification
针对连续行动与价值空间的序贯拍卖,本文提出含验证阶段的纯策略 ε-完美贝叶斯均衡计算算法,通过公共信念扩展的博弈抽象、动态规划和效用损失分解定理保证近似质量。
2025-02-18 cs.GT
Bayesian and Randomized Clock Auctions
在一个单参数机制设计问题中,供应商希望向一组潜在的购买者出售服务。每个购买者$i$具有用于接收服务的私有值$v_i$,并且可行性约束限制可以同时服务哪些购买者集合。最近的经济学研究引入了时钟拍卖作为解决这个问题的高级拍卖,因为它们的透明性,简单性和强激励保证。随后的工作集中在评估这些拍卖的社会福利近似保证,导致强不可能的结果:在没有关于买家价值的先验信息的情况下,没有确定性时钟拍卖可以实现有界近似,即使是简单的可行性约束只有两个最大可行集。我们表明,这些负面结果可以通过使用先验信息或利用随机化来规避。我们提供了时钟拍卖,给出了一般向下封闭的可行性约束$O(\log\log k)$近似与$k$最大可行集为三种不同的信息模型,从完全访问的值分布,完全没有信息。卖家掌握的信息越多,拍卖就越简单。在完全访问下,我们使用一种特别简单的确定性时钟拍卖,称为单一价格时钟拍卖,它只比公布价格机制稍微复杂一点。在这种拍卖中,每个买家提供一个单一的价格,并在那些接受他们的报价的人中选择一个可行的集合。在另一个极端,在没有先验信息的情况下,使用复杂的随机时钟拍卖来获得这种近似保证。除了我们的主要结果,我们提出了一个参数化,插值之间的单一价格的时钟拍卖和一般的时钟拍卖,铺平了道路,一个令人兴奋的未来的研究。
2022-02-18 cs.GT
Efficient Preference Elicitation in Iterative Combinatorial Auctions with Many Participants
本文针对迭代组合拍卖中偏好启发在大量相似竞拍者下低效的问题,提出一种多任务学习方法,通过在训练中共享模型参数来学习估值函数,实验证明其在竞拍者和物品众多但查询有限的场景下实现了更高的分配效率。
2024-09-21 cs.GT
A Bayesian Clearing Mechanism for Combinatorial Auctions
University of Zurich(苏黎世大学);Google Research(谷歌研究院)
我们投在贝叶斯框架的组合拍卖设计的问题,以将先验信息纳入拍卖过程中,并尽量减少收敛轮数。我们首先开发了一个生成模型的代理人估值和市场价格,使清算价格成为最大的后验估计观察到的代理人估值。然后,生成模型形成了拍卖过程的基础,该过程在细化代理估值的估计和计算候选清算价格之间交替。我们提供了一个实现的拍卖使用假设密度过滤估计估值和期望最大化计算价格。在一系列的估值域的实证评估表明,我们的贝叶斯拍卖机制是高度竞争力的组合时钟拍卖方面的回合收敛,即使在最有利的选择价格增量为这个基线。
2018-11-16 cs.AI cs.GT
Applications of $α$-strongly regular distributions to Bayesian auctions
在贝叶斯拍卖分析中广泛使用的两类分布是单调风险率(MHR)和规则分布。它们都可以用相关的虚价值函数的变化率来表征:对于MHR分布,条件是值$v < v'$,$ϕ(v') - ϕ(v) \ge v' - v$,对于正则分布,条件是$ϕ(v') - ϕ(v) \ge 0$。Cole和Roughgarden引入了$α$ -强正则分布(简称$α$ -SR分布)的插值类,其中$ϕ(v') - ϕ(v) \ge α(v' - v)$,$0 \le α\le 1$ .在本文中,我们研究了五个不同的拍卖设置时,投标人的估值MHR分布时,良好的预期收益界是已知的。在每一种情况下,我们表明,这些界限优雅地退化时,扩展到$α$ -SR分布。对于其中四种设置,拍卖机制需要知道这些分布(在另一种设置中,只需要这些分布来确保预期收入的良好界限)。在这些情况下,我们还研究了当分布仅通过样本近似已知时会发生什么,特别是如何修改机制以使其保持有效,以及预期收入如何取决于样本数量。
2016-07-18 cs.GT
On the Uniqueness of Bayesian Coarse Correlated Equilibria in Standard First-Price and All-Pay Auctions
研究对称独立私人价值模型下第一价格与全支付拍卖的贝叶斯粗相关均衡唯一性,证明全支付拍卖中 BCCE 唯一且等价于严格 BNE,第一价格拍卖需严格凹先验或递增策略限制,否则 no-regret 算法可能陷入低价汇聚并导致算法性合谋。
2024-11-17 cs.GT
An Impossibility Result for Truthful Combinatorial Auctions with Submodular Valuations
我们发现,每一个普遍真实的随机机制的组合拍卖与子模块的估值,提供$m^{\frac 1 2 -ε}$近似的社会福利和使用值查询只必须使用指数许多值查询,其中$m$是项目的数量。与此相反,忽略激励,存在常数比近似算法为这个问题。我们的方法是基于一种新的\emph{direct hardness}方法,并完全跳过了臭名昭著的硬表征步骤。表征步骤是迄今为止机制设计算法中证明不可能结果的主要障碍。我们证明了我们的新技术的两个额外的应用:(1)普遍真实的多项式时间灵活的组合公共项目的不可能性结果和(2)准确的组合公共项目的真实预期机制的不可能性结果。后者是第一个结果,约束的权力多项式时间的真实性在任何设置的期望机制。
2010-11-08 cs.GT
Randomly Wrong Signals: Bayesian Auction Design with ML Predictions
NYU Stern School of Business(纽约大学斯特恩商学院);FGV/EPGE Escola Brasileira de Economia e Finança(瓦加斯基金会巴西经济与金融学院)
本文研究了在机器学习预测可能错误的情况下,如何通过贝叶斯拍卖设计最大化收益,提出了基于铁定虚拟值的可处理特征,并展示了在单个和多个投标人情况下的优化策略。
2026-10-14 cs.AI cs.GT
On Solutions for the Maximum Revenue Multi-item Auction under Dominant-Strategy and Bayesian Implementations
很少有精确的解决方案是已知的垄断者的$k$ -项目$n$ -买方最大收益问题的附加价值,其中$k, n >1$和买方$i$有独立的私人分布$F^j_i$的项目$j$。在本文中,我们推导出精确的公式时,$k=2$和$F^j_i$是任何IID分布的支持大小为2的最大收益,无论是显性策略(DIC)和贝叶斯(BIC)的实现。公式导致简单的特征,这两个实现具有相同的最大收入,当且仅当单独销售是最佳的分布。我们的研究结果还首次展示了这两种实现方式之间的收入差距。例如,如果$k=n=2$和$Pr\{X_F=1\}=Pr\{X_F=2\}=\frac{1}{2}$,那么贝叶斯实现中的最大收益恰好超过优势策略中的最大收益$2\%$ ;对于所有大的$a$,对于$[a, a+1]\cup[2a, 2a+1]$上的连续均匀分布$X_F$,存在相同的差距。
2016-07-13 cs.GT
Optimal Auctions with Convex Perceived Payments
迈尔森在他关于最优拍卖设计的开创性著作中,假设了准线性效用的通常模型,推导出了单参数收益最大化问题的简单而优雅的解决方案。在本文中,我们考虑这个通常的模型的一个轻微的推广-从线性到凸的“感知”支付。这个更普遍的问题似乎不像迈尔森的那样有一个简单而优雅的解决方案。虽然迈尔森的一些结果延伸到我们的设置,如他的支付公式(适当调整),其他人没有。例如,我们观察到贝叶斯和鲁棒(即,非贝叶斯)最优拍卖设计问题的凸感知支付设置不符合他们在线性支付的情况下。因此,我们依次研究这两个问题。我们得到了一个上限和一个启发式的下限预期收入在我们的设置。这些边界很容易逐点计算,并产生单调的分配规则,因此可以通过迈尔森支付(适当调整)来支持。通过这种方式,我们的边界产生近似最优鲁棒拍卖的算法,假设凸感知支付。我们关闭与实验,其中的最后一组按摩的输出的封闭形式的problem到一个非常快的,接近最优的启发式解决方案的贝叶斯最优拍卖设计问题的鲁棒性问题。
2016-01-26 cs.GT
Public Signaling in Bayesian Ad Auctions
我们研究贝叶斯广告拍卖中的信号,其中投标人的估价取决于一个随机的,未知的自然状态。拍卖机制完全了解自然界的实际状态,它可以向投标人发出信号,以便披露有关状态的信息并增加收入。例如,一个状态可以共同编码用户的一些特征,这些特征仅为该机制所知,因为后者可以访问出价人无法访问的数据源。我们研究的问题计算的机制应该如何发送信号给投标人,以最大限度地提高收入。虽然这个问题已经在更容易设置的第二价格拍卖中得到了解决,但据我们所知,我们的工作是第一次探索具有多个插槽的广告拍卖。在本文中,我们专注于公共信号和VCG机制,投标人如实报告他们的估值。我们从一个否定的结果开始,表明,在一般情况下,问题不承认PTAS,除非P = NP,即使投标人的估值是已知的机制。其余的文件是专门设置在这种负面结果可以规避。首先,我们证明,与已知的估值,问题确实可以解决在多项式时间时,无论是状态数d或槽数m是固定的。此外,在相同的设置,我们提供了一个FPTAS的情况下,投标人是一心一意的,但d和m可以是任意的。然后,我们切换到随机估值设置,其中这些是根据某种概率分布随机抽取的。在这种情况下,我们表明,该问题允许一个FPTAS,一个PTAS,和一个QPTAS,分别当d是固定的,m是固定的,投标人的估值有界远离零。
2022-01-24 cs.GT
Bayesian Calibrated Click-Through Auction
本文研究点击率拍卖中的信息设计,提出FPTAS算法计算近似最优机制,并针对双竞标者对称情形设计基于最优信号比的简单无先验信号方案,以最大化卖家收入。
2024-04-20 cs.GT
Near-Optimal Multi-Unit Auctions with Ordered Bidders
我们构建了无先验拍卖与常数因子近似保证有序投标人,在无限和有限的供应设置。我们比较了我们的拍卖的预期收益的投标向量的单调价格基准,最大的收入,可以从一个投标向量使用供应尊重的价格是不增加的投标人的顺序和第二高的出价以上的界限。因此,我们的拍卖是同时接近最优的贝叶斯多单元环境中的广泛。
2012-12-12 cs.GT
Bayesian Combinatorial Auctions: Expanding Single Buyer Mechanisms to Many Buyers
对于贝叶斯组合拍卖,我们提出了一个一般的框架,约减少机制设计问题的多个买家到单个买家的子问题。我们的框架可以适用于任何设置大致满足以下假设:(i)买家的类型必须独立分布(不一定相同),(ii)目标函数必须是线性可分的买家,(iii)除了供应约束,不应该有其他买家之间的约束。我们的框架是通用的,因为它没有对买家的估值、类型分布和单一买家约束(例如,预算、激励相容性等)。我们提出了两个通用的多买家机制,使用单一买家机制的黑盒,如果一个$α$ -近似的单一买家机制可以为每个买家,如果没有买家需要超过$\frac{1}{k}$的所有单位的每个项目,那么我们的通用多买家机制是$γ_kα$ -近似的最佳多买家机制,其中$γ_k$是一个常数,它至少是$1-\frac{1}{\sqrt{k+3}}$。观察到$γ_k$至少为1/2(对于$k=1$),并且接近1(对于$k \to \infty$)。作为我们的建设的副产品,我们提出了一个先知不平等的概括。此外,作为我们的框架的应用程序,我们提出了多个买家机制与改进的近似因子从文献中的几个设置。
2012-06-15 cs.GT
Equilibrium Learning in Combinatorial Auctions: Computing Approximate Bayesian Nash Equilibria via Pseudogradient Dynamics
Technical University of Munich(慕尼黑工业大学)
组合拍卖作为一种市场机制在实践中得到了广泛的应用,但其贝叶斯纳什均衡(BNE)仍然知之甚少。仅在少数情况下才知道解析解,其中该问题可以重新表示为易于处理的偏微分方程(PDE)。在一般情况下,发现BNE是已知的计算困难。以前的工作,BNE拍卖的数值计算依赖于明确解决这样的偏微分方程,计算逐点最佳反应的策略空间,或迭代求解限制子博弈。在这项研究中,我们提出了一个通用的,但可扩展的替代多智能体均衡学习方法,代表战略作为神经网络,并适用于政策迭代的基础上梯度动态自我发挥。大多数拍卖是事后不可微的,因此梯度可能不可用或误导,我们依赖于合适的伪梯度估计。虽然众所周知,梯度动力学不能保证收敛到NE一般,我们观察到快速和鲁棒的收敛近似BNE在各种各样的拍卖,并提出了一个充分条件收敛
2021-02-06 cs.AI cs.GT
Combinatorial Auctions via Posted Prices
我们在贝叶斯框架下研究了组合拍卖的匿名标价机制。在公布价格机制中,商品价格被公布,然后消费者以任意顺序依次接近卖家,每个人都以公布的价格从未售出的商品中购买她最喜欢的捆绑。这些机制是简单、透明和平凡的主导战略激励兼容(DSIC)。我们表明,当代理人的偏好是分数次加性(其中包括所有的子模块功能),总是存在的价格,在预期中,获得至少一半的最优福利。我们的结果是建设性的:给定对组合拍卖算法A的黑盒访问、对先验分布的样本访问以及对采样估值的适当查询访问,可以在多时间中计算保证A的预期福利的至少一半的价格。作为一个推论,我们获得了第一个多时间(在n和m)常数因子DSIC机制贝叶斯子模块组合拍卖,访问需求查询预言。我们的研究结果也扩展到估值与互补,其中的近似因子线性下降的互补性的水平。
2014-11-18 cs.GT
VCG Under False-name Attacks: a Bayesian Analysis
VCG是一个经典的组合拍卖,最大化社会福利。然而,虽然标准的单物品Vickrey拍卖是防假名的,但多物品VCG的一个主要缺陷是它容易受到假名攻击。这已经发生在自然裸最低模型中,其中有两个相同的项目和投标人是一心一意的。以往应对这一挑战的办法侧重于发展损害社会福利的替代机制。我们重新访问VCG拍卖漏洞,并考虑贝叶斯设置中的投标人行为。在服务中,我们引入了一个新的概念,称为粒度阈值,其特征在于VCG贝叶斯弹性假名攻击的投标人类型分布的函数。使用这个概念,我们展示了一个大类的情况下,VCG确实获得贝叶斯弹性的两个项目的一心一意的设置。
2021-06-26 cs.GT
Bayesian Optimal Auctions via Multi- to Single-agent Reduction
研究了一个单一商品或服务的抽象最优拍卖问题。这个问题包括代理人有预算,风险偏好,或多维偏好的好几个可能的配置的环境(此外,它允许代理人的预算和风险偏好,只有私下知道代理)。这些是拍卖理论面临的主要挑战。一个单智能体问题是优化一个给定的目标,该目标受到对每种类型被分配的最大概率的约束,即,分配规则。我们的方法是一个减少从多代理机制设计问题的单代理问题的集合。我们专注于收入最大化,但我们的结果可以应用于其他目标(例如,福利)。一个最优的多代理机制可以计算的线性/凸规划的临时分配规则,同时优化几个单代理机制的联合可行性的分配规则。Border \citeyearpar{B91}证明了对于单单位拍卖,$n$代理的所有联合可行的临时分配规则的空间是一个$\NumTypes$维凸多面体,可以由$2^\NumTypes$线性约束来指定,其中$\NumTypes$是所有代理类型的总数.因此,有效地解决机制设计问题,需要一个分离的预言机的可行性条件,也是一个算法的事后实施的临时分配规则。我们证明了联合可行的临时分配规则的多面体是一个高维多面体的投影,可以指定只有$O(\NumTypes^2)$线性约束。此外,我们的证明表明,找到一个前像的临时分配规则,在高维多面体立即给出了一个事后实施。
2012-03-22 cs.GT
An Optimal Multi-Unit Combinatorial Procurement Auction with Single Minded Bidders
最优组合拍卖中的现有技术限于处理多个物品的单个单元的情况,其中每个投标人对恰好一个捆绑出价(单一的投标人)。本文扩展了现有的技术,提出了一个最优拍卖采购多个单位的多个项目时,投标人是一心一意的。该拍卖在满足贝叶斯激励相容性和个体过渡理性的前提下,最小化了采购成本。在适当的正则性条件下,这种最优拍卖也满足优势策略激励相容性。
2010-04-24 cs.GT
A single-item continuous double auction game
引入了一个买卖双方数量无限的双边拍卖博弈。所有的卖家都想买一个单位的商品,所有的买家都想买一个单位的商品。每一个卖方和买方都有一个对货物的私人估价。估值的分布定义了供给函数和需求函数。一个单位的货物被拍卖。在连续的、离散的时间实例中,随机选择一个玩家进行出价(买方)或要价(卖方)。当最大出价大于最小要价时,交易发生,拍卖结束。玩家必须在拍卖开始前选择他们的出价或要价的值,并在被选中时使用此值。假设供给和需求函数是已知的,预期利润作为战略的功能,以及预期的交易价格。证明了对于线性供求函数,最多存在一个贝叶斯纳什均衡。竞争行为不是博弈的均衡。对于线性供求函数,对于贝叶斯纳什均衡和参与者竞争的市场,卖方和买方的期望利润之和是相同的。与ZI-C交易者模型和$k$ -双向拍卖的连接。
2012-10-19 cs.GT
Strategizing against No-Regret Learners in First-Price Auctions
Stanford University(斯坦福大学)
研究重复首价拍卖等博弈中优化者对抗无遗憾学习者的策略,证明基于均值的算法在标准首价拍卖中可限制优化者效用,但在贝叶斯设定下不可,并证实无多面体交换遗憾算法是限制效用的必要条件。
2024-02-13 cs.DS cs.GT cs.LG
An Optimal Bidimensional Multi-Armed Bandit Auction for Multi-unit Procurement
我们研究的问题,买家(又名拍卖)谁获得随机奖励采购多个单位的服务或项目从一个池的异构战略代理。从分配的代理获得的单个单位的奖励取决于代理的内在质量;代理的质量是固定的,但未知。每个代理只能提供有限数量的单位(代理的容量)。单位成本和容量是代理人的私人信息。拍卖师需要引出成本以及能力(使机制设计二维),并进一步了解代理的质量,以最大限度地提高她的效用。出于这一动机,我们设计了一个二维多臂强盗采购拍卖,旨在最大限度地提高预期效用的拍卖受到激励相容性和个人的理性,同时学习未知的素质的代理。我们首先假设的质量是已知的,并提出了一个最佳的,真实的机制2D-OPT的拍卖人引起的成本和能力。接下来,为了学习代理的质量,另外,我们提供了一个学习算法是贝叶斯激励兼容和个人理性的充分条件。最后,我们设计了一种新的学习机制,2D-UCB,是随机贝叶斯激励兼容和个人理性。
2015-04-28 cs.GT
Generalizing Virtual Values to Multidimensional Auctions: a Non-Myersonian Approach
我们考虑的收入最大化问题的垄断通过非迈尔森的方法,可以推广到多个项目和多个买家。虽然这种方法不会导致问题的任何封闭形式的解决方案,但它确实从不同的角度提供了一些见解。特别是,我们考虑贝叶斯(贝叶斯激励兼容+贝叶斯个体理性)和支配策略(支配策略激励兼容+事后个体理性)的实现,其中所有买家都有附加估值和准线性效用,所有估值在买家之间是独立的(不一定在物品之间是独立的)。我们的方法的主要技术是制定的LP问题(可能与指数大小),并应用原始-对偶分析。我们观察到,对偶规划的任何最优解自然地定义了原始收益最大化问题的虚拟价值函数,在这个意义上,任何收益最大化拍卖必须是虚拟福利最大化者(参见图1)。Myerson's auction for a single item [Myerson,1981])。基于这一观察,我们刻画了BIC = DSIC的一个充分必要条件,即,贝叶斯实施的最优收益等于显性策略实施的最优收益(BRev = DRev)。条件是当且仅当最优的DSIC收益DRev可以通过DSIC和事后IR虚拟福利最大化者来实现,其虚拟价值函数与买方无关(买方i的虚拟价值与其他买方的估值无关)。根据特征,我们进一步表明,当所有估值都是独立同分布时,进一步等价于单独销售是最优的。特别是,它尊重Yao [2016]最近在多项目多买家设置中的精确最优解方面的突破性工作。
2017-11-29 cs.GT
Optimal Auctions via the Multiplicative Weight Method
我们发现,乘法权重更新方法提供了一个简单的配方设计和分析最佳贝叶斯激励兼容(BIC)拍卖,并降低了问题的时间复杂度伪多项式的参数依赖于单个代理,而不是取决于联合类型空间的大小。我们使用这个框架来设计计算效率高的最优拍卖,满足事后个人理性的约束,如(硬,私人)预算和嫉妒自由。我们还设计了最优拍卖时,买方和卖方的效用函数是非线性的。具有这种功能的情景包括:(a)具有“退出权”的拍卖,(b)超出预算的借款成本,(c)卖方和买方的风险规避。最后,我们展示了我们的框架如何产生最优拍卖的各种拍卖设置中考虑蔡等人,Alaei等人,虽然伪多项式的运行时间。
2013-04-10 cs.GT
An n-to-1 Bidder Reduction for Multi-item Auctions and its Applications
在本文中,我们介绍了一种新的方法,减少$k$ -项目$n$ -投标人拍卖与附加估价$k$ -项目$1$ -投标人拍卖。这种方法,称为\emph{Best-Guess}减少,可以应用于解决最优收益拍卖理论中的几个核心问题,如随机化的力量,贝叶斯与显性策略的实现。首先,当项目有独立的估值分布,我们提出了一个确定性的机制,称为{ \it确定性最佳猜测},产生至少一个恒定的分数的最佳收入的任何随机机制。第二,如果所有的$nk$估值随机变量是独立的,最佳的收入可实现的{ \it主导战略激励兼容性}(DSIC)被证明是至少一个常数的分数,可实现的{ \it贝叶斯激励兼容性}(BIC)。第三,当所有的$nk$值是相同的分布,根据一个共同的一维分布$F$,最佳的收入被证明是可表达的封闭形式$Θ(k(r+\int_0^{mr} (1-F(x)^n) \ud x))$其中$r= sup_{x\geq 0} \, x(1 - F(x)^n)$和$m=\lceil k/n\rceil$ ;这个收入是可实现的一个简单的机制称为\emph{2nd-Price Bundling}。我们的所有结果适用于任意分布,规则或不规则。
2014-06-23 cs.GT
Generalized Second Price Auction with Probabilistic Broad Match
通用第二价格(GSP)拍卖被广泛使用的搜索引擎今天出售他们的广告位。大多数搜索引擎在执行GSP拍卖时已经支持查询和出价关键字之间的广泛匹配,然而,已经揭示了具有它们当前使用的标准广泛匹配机制(表示为SBM-GSP)的GSP拍卖具有若干理论缺陷(例如,其理论特性仅对于单时隙情况和全信息设置是已知的,并且即使在这种简单设置中,对应的最坏情况社会福利也可能相当差)。为了解决这个问题,我们提出了一种新的宽匹配机制,我们称之为概率宽匹配(PBM)机制。与SBM不同,SBM将所有与给定查询匹配的关键字上的广告放在一起用于GSP拍卖,具有PBM的GSP(表示为PBM-GSP)根据预定义的概率分布随机采样关键字,并且仅对该采样关键字上的广告进行GSP拍卖。我们对PBM-GSP的理论性质进行了全面的研究。具体而言,我们研究了它的社会福利在最坏的均衡,在完全信息和贝叶斯设置。结果表明,PBM-GSP比SBM-GSP在温和的条件下产生更大的福利。此外,我们还研究了贝叶斯环境下PBM-GSP的收益保证问题。据我们所知,这是第一个关于普惠制广泛匹配机制的工作,它超越了单槽情况和全信息设置。
2014-04-15 cs.GT
On Robustness to $k$-wise Independence of Optimal Bayesian Mechanisms
本文研究单物品拍卖中最优贝叶斯机制对$k$元独立性的鲁棒性,发现Myerson机制不具备两两鲁棒性但3元独立下鲁棒,带匿名保留价的第二价格拍卖最多损失固定比例收益,完善了相关鲁棒性认知。
2024-09-13 cs.GT
The Randomized Communication Complexity of Randomized Auctions
本文研究了在$n$物品上具有组合估价函数的垄断卖方和单个买方之间激励相容拍卖协议的通信复杂性。由于收入最优拍卖是随机的[Tha04,MV10,BCKW10,Pav11,HR15](以及Babaioff,Gonczarowski和Nisan [BGN 17]的开放问题),我们专注于这个问题的随机通信复杂性(与大多数确定性通信的先前工作相反)。我们设计了简单的,激励兼容的,和收入最优的拍卖协议,其预期的通信复杂性是更有效的(事实上无限)比他们的确定性同行。我们还给出了几乎匹配的近似收益最优拍卖的预期通信复杂性的下界。这些结果遵循从一个简单的激励兼容的拍卖协议,使我们能够证明对随机拍卖协议的下界特征。特别是,我们的下界给出了激励与实施贝叶斯激励兼容的社会选择规则的通信复杂性之间的第一近似抵抗指数分离,解决了Fadel和Segal [FS 09]的开放问题。
2021-04-22 cs.GT
Mechanism Design for Perturbation Stable Combinatorial Auctions
本文提出组合拍卖的扰动稳定性概念,证明2-稳定次模估值下可高效计算最优分配且存在瓦尔拉斯均衡,并分析P2A和P1A的价格无政府状态,表明简单非诚实拍卖的均衡质量仅在$\gamma\geq 3$时改善。
2020-07-15 cs.GT
Selling Data at an Auction under Privacy Constraints
私有数据查询将机制设计与隐私保护相结合,从私有数据记录中产生聚合统计数据。这个问题出现在数据市场中,数据所有者有个性化的隐私要求和私人数据评估。我们专注于数据所有者一心一意的情况,即,只有在数据代理保证满足他们所宣布的隐私要求时,他们才愿意公布他们的数据。对于想要从这些数据所有者购买数据的数据代理,我们提出了SingleMindedQuery(SingleMindedQuery)机制,该机制使用反向拍卖来选择数据所有者并确定补偿。激励相容性、个体合理性和预算可行性。此外,它使用购买的隐私期望最大化作为一个原则,以产生准确的输出常用的查询,如计数,中位数和线性预测。通过一系列实验验证了该方法的有效性。
2020-05-19 cs.GT
Prices, Bids, Values: One ML-Powered Combinatorial Auction to Rule Them All
Department of Informatics, University of Zurich, Zurich, Switzerland(苏黎世大学信息学院);ETH AI Center, Zurich, Switzerland(苏黎世联邦理工学院AI中心);Department of Mathematics, ETH Zurich, Zurich, Switzerland(苏黎世联邦理工学院数学系);Department of Statistics, University of California, Berkeley, USA(加州大学伯克利分校统计系)
本文提出一种基于机器学习的综合拍卖,通过结合价值和需求查询提升效率,减少查询次数并降低投标人认知负担,建立新的实践和效率基准。
2026-04-17 cs.AI cs.GT cs.LG
Breaking the Logarithmic Barrier for Truthful Combinatorial Auctions with Submodular Bidders
本文研究了组合拍卖机制设计中的一个核心问题:在子模块投标者参与的组合拍卖中构造真实的福利最大化机制。Dobzinski、Nisan和Schapira提供了第一个保证$O(\log^2 m)$的非平凡近似比的机制[STOC'06],其中$m$是项目数。随后将其改进为$O(\log m\log \log m)$ [Dobzinski,APPROX'07],然后改进为$O(\log m)$ [Kenda和Vocking,ICALP'12]。在本文中,我们开发的第一个机制,打破了对数的障碍。具体地,该机制提供了$O(\sqrt {\log m})$的近似比。与以前的构造类似,我们的机制使用多项式的许多值和需求查询,实际上为更大的XOS类(也称为XOS)提供了相同的近似比。分数次可加性)估值。我们还开发了一个计算效率的实施机制,预算添加剂投标人的组合拍卖。虽然在一般情况下,计算需求查询是NP-难的预算附加估值,我们观察到,我们的机制使用的特定形式的需求查询,可以有效地计算时,投标人的预算附加。
2017-08-14 cs.DS cs.GT
A Duality-Based Unified Approach to Bayesian Mechanism Design
我们提供了贝叶斯机制设计的许多最新发展的统一视图,包括Cai等人的黑箱约简。[CDW 13 b],添加剂买家的简单拍卖[HN 12],以及单位需求投标人的标价机制[CHK 07]。此外,我们表明,通过同一个镜头观看这三个以前不相交的工作线也会导致新的发展。首先,我们提供了一个二元框架贝叶斯机制设计,自然容纳多个代理和任意的目标/可行性约束。利用这一点,我们证明了无论是张贴价格机制还是具有每个投标人入场费的Vickrey-Clarke-Groves拍卖,只要买家是单位需求或可加性,都可以实现贝叶斯激励兼容机制可实现的最佳收入的常数因子,统一了Chawla等人以前的突破。[CHMS 10]和Yao [Yao 15],以及提高两个近似比(分别从30提高到24和从69提高到8)。最后,我们表明,这种观点也导致改善结构特征的蔡等人。框架。
2018-12-04 cs.GT
Efficiency Loss in Revenue Optimal Auctions
我们研究贝叶斯收益最优拍卖的效率损失。我们将其量化为最坏情况下已实现社会福利的损失与有效拍卖所能实现的社会福利之比。我们的重点是拍卖单参数买家和买家的估价集是有限的。对于二进制值的单参数买家独立(不一定是同分布)的私人估值,我们表明,最坏情况下的效率损失比(ELR)并不比它是只有一个买家,而且,它是最多1/2。超越的情况下,二进制的估值,但限制到单个项目拍卖,买家的私人估值是独立和同分布的,我们得到的最坏情况下ELR的界限作为一个功能的买家,买家的估值集的基数,和最大到最小的可能值,买家可以为该项目。
2010-09-13 cs.GT
Simple and Nearly Optimal Multi-Item Auctions
在两个条件下,我们提出了一个多项式时间近似方案(PTAS)来求解贝叶斯最优多物品多投标人拍卖问题。首先,投标人是独立的,具有附加估值,并且来自同一人群。其次,每个投标人的项目的价值分布是独立的,但不一定相同的单调风险率(MHR)分布。对于非i.i.d.投标人,我们还提供了一个PTAS时,投标人的数量是小。在此之前,我们的工作,即使是一个单一的投标人,只有常数因子近似已知。我们的机制的另一个吸引人的特点是简单的分配规则。事实上,我们使用的机制是第二价格拍卖与保留价的每一个项目单独,或VCG分配与一些外围项目,需要额外的处理。令人惊讶的是,如此简单的分配规则足以获得近乎最优的收入。
2012-11-03 cs.GT
Duality and Optimality of Auctions for Uniform Distributions
我们开发了一个一般的对偶理论框架的收入最大化的添加剂贝叶斯拍卖。该框架扩展了线性规划的对偶性和互补性的约束偏导数。对偶系统揭示了问题的几何性质,并突出了它与二分图匹配理论的联系。我们证明了框架的力量,通过将其应用到一个多好的垄断设置,买方均匀分布的项目的估值,在该地区的典型的长期开放的问题。我们提出了一个确定性的销售机制,称为直夹克拍卖(SJA),我们证明了这是完全最优的多达6个项目,并推测其最优的任何数量的商品。对偶框架不仅用于证明最优性,而且可能更重要的是用于推导最优机制本身;因此,SJA由自然几何约束定义。
2018-01-15 cs.GT
The Simple Economics of Approximately Optimal Auctions
利润通过边际收益最大化而最优化的直觉是微观经济学的指导原则。在具有线性效用和一维偏好的代理人的经典拍卖理论中,Bulow和Roberts(1989)表明,Myerson(1981)的最优拍卖实际上是优化边际收益。特别是迈尔森的虚拟价值,正是一个适当的收入曲线的衍生物。本文研究了多智能体多维非线性偏好环境下的机制设计问题。了解这些环境下的好拍卖被认为是贝叶斯最优机制设计的主要挑战。在这些环境中,最大化边际收益可能不是最优的,有时没有直接的方法来实现边际收益最大化。我们的贡献有三个方面:我们的特点的设置,边际收入最大化是最佳的(通过确定一个重要的条件,我们称之为收入线性),我们给出了简单的程序,实现边际收入最大化的一般,我们表明,边际收入最大化是近似最优的。我们的近似因子在一个量化环境离理想(边际收入最大化是最优的)有多远的术语中平滑地下降。由于边际收益机制是最佳的单维代理,我们的推广立即近似扩展了许多单维代理的结果。贝叶斯算法机制设计中最大的开放问题之一是开发在代理类型空间的大小上不具有蛮力的方法。我们的方法确定了一个子问题,例如,对于具有从产品分布中提取的值的单位需求代理,启用在维度上为多项式的近似机制。
2014-06-05 cs.GT
Improved Truthful Mechanisms for Subadditive Combinatorial Auctions: Breaking the Logarithmic Barrier
我们提出了一个计算效率高的真实机制,实现了$O((\log\!\log{m})^3)$ -近似的期望使用$O(n)$需求查询的最大福利与次加投标人的组合拍卖,这里$m$和$n$的项目和投标人的数量,分别。这打破了长期以来的对数障碍的问题追溯到$O(\log{m}\cdot\log\!\log{m})$近似机制的Dobzinski从2007年。在此过程中,我们还改进并大大简化了子模块化投标人的最先进机制。
2020-10-03 cs.DS cs.GT
Profit Maximization Auction and Data Management in Big Data Markets
大数据服务是通过互联网提供的任何数据源资源。大数据服务的性能取决于从数据收集器购买的数据。然而,在大数据服务中的最优定价和数据分配问题并没有得到很好的研究。在本文中,我们提出了一个基于拍卖的大数据市场模型。我们首先根据数据大小对大数据分析性能的影响来定义数据成本和效用,例如,机器学习算法。大数据服务被认为是数字商品,与传统商品的有限性相比,具有“无限供给”的独特性。因此,我们提出了一个贝叶斯利润最大化拍卖,这是真实的,理性的,计算效率。通过求解利润最大化拍卖,得到了最优的服务价格和数据量。最后,在真实出租车出行数据集上的实验结果表明,本文提出的大数据市场模型和拍卖机制有效地解决了服务提供商的利润最大化问题.
2017-04-12 cs.GT
Pricing Query Complexity of Revenue Maximization
优化拍卖和定价系统的常见方法是留出一小部分流量来运行实验。这就引出了一个问题:我们如何用最少的数据学习最多的东西?对于真实拍卖,这就是\emph{sample complexity}问题。对于标价拍卖,我们不再可以访问样品。相反,允许算法选择价格$p_t$ ;然后对于新鲜样本$v_t \sim \mathcal{D}$,我们学习符号$s_t = sign(p_t - v_t) \in \{-1,+1\}$。估计基础分布的给定参数需要多少个定价查询?我们给出了严格的上限和下限的价格查询所需的数量找到一个近似最优的底价一般,定期和MHR分布。有趣的是,对于规则分布,定价查询和样本复杂性匹配。但是对于一般分布和MHR分布,我们证明了它们之间的严格分离。所有已知的收入优化的样本复杂性的结果遵循使用经验分布的最优保留价的变体。在定价查询的复杂性设置中,我们表明,学习整个分布内的误差$ε$在利维距离需要严格更多的定价查询比估计储备。相反,我们的算法使用一个新的属性,我们确定称为\emph{relative flatness},以快速放大到正确的区域的分布,以获得最佳的定价查询复杂性。
2021-11-08 cs.GT
Incentive Compatible Budget Elicitation in Multi-unit Auctions
在本文中,我们考虑的问题,设计多个(同质)单位的好,当投标人有私人估价和私人预算约束的激励相容拍卖。Dobzinski { \em et al}证明了当只有估价是私人的而预算是公开的时,{ \em adaptive clinching}拍卖是唯一的激励相容拍卖,达到了Pareto最优.他们进一步表明,不存在确定性的帕累托最优拍卖与私人预算。我们的主要贡献是显示以下的预算单调性性质的拍卖:当只有一个无限可分的好,投标人不能提高她的效用报告预算小于真相。这意味着随机修改的自适应成交拍卖是激励兼容和帕累托最优的私人预算。预算单调性属性还意味着在此上下文中的其他改进结果。对于收入最大化,相同的拍卖提高了最有名的竞争比,由于艾布拉姆斯的一个因素4,渐近接近的最优单一价格拍卖的性能。最后,我们考虑贝叶斯环境下的收入最大化(或社会福利)问题。我们允许投标人有公共规模的限制(在他们愿意购买的商品数量),除了私人预算的限制。我们展示了一个简单的多时间可计算的5.83近似的最佳贝叶斯激励兼容机制,这是可实现的优势策略。我们的技术再次至关重要地需要能够防止投标人通过随机化多报预算。
2009-04-22 cs.GT cs.MA
Bid Optimization in Broad-Match Ad auctions
赞助搜索中的广告拍卖支持“广泛匹配”,允许广告客户瞄准大量查询,同时只对有限的数量进行出价。在为广告商提供更多表现力的同时,此功能使优化出价以最大化其回报具有挑战性:选择对查询进行出价作为广泛匹配,因为它提供高利润,而对相关查询的一次出价可能产生低利润甚至负利润。我们抽象和研究的{ \em出价优化问题},这是确定一个广告客户的关键字的子集上的出价(可能使用广泛的匹配),使她的利润最大化的复杂性。在查询语言模型中,当广告商被允许对所有的查询作为广泛的匹配出价时,我们提出了一个基于线性规划(LP)的多项式时间算法,以获得最佳的利润。在广告商只能对关键词出价的模型中,一个子集的关键字作为一个确切的或广泛的匹配,我们表明,这个问题是不可近似的任何合理的近似因子,除非P=NP。为了处理这个困难的结果,当最佳利润显着超过成本时,我们提出了一个常数因子近似。该算法是基于舍入的自然LP制定的问题。最后,我们研究了预算的问题的变体,并表明,在查询语言模型中,可以找到两个预算约束的广告活动在多项式时间,实现最优的投标策略。我们的研究结果是第一个解决出价优化下的广泛匹配功能,这是常见的广告拍卖。
2009-01-23 cs.DS cs.GT
On Calibrated Predictions for Auction Selection Mechanisms
Google, Inc.(谷歌公司)
校准是预测系统的一个基本属性,实现它的算法在统计学和机器学习中都得到了很好的研究。然而,在许多应用中,预测用于做出选择进行哪些观测的决策。这使得校准变得困难,因为调整预测以实现校准会改变未来的数据。我们专注于搜索广告拍卖的点击率(CTR)预测。在这里,CTR预测被拍卖使用,它决定显示哪些广告,我们希望最大化拍卖产生的价值。我们表明,某些自然的校准概念是不可能实现的,这取决于拍卖的细节。我们还表明,它可以是不可能的,同时使用校准的预测拍卖效率最大化。最后,我们给出了条件下,校准是可以实现的,同时最大限度地提高拍卖效率:粗略地说,投标和查询必须不包含信息的CTR,是不是已经被捕获的预测。
2012-11-16 cs.GT cs.LG
Revenue-Optimal Deterministic Auctions for Multiple Buyers with Ordinal Preferences over Fixed-price Items
在本文中,我们介绍了一个贝叶斯收益最大化机制设计模型中的项目有固定的,外生给定的价格。购买者是单位需求,并有一个有序的排名购买这些项目之一,在其给定的价格,或购买什么。这个模型自然产生的分类优化问题,在确定性机制的单一买家优化问题减少到决定的项目分类“显示”。我们研究了它的多买家泛化在最简单的设置单赢家拍卖,或更广泛地说,任何服务约束的环境。我们的主要结果是,如果买方排名独立于马尔可夫链排名模型,那么最优机制是计算上易于处理的,在结构上是一个虚拟的福利最大化。我们还表明,排名分布不诱导马尔可夫链,最优机制可能不是一个虚拟的福利最大化。
2020-10-14 cs.GT
An End-to-end Argument in Mechanism Design (Prior-independent Auctions for Budgeted Agents)
本文考虑先验独立的机制设计,即确定一个单一的机制,具有接近最优性能的每个先验分布。我们发现,具有说真话均衡的机制,启示机制,并不总是给最优的先验独立的机制,我们定义的启示差距量化的启示机制的非最优性。这项研究表明,重要的是要发展一个理论设计的非启示机制。我们的分析集中在福利最大化的单项目拍卖的代理人的预算和自然规律性的假设,他们的价值分布。全付费拍卖(一种非揭示机制)是贝叶斯最优机制;由于它是先验独立的,因此它也是先验独立的最优机制(1-近似)。我们证明了一个下界的先验独立近似的启示机制的1.013和成交拍卖(启示机制)是一个先验独立的$e \approx 2.714$近似。因此,与公共预算代理人的单项福利最大化的启示差距是在$[1.013, e]$。我们的一些分析延伸到收入目标,位置环境和不规则分布。
2018-07-30 cs.GT
Machine Learning-Powered Combinatorial Clock Auction
University of Zurich(苏黎世大学);ETH Zurich(苏黎世联邦理工学院);ETH AI Center(苏黎世联邦理工学院人工智能中心)
本文提出首个实用的机器学习驱动组合时钟拍卖,仅用需求查询获取偏好,通过训练ML模型并高效选择高清算潜力查询,在频谱拍卖中显著优于CCA的效率与清算潜力。
2024-03-28 cs.AI cs.GT cs.LG
Simplicity in Auctions Revisited: The Primitive Complexity
在本文中,我们重新审视机制的简单性的概念。我们考虑一个$m$物品的卖家,面对一个估价为$v$的买家。我们观察到,以前定义复杂性度量的尝试通常无法对直观上认为简单的机制进行分类(例如,“单独销售”机制)。我们建议将菜单视为简单的,如果可以通过执行一些被认为简单的原始操作来找到最大化买方利润的捆绑包。\emph{primitive complexity of a menu}是在菜单中(自适应地)找到利润最大化条目所需的基本操作的数量。在本文中,我们研究的原始操作本质上是计算“分别销售”机制的结果。这种原始的复杂性是否体现了其他拍卖的简单性?我们考虑\emph{bundle-size pricing},一种常见的定价方法,其中捆绑包的价格仅取决于其大小。我们的主要技术贡献是确定了各种设置中的桌面大小定价菜单的原始复杂性。我们发现,任何分布$\cal D$加权拟阵秩估值,甚至分布与任意相关的值,总是有一个低原始复杂性,实现几乎相同的收入,最佳的尺寸尺寸定价菜单的尺寸定价菜单。作为这个证明的一部分,我们提供了一个随机算法,对于任何加权拟阵秩估值$v$和整数$k$,发现最有价值的一组大小$k$只有一个多对数的需求和值查询。我们表明,这一结果在几个方面基本上是紧的。例如,如果赋值$v$是次模的,则找到大小为$k$的最有价值的集合需要指数地多次查询(这解决了Badanidiyuru等人的公开问题[…
2022-07-20 cs.GT
Fair Equilibria in Sponsored Search Auctions: The Advertisers' Perspective
在这项工作中,我们引入了一类新的机制组成的一个传统的广义第二价格(GSP)拍卖和公平的划分方案,以达到一些所需的水平之间的贝叶斯策略广告客户群体的公平性。我们提出了两种机制,$β$ -公平的GSP和GSP-EFX,组成GSP,分别与一个envy-free多达一个项目,和一个envy-free多达任何项目公平划分计划。调整普惠制的付款,以补偿因公平划分阶段而遭受效率损失的广告客户。我们调查的战略学习的影响,部署赞助搜索拍卖机制,遵守这样的公平标准。我们证明,对于这两种机制,如果投标人发挥,以尽量减少他们的外部遗憾,他们保证达到一个均衡与良好的社会福利。我们还证明了预算平衡的机制,使传统的普惠制机制收取的费用是一个很好的代理提供给广告商的总报酬。最后,我们通过对真实数据的实验来评估分配的质量。
2022-10-18 cs.GT
A Bridge between Liquid and Social Welfare in Combinatorial Auctions with Submodular Bidders
我们研究了组合拍卖中投标人具有子模块(或XOS)估值且受约束的激励兼容机制。我们的目标是最大化\emph{liquid welfare},这是Dobzinski和Paes Leme(2014)提出的一个针对受约束投标人的效率概念。我们发现,一些已知的真实机制,最好的近似社会福利的组合拍卖与子模块投标人通过需求查询预言机可以适应,使他们保持真实性,并实现渐近相同的近似保证的液体福利。更具体地说,对于具有子模块投标人的组合拍卖中的液体福利优化问题,我们通过修改Kenda和Vöcking(2012)的机制,获得了普遍真实的随机$O(\log m)$近似机制,其中$m$是物品的数量。此外,出于大市场假设经常使用的机制设计,我们引入了竞争性市场的概念,并表明在这样的市场中,流动性福利可以近似在一个恒定的因素由一个随机的普遍真实的机制。最后,在贝叶斯设置中,我们通过调整Feldman,Gravin和Lucier(2014)的结果,获得了一个真实的$O(1)$近似机制,用于投标人估值作为来自已知分布的独立样本生成的情况。
2018-12-12 cs.GT
Inference on Auctions with Weak Assumptions on Information
Microsoft Research, New England(微软研究院新英格兰分院);Harvard University(哈佛大学);California Institute of Technology(加州理工学院)
给定一个独立拍卖的投标样本,本文研究了在弱信息结构假设下拍卖基本面(如估值分布,福利措施)的推断问题。这个问题很重要,因为它使我们能够以一种稳健的方式了解估值分布,即,而不假设特定的信息结构在观测中保持不变。我们利用最近的贡献\cite{Bergemann2013}在强大的机制设计文献,利用贝叶斯相关均衡和贝叶斯纳什均衡之间的联系,在不完全信息博弈构建一个计量经济学框架,学习拍卖的基本面使用观察到的数据出价。我们展示了我们在私人价值和共同价值拍卖中的识别集的构建。我们构造这些集合的方法继承了求解相关均衡的计算简单性:检查特定的估值分布是否属于所识别的集合就像确定{ \it linear}程序是否可行一样简单。一个类似的线性规划可以用来构建各种福利措施和反事实对象的识别集。对于推断和总结统计不确定性,我们提出了新的有限样本方法,使用尾部不等式,用于构建集合上的置信区域。我们还强调了基于贝叶斯自举和子采样的方法。一组蒙特卡罗实验表明,我们的推理程序的有限样本性质。我们说明了我们的方法使用OCS拍卖的数据。
2018-03-19 cs.GT cs.LG econ.EM
Optimal Auctions for Negatively Correlated Items
研究了两个物品的收益最优拍卖的设计问题,投标人的估价在投标人之间是独立的,但在物品之间是负相关的。在本文中,我们得到了封闭形式的最优拍卖,通过直接解决上述两个困难。特别地,第一个困难是当在多维可行性下逐点最大化虚拟盈余时(即,边界可行性),(1)最佳临时分配在虚拟值中既不是平凡单调的,(2)虚拟值在投标人类型中也不是单调的。因此,由虚拟盈余最大化产生的最优临时分配不再保证BIC。为了解决(1),我们证明了边界定理的一个推广,并证明了最优临时分配确实是单调的虚拟值。为了解决(2),我们通过将(熨烫的)虚拟值重新定义为最低效用点的函数来调整Myerson的熨烫过程。第二个困难,也许是一个更具挑战性的困难,是效用最低的类型一般不再处于类型区间的端点。为了解决这个困难,我们通过构造证明存在一个分配规则和一个诱导的最低效用类型,使得它们形成虚拟盈余最大化的解,同时保证IIR。在单个投标人的情况下,最优拍卖由随机捆绑菜单和确定性捆绑菜单组成;而在多个投标人的情况下,最优拍卖是两个极端机制之间的随机化。我们的设置的最佳解决方案可以实现贝叶斯IC和IR拍卖,然而,也许令人惊讶的是,这种拍卖的收入不能实现任何(显性策略)IC和IR拍卖。
2016-06-02 cs.GT
Combinatorial Auctions with Restricted Complements
商品之间的互补性--一种商品在另一种商品存在的情况下产生附加值--一直是算法机制设计者的眼中钉。一方面,互补在组合拍卖的标准激励应用中是常见的,如频谱许可证拍卖。另一方面,福利最大化在互补品的存在是出了名的困难,这种棘手性阻碍了该领域的理论进展。例如,有没有已知的积极的结果组合拍卖中,投标人的估值是多参数和非互补自由,比一般估值已知的相对较弱的结果。为了在存在互补的组合拍卖设计问题上取得进展,我们提出了一个模型的估值与互补的参数化的“大小”的补充。在我们的模型中的估值简洁地表示为加权超图,其中超边的大小对应于互补度。我们的模型允许各种计算效率的查询,和非平凡的福利最大化算法和机制。我们设计了下面的多项式时间近似算法和真实的机制,以使投标人的福利最大化。1-对于投标人的估值对应于一个已知的图,是平面(或更一般地说,不包括一个固定的未成年人)的子图,我们给出了一个真实的和(1+ 1)-近似的机制。2-本文给出了一个求解超图-r赋值福利最大化问题的多项式时间r-近似算法。我们的算法随机轮紧线性规划松弛的问题。3-我们设计了一个不同的近似算法,并使用它来给出一个多项式时间,真实的预期机制,具有O(log^r m)的近似因子。
2012-05-18 cs.GT