Pricing to Maximize Revenue and Welfare Simultaneously in Large Markets
我们研究的大市场有一个单一的卖方,可以生产多种类型的商品,和许多多头脑的买家。卖方为其许多商品选择标价,买方购买捆绑商品以最大化其效用。在这种情况下,我们考虑以下问题:收入最大化解决方案实现的最优社会福利的比例是多少?是否存在同时实现良好收入和良好福利的定价机制?为了解决这些问题,我们给出了有效的定价方案,只要买方对他们想要的商品的估价有一个好的(尽管是合理的)结构,就可以保证产生良好的收入和福利,例如,总买方需求具有单调风险率或不太凸。我们还表明,我们的定价方案有任何定价,实现高收入的影响:特别是,即使卖方只关心收入,他们仍然可以确保他们的价格导致良好的社会福利,而不牺牲利润。我们的研究结果适用于大型市场中的一般多心智买家;我们还为单位需求买家的重要特殊情况提供了改进的保证。
2016-10-13 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
Revenue Maximization with an Uncertainty-Averse Buyer
大多数机制设计的工作都假设买方是风险中性的;有些人认为风险厌恶是由于货币的非线性效用而产生的。然而,行为研究已经确定,真正的代理人表现出的风险态度,不能捕捉到任何预期的效用模型。本文在期望效用理论基础上,对购买者行为模型下的收益最优机制进行了研究。我们采用了一个模型,从前景理论产生的解释这些差异,并纳入代理人下加权不确定的结果。在我们的模型中,一个事件发生的概率为$x < 1$,它对智能体的价值严格小于$x$乘以事件确定发生时的价值。与风险中性设置相反,最佳机制可能是随机的,并且似乎很难找到,即使对于单个买家和单个待售物品也是如此。然而,我们给出了一个表征的最佳机制,使积极的近似结果。特别是,我们表明,在一个合理的有界风险厌恶假设,公布的定价获得一个常数近似。值得注意的是,这一结果是“风险稳健”的,因为它不依赖于买方的风险态度的细节。最后,我们研究了一个动态的设置中,买方是不确定的,他的未来价值。相反,积极的结果为风险中性的买家,我们表明,买家的风险厌恶可能会阻止卖方从近似的最优收益在风险稳健的方式。
2018-03-12 cs.GT
Revenue Maximization with Imprecise Distribution
我们研究了一个不精确估计的分布的单个买家或几个独立的和同分布的买家的收入最大化问题,这个估计是不是远离真实的分布。我们使用推土机的距离来捕获这两个分布之间的估计误差,即值和概率,给定分位数的值空间中的误差,以及给定值的分位数空间中的误差。我们给出了明确的特征的最佳机制,为单一买家设置。对于多买家的情况下,我们提供了一个算法,找到一个近似最优的机制(FPTAS)之间的家庭第二价格拍卖与固定的储备。
2019-03-03 cs.GT
Robust Repeated Auctions under Heterogeneous Buyer Behavior
我们研究了单一卖方和单一买方之间重复拍卖的收益优化问题。传统上,重复拍卖的设计需要对投标人的行为进行强有力的建模假设,例如它是短视的,无限的前瞻性,或某种特定形式的学习行为。有没有可能设计出一种机制,使其同时对多种可能的购买者行为都是最优的?我们回答这个问题,通过设计一个简单的基于状态的机制,是同时对所有$k$,一个买家谁是一个没有遗憾的学习者,和买家谁是一个政策遗憾的学习者的$k$前瞻性买家近似最优。针对每种类型的买家,我们的机制都能获得针对该类型买家可获得的最佳收入的恒定比例。我们补充我们的积极结果与几乎紧不可能的结果,表明我们的机制为不同的前瞻性态度实现的收入近似权衡是接近最优的。
2019-03-10 cs.GT
Envy-Free Pricing in Large Markets: Approximating Revenue and Welfare
我们研究了无嫉妒定价的经典设置,其中一个单一的卖方选择价格为它的许多项目,与收入最大化的目标,一旦项目被分配。尽管大量的工作解决这样的设置,这个问题的大多数版本都抵制良好的近似因子最大化的收入,这是真实的,即使是经典的单位需求的情况下。在本文中,我们研究了无嫉妒定价与单位需求的买家,但与以往的工作不同,我们专注于大市场:其中每个买家的需求是无限小的整体市场的规模相比。我们假设买家对他们想要的物品的估价有一个很好的(尽管是合理的)结构,即,总买方需求具有单调的风险率,并且每种买方类型的价值来自相同的支持。对于这样大的市场,我们的主要贡献是一个1.88近似算法的收入最大化,显示出良好的定价方案时,可以计算出大量的买家。我们还给出了一个(e,2)-双准则算法,同时接近最大的收入和福利,从而表明,它是可以同时获得良好的收入和福利。我们进一步推广我们的结果,放松我们的一些假设,并量化在我们的设置收入和福利之间的必要权衡。我们的研究结果是第一个已知的近似大型市场,关键是依赖于新的下限,我们证明了收入最大化的价格。
2017-05-02 cs.GT
Robust Mechanisms Under Common Valuation
我们研究销售共同价值商品的稳健机制。我们假设机制设计者知道购买者共同价值的先验分布,但不确定购买者关于共同价值的信息结构。我们使用线性规划的对偶机制,保证良好的收入之间的所有信息结构和所有的均衡。我们的机制在只有一个买家的情况下最大限度地保证收入。当购买者的数量趋于无穷大时,我们的机制的收入保证收敛于完全盈余。
2016-11-19 cs.GT
On Revenue Maximization with Sharp Multi-Unit Demands
我们考虑由一组不可分割的物品组成的市场,以及具有{ \em sharp}多单位需求的买家。这意味着每个买家$i$都想要特定数量的$d_i$物品;尺寸小于$d_i$的捆绑没有价值,而尺寸大于$d_i$的捆绑价值不超过最有价值的$d_i$物品(估值是相加的)。我们考虑的目标是制定价格和分配,以最大限度地提高做市商的总收入。多单位需求下的定价问题具有单位需求模型所不具备的一些性质,是算法定价中的一个重要问题。我们考虑的问题计算收入最大化的解决方案的两个解决方案的概念:竞争均衡和无嫉妒定价。对于无限制的估值,这些问题是NP完全的,我们专注于一个现实的特殊情况下,“相关值”,每个买家$i$有一个估价$v_i\qual_j$项目$j$,其中$v_i$和$\qual_j$是积极的数量与买家$i$和项目$j$分别。我们提出了一个多项式时间算法来解决收入最大化的竞争均衡问题。对于无嫉妒定价,如果每个购买者的需求是有界的常数,一个收入最大化的解决方案,可以有效地找到一般的需求情况下,被证明是NP-难的。
2014-12-30 cs.GT
A Multi-Dimensional Online Contention Resolution Scheme for Revenue Maximization
本文研究多买家多物品顺序定价机制逼近事前最优收入,通过构建新的多维OCRS对最优事前解进行在线舍入,在次可加买家设置下实现了 $O(\log^2 m)$ 因子的买多收入逼近,并证明了对数依赖的必要性。
2024-04-23 cs.GT
Learning to Price against a Budget and ROI Constrained Buyer
互联网广告商(买家)反复从广告平台(卖家)获取广告印象,目的是最大化总转化(即广告价值),同时尊重预算和投资回报(ROI)约束以有效利用有限的货币资源。面对这样一个受约束的买家谁的目的是学习她的最佳策略,以获得印象,我们研究从卖方的角度如何学习和价格的广告印象,通过重复张贴的价格机制,以最大限度地提高收入。对于这种双边学习设置,我们提出了一个学习算法的卖方,利用情节二进制搜索过程,以确定一个收入最优的销售价格。我们发现,这样一个简单的学习算法享有低卖方后悔时,在每一集,预算和投资回报率约束的买家大约最好的回应张贴的价格。我们提出了简单而自然的买方的出价算法,买方近似最好的反应,同时满足预算和投资回报率的限制,导致我们建议的卖方定价算法的低遗憾。我们的卖方算法的设计是出于这样一个事实,即卖方的收入函数承认一个钟形结构时,买方最好的响应价格下的预算和投资回报率的限制,使我们的卖方算法,以确定收入最优的销售价格有效。
2023-02-07 cs.GT
99\% Revenue via Enhanced Competition
最近的一系列研究表明,即使在单一卖方和单一买方的简单设置下,对$m$项目进行附加的独立估值,收入最大化机制也非常复杂。这个问题已经使用两种主要方法来解决:(i)近似:两种简单机制中的最佳机制(单独销售每个项目,或将所有项目作为一个捆绑销售)为$1/6$提供最佳收入[BILW 14]。(ii)增强竞争力:运行具有额外$m$购买者的简单VCG机制至少提取原始市场中的最优收入[ESTTW 17]。然而,这两种方法都有严重的缺点:一方面,在任何应用中,丢失$83\%$的收入都是难以接受的。另一方面,吸引线性数量的新买家可能令人望而却步。我们的主要结果是,通过结合这两种方法,可以实现两全其美。具体地说,对于任何恒定的$ε$,人们可以通过运行简单的机制-单独销售每一个项目或将所有项目作为一个捆绑销售-获得最佳收入的$(1-ε)$部分,而额外的购买者要少得多:对数,恒定,甚至在某些情况下没有。
2018-01-09 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
A Note on the Ratio of Revenues Between Selling in a Bundle and Separately
我们考虑的问题,最大限度地提高收入时,出售k个项目,一个单一的买家与已知的估值分布。我们表明,对于一个单一的,添加剂买家的估价为项目分布根据i.i.d.。在销售商已知的分销中,捆绑销售与单独销售的收入比率至少为55.9%,并且该差距是可以实现的。
2016-11-29 cs.GT
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
Repeated Sales with Heterogeneous Buyer Sophistication
Drexel University(德雷塞尔大学);Oberlin College(欧柏林学院)
本文研究无承诺卖家向混合成熟与天真买家重复销售时的歧视定价,发现短视期需求减少稳健,长期均衡中卖家收入接近承诺水平。
2025-10-15 cs.GT
Selling to Multiple No-Regret Buyers
本文研究向多个使用无遗憾学习算法的买家反复拍卖单一物品的卖家最优收益问题,设计了在买家基于均值时提取完全期望福利的拍卖机制,并分析了将单买家线性规划方法扩展到多买家时面临的形式障碍。
2023-07-09 cs.GT
Revenue Maximization for Buyers with Costly Participation
针对买家参与有私人成本导致的非凸单商品售卖收益最大化问题,提出多买家转单买家归约的多项式时间(2+ε)近似机制,单买家下可达FPTAS,还推导了菜单规模与样本复杂度界,证明特定条件下单一定价及多买家序贯定价的近似最优性。
2023-11-05 cs.GT econ.TH
Lower Bounds on Revenue of Approximately Optimal Auctions
我们获得收入保证的简单定价机制的一个单一的张贴价格,在一个自然参数的分布买家的估值。我们的收入保证适用于单个项目n买家设置,价值来自任意联合分布。具体地说,我们证明了从最大估值分布Vmax = max {V_1,V_2,.,V_n}实现了Vmax的几何期望的至少1/e分数的收益。该通用界限是收入如何作为Vmax的集中/扩散的函数而改善/降低的度量。我们进一步表明,在没有买家的估值分布,招募一组额外的相同的投标人将产生类似的保证收入。最后,我们的界限也给出了一个衡量的程度,人们可以同时近似福利和收入的集中/蔓延的Vmax。
2012-10-01 cs.GT
Revenue Maximization for Selling Multiple Correlated Items
研究了具有可加性估价函数的$n$产品销售问题。我们认为项目的估值是相关的,即,买家对物品的期望不是独立得出的。理想情况下,目标是设计一种使收入最大化的机制。然而,已经表明,收益最优机制可能非常复杂,因此不适用于现实世界的拍卖。因此,我们的重点是设计一个简单的机制,实现恒定的最佳收入的一部分。Babaioff等人提出了一种简单的机制,该机制可以在具有单个添加剂购买者的独立设置中实现恒定的最佳收入比例。然而,他们留下了以下问题作为一个开放的问题:“是否有一个简单的,近似最优的机制,为单一的添加剂买方的价值为$n$项目是从一个共同的基础价值分布抽样?Babaioff等人的研究表明,在独立的环境中,通过单独出售或作为一个整体出售这些物品,可以实现最佳收入的恒定近似因子。我们显示了一个类似的结果,相关设置时,买方的资格是从一个共同的基础价值分布。值得一提的是,核心分解引理,这主要是证明的机制的效率的心脏不适用于相关设置。因此,我们提出了一个修改后的版本,这是适用于相关的设置,以及这个引理。虽然我们应用这种技术来证明所提出的机制可以在非常弱的相关性中保证恒定的最佳收入比例,但这种方法本身不能直接显示该机制在更强相关性中的效率。
2015-07-22 cs.GT
Revenue Guarantees in Autobidding Platforms
Aarhus University(奥胡斯大学)
研究通过FPPE机制在拍卖平台中实现收入保证,证明其能获得最优收入的一半,并针对在线环境和凹估值函数扩展分析。
2026-02-16 cs.GT
The Limits of Optimal Pricing in the Dark
在当今的数字市场中,一个普遍存在的学习问题是,在卖方和买方之间的反复互动中,卖方如何根据买方过去的购买反应逐渐学习最佳定价决策。在这种战略设置中学习的一个基本挑战是,买方自然会有动机操纵他的反应,以诱导对他更有利的学习结果。要了解卖方的学习的局限性,面对这样一个战略和可能操纵的买家,我们研究了一个自然而强大的买家操纵策略。也就是说,在定价博弈开始之前,买方只需“模仿”一个不同的价值函数,假装总是根据这个模仿的价值函数做出最佳反应。我们充分刻画了买方应模仿的最优模仿价值函数,以及由此产生的卖方收入和买方盈余下的最优买方操纵。我们的刻画揭示了许多关于均衡时发生的事情的有用见解。例如,一个生产成本为凹的卖方在均衡时将获得基本为0的收入,而一个生产成本为凸的卖方的收入是其成本函数在不生产和一定生产之间的布雷格曼散度。最后,重要的是,我们表明,一个更强大的类的定价方案并不一定会增加,事实上,可能是有害的,卖方的收入。我们的研究结果不仅为买方提供了一种有效的规范性方法来操纵学习算法,而且还揭示了卖方在黑暗中定价时真正能够实现的限制。
2021-10-04 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
Sequential Posted Price Mechanisms with Correlated Valuations
我们研究的收入表现顺序公布的价格机制和一些自然的扩展,一般设置的买家的估值是从一个相关的分布。顺序公布价格机制是概念上简单的机制,其工作原理是向每个买家提出一个接受或放弃的报价。我们应用顺序公布的价格机制,单参数多单元设置,每个买家只需要一个项目,该机制可以分配服务的买家在最多k。对于标准的顺序公布的价格机制,我们证明,与估值分布有有限的支持,没有顺序公布的价格机制可以提取一个恒定的比例的最优预期收入,即使有无限的供应。我们将这一结果推广到当各种标准假设同时成立时的连续估值分布的情况。事实上,通过连续公布价格机制可提取的最优收入的最佳部分与最高和最低可能估值的比率成比例。我们证明,对于这些机制的两个简单概括,可以实现更好的收入绩效:如果连续公布价格机制为每个买方提供了提出报价或询问买方估价的选择,则Omega可以提取最优收入的(1/max {1,d})部分,其中d表示估值的依赖程度,从完全独立(d = 0)到任意依赖(d = n-1)。此外,当我们进一步推广的顺序公布价格机制,使该机制有能力使一个take it-or-leave-it提供给第i个买家,这取决于所有买家的估值,除了i的,我们证明了一个常数的分数(2-sqrt {e})/4~0.088的最佳收益总是可以提取。
2015-10-01 cs.GT
On the Competition Complexity of Dynamic Mechanism Design
拍卖的竞争复杂度衡量了一个简单拍卖的收入超过最优收入需要多少竞争。Bulow和Klemperer [9]的拍卖理论的一个经典结果指出,在n i.i.d.买家和单个项目,是1,即,招募一个额外的买家并运行第二价格拍卖比准确地了解买家的潜在分布并运行针对该分布定制的收入最大化拍卖更好。本文研究了动态拍卖的竞争复杂性问题。考虑以下设置:垄断者在m个连续阶段向n个感兴趣的买家拍卖m件物品。在阶段k的开始,买家意识到了她对k件商品的价值。我们证明了动态拍卖的竞争复杂性是最多3 n,至少是线性的n,即使当买家的价值是相关的跨阶段,在一个单调的风险率假设下的阶段(边际)分布。我们还证明了VCG在每个阶段所需的额外购买者的数量是最优收入的α近似值,我们将这个数字称为α近似竞争复杂度。作为一个推论,我们提供了第一个结果,事先独立的动态拍卖。这是,据我们所知,第一个非平凡的积极保证简单的事后IR动态拍卖的相关阶段。证明竞争复杂性界限的关键一步是获得最佳收入的良好基准/上限。为此,我们将蔡等人[12]最近的对偶框架扩展到动态设置。作为一个旁白,我们的方法,我们获得了收入的非单调引理动态拍卖,这可能是独立的利益。
2017-10-28 cs.GT
Robust Stackelberg buyers in repeated auctions
我们考虑的实际和经典的设置,卖方是使用一个探索阶段,以学习的价值分布的投标人之前,在开发阶段运行的收入最大化拍卖。在这两个阶段的过程中,我们展示了实用,简单和强大的战略与大效用提升的投标人。我们精确地量化了卖方收入对非折扣买家,补充了最近的研究,重点是不耐烦/严重折扣买家。我们还证明了这些阴影策略的鲁棒性样本近似误差的卖方,投标人的近似误差的竞争和可能的变化的机制。
2019-05-29 cs.GT
Dynamic and Non-Uniform Pricing Strategies for Revenue Maximization
我们考虑在有限供应环境下收益最大化的项目定价问题,其中一个单一的卖方与$n$项目迎合$m$买家与未知的次可加性估值函数谁在一个序列中到达。卖方为每件商品定价。每个买家购买一个子集的尚未售出的项目,最大限度地提高她的效用。我们的目标是设计定价策略,保证预期收入在最大可能的社会福利的一个小因素$α$内-最大可能产生的收入的上限。大多数早期的工作都集中在无限供应设置,其中出售物品给一些买家并不影响他们的可用性,以未来的买家。Balcan et.(EC 2008)研究了有限供应设置,给出了一种随机策略,该策略为所有物品分配单一价格(统一策略),并且从不改变它(静态策略),该策略给出了$2^{O(\sqrt{\log n \log \log n})}$ -近似,并且此外,没有静态统一定价策略可以给出比$2^{Ω(\log^{1/4} n)}$ -近似更好的结果。我们将这个下界改进为$2^{Ω(sqrt{\log n})}$。我们考虑动态统一策略,它可以在每个买家到达时改变价格,但所有未售出商品的价格在任何时候都是相同的,以及静态非统一策略,它可以为不同的商品分配不同的价格,但在初始设置后永远不会改变。我们设计这样的定价策略,给出一个多对数近似最大收益。因此,在有限的供应设置,我们的研究结果突出了动态和非统一定价与静态统一定价的权力之间的强有力的分离。据我们所知,这是第一个非平凡的分析动态和非…
2009-05-19 cs.GT
Fixed Price Approximability of the Optimal Gain From Trade
双边贸易是一种基本的经济情景,包括一个战略行为的买方和卖方,每个人都持有该项目的估值,来自公开的分布。如果这些代理人之间的贸易是有益的,那么就应该有一种机制来促进这种贸易。最近的研究表明,同时具有DSIC、SBB和事后IR的唯一机制是固定价格机制,即,由价格p参数化的机制,当且仅当买方的估值至少为p,卖方的估值至多为p时,贸易才会发生。贸易收益是应用一种机制所带来的福利增加;在这里,我们研究通过固定价格机制实现的贸易收益。我们探讨这个问题的双边贸易设置,并设置有多个买家和卖家的双重拍卖。我们首先确定一个固定的价格机制,实现了至少2/r倍的最佳贸易收益,其中r是卖方的估价不超过买方的估价的概率。这扩展了McAfee以前的结果。随后,我们在渐近意义上改进了这个近似因子,通过证明一个更复杂的规则来设置固定价格,从而使预期的交易收益在交易最佳收益的因子O(log(1/r))内。这是渐近的最佳近似因子。最后,我们将固定价格机制的研究扩展到由一组多个i.i.d.单位需求买家,和i.i.d.单位供应商。我们提出了一种固定价格机制,该机制实现了交易收益,对于所有n> 0的交易收益,交易收益至少是预期最优交易收益的(1-n)倍,概率为1 - 2/e^{#T ε 2/2},其中#T是双向拍卖产生的预期交易数量。
2017-10-23 cs.GT
Optimal Diffusion Auctions
本文研究扩散拍卖中的最优收益问题,提出一类能在给定网络结构下找到最优扩散机制的框架,并证明不存在处理所有结构的最优机制,进而提出具有有界近似的机制。
2024-08-23 cs.GT
Improved Two Sample Revenue Guarantees via Mixed-Integer Linear Programming
我们研究了经验收益最大化(ERM)机制在单一物品,单一卖方,单一买方设置的性能。我们假设买方的估价是从规则分布$F$中得出的,并且卖方可以访问{ \em two}从$F$中独立抽取的样本。通过求解一类混合整数线性规划问题,证明了ERM机制至少能保证期望收益的$.5914$倍。使用这些MILP的解决方案,我们还表明,最坏情况下的ERM机制的效率是最多$.61035$倍的最佳收入。这些保证分别改进了[Daskalakis & Zampetakis,'20]的$.558$和$.642$的最佳已知下限和上限。
2021-02-27 cs.GT
Diffusion Multi-unit Auctions with Diminishing Marginal Utility Buyers
我们考虑一个拍卖设计问题,卖方出售多个同质项目的一组连接的买家。每个买家只知道她直接联系的买家,并且对物品的边际效用估值递减。卖家最初只连接到一些买家,他们可以直接被卖家邀请参加销售。我们的目标是设计一个拍卖,激励那些知道拍卖的买家进一步邀请他们的邻居加入拍卖。这是具有挑战性的,因为买家是竞争的项目,他们不会邀请对方默认。因此,需要对传播信息的买家给予奖励,但奖励应精心设计,以保证邀请激励和卖家的收入。最近已经提出了解决方案的设置,每个买家最多需要一个单位,并证明了设计的困难。我们提出了第一个扩散拍卖的多单位的需求设置,以提高双方的社会福利和卖方的收入。
2023-02-26 cs.GT
A Simple and Approximately Optimal Mechanism for an Additive Buyer
我们考虑一个垄断卖方与$n$异构项目,面对一个单一的买家。买家对每一个物品都有一个价值,这个价值是根据(不相同的)分布独立得出的,而她对一组物品的价值是相加的。卖方的目标是使他的收入最大化。我们建议使用两种简单的定价方法中的先验更好的方法:分别出售物品,每种物品以其最优价格出售,捆绑在一起,其中整套物品以其最优价格作为一个捆绑出售。我们表明,对于任何分布,这种机制实现了一个常数因子近似的最优收入。除了它的简单性,这是第一个计算上容易处理的机制,以获得一个常数因子近似这个多参数的问题。此外,我们还讨论了多个买家和跨项目相关的估值的扩展。
2020-07-30 cs.GT
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
A Simple Mechanism for a Budget-Constrained Buyer
本文研究了一个经典的贝叶斯机制设计设置的垄断问题的添加剂买方存在的预算。在这种情况下,一个拥有$m$异质物品的垄断卖家面对一个单一的买家,并寻求最大化她的收入。买方有一个预算和附加估值独立绘制的每一个项目从(不相同的)分布。我们发现,当买方的预算是公开的,更好的销售每个项目单独和销售的大捆绑提取一个恒定的最佳收入的一部分。当预算是私人的,我们考虑一个标准的贝叶斯设置,其中买方的预算$b$是从一个已知的分布$B$。我们证明了如果$b$与估价无关且分布$B$满足单调风险率条件,则单独出售或以大捆绑形式出售物品仍然是近似最优的。我们给出了一个补充的例子表明,没有恒定的近似简单的机制是可能的,如果预算$b$可以相互依赖的估值。
2018-10-08 cs.GT
Buy-Many Mechanisms for Many Unit-Demand Buyers
本研究将多购买约束拓展至多买家场景,提出基于事前松弛的收益基准,证明带买家专属定价的序列物品定价机制可实现O(log m)的最优近似,并贡献两项技术创新。
2024-05-16 cs.GT
Optimal Pricing Schemes for Identical Items with Time-Sensitive Buyers
本文研究时间敏感型买家下同质商品的最优定价问题,在贝叶斯设定下刻画收入最优解并提出高效算法,同时给出浪费时间价值与收入及两种常用定价方案的紧比值,并分析了估值与时间成本正相关性对收入的提升作用。
2023-04-17 cs.GT
Menu-size Complexity and Revenue Continuity of Buy-many Mechanisms
研究了垄断者将$n$异质商品出售给单一购买者的多商品机制设计问题。我们关注的是多买机制,这是一种在实践中经常使用的自然机制。buy-many属性允许买方多次与机制交互,而不是像更常见的buy-one机制那样只交互一次。这强加了额外的激励约束,从而限制了卖方可以使用的机制的空间。在本文中,我们探讨了购买一个和购买多个机制的两个重要属性:收入的连续性和菜单大小的复杂性之间的质的差异。我们的第一个主要结果是,当购买者的价值函数的扰动乘以一个因子$1\pmε$,购买多机制获得的最优收益只改变了一个因子$1 \pm \textrm{poly}(n,ε)$。相比之下,对于买一机制,在这样的扰动之后,所得的最优机制的收益可以任意改变。我们的第二个主要结果表明,在任意分布的任意估值,有限的菜单大小足以实现一个$(1-ε)$ -近似的最优多买机制。我们给紧的上限和下限的菜单项的数量作为$n$和$ε$的函数。另一方面,这样的结果不成立买一个机制,即使是两个项目和一个买家与单位需求或添加剂估值,菜单大小的复杂性近似最优机制是无界的。
2020-03-24 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
Bounds on the revenue gap of linear posted pricing for selling a divisible item
本文研究可分割物品销售的线性公布定价机制,在贝叶斯凹估值设定下证明其与最优机制的收益差距仅对数依赖于估值函数的自然参数和买家数量,从而刻画了简单定价机制的能力边界。
2025-02-08 cs.GT
Competitive and Revenue-Optimal Pricing with Budgets
本文研究预算约束下多可分割商品市场的定价问题,提出受约束功利主义效率概念,并证明在线性估值下竞争性均衡价格唯一且使零成本卖方收入最优。
2025-04-08 cs.GT econ.TH
Optimal Multi-Item Auctions with I.I.D. Values
Renmin University of China(中国人民大学);Beijing Institute of Technology(北京理工大学)
该研究针对满足DSIC和事后个体理性的多物品拍卖,对两点分布给出最优确定性机制与多项式时间收益算法,证明一般有限支撑分布下的计算难度,并在参数限制下给出精确与近似算法。
2026-10-09 cs.GT
Auctions with a Profit Sharing Contract
我们研究通过拍卖机制出售资源的问题。获胜的买家反过来开发这一资源以产生利润。考虑两种付款形式:向中标买方收取一次性付款,或首次付款加利润分享合同(PSC)。考虑了一个对称的相互依赖的价值模型,其中买方为风险厌恶或风险中性,卖方为风险中性。对于第二价格拍卖和英式拍卖,我们表明,卖方的预期总收入从拍卖,他也采取了一小部分的正利润是高于预期的收入从拍卖,只有一次性付款。此外,如果卖方除了从正利润中拿走一小部分外,还从开发资源所造成的任何损失中拿走同样一小部分,他就可以产生甚至更高的预期总收入。超越简单的PSC,我们表明,拍卖与PSC从一个非常一般的类产生更高的预期总收入比拍卖,只有一次性付款。最后,我们表明,合适的PSC提供更高的预期总收入比一次性付款,即使中标买方开发资源的激励措施必须由卖方解决。
2012-07-26 cs.GT
Optimal Pricing Schemes for an Impatient Buyer
耐心的卖家旨在向不耐烦的买家出售商品(即,一个随着时间的推移而折扣效用的人)。买方将在市场上停留一段时间$T$,她的私人价值来自一个公开的分配。卖方的收入最优定价曲线((价格,时间)对序列)是什么?随机化在这里有帮助吗?收益最优定价曲线在多项式时间内可计算吗?我们在本文中回答这些问题。我们给出了一个有效的算法计算收入最优定价曲线。我们表明,定价曲线,张贴在每个时间点的价格,让买家选择她的效用最大化的时间购买,是收入最优的一类更广泛的顺序彩票机制。即,允许销售者在每个时间点张贴彩票菜单的机制不能获得比定价曲线更高的收入。我们还表明,甚至更广泛的一类机制,允许菜单的彩票自适应设置,可以赚取严格高于定价曲线的收入,收入差距可以大到买方的价值分布的支持大小。
2023-02-11 cs.DS cs.GT econ.TH
Optimal Mechanism Design with Risk-loving Agents
机制设计中最著名的成果之一是迈尔森对销售单一物品的收入最优拍卖的描述。然而,这一结果在很大程度上依赖于买方对风险漠不关心的假设。在本文中,我们调查的情况下,买方是风险爱好,即他们更喜欢赌博,以获得奖励确定性。我们使用期望效用理论的标准风险模型,其中风险偏好行为由凸效用函数表示。我们把注意力集中在指数效用函数的特殊情况下。我们的最优拍卖的特点,并表明,随机化可以用来提取更多的收入比当买家是风险中性的。最重要的是,我们表明,最优拍卖是简单的:最优的收入可以提取使用一个随机的接受或离开它的价格为一个单一的买家,并使用一个失败者支付拍卖,一个变种的全付拍卖,为多个买家。最后,我们表明,这些结果不再成立凸效用函数超过指数。
2018-10-05 cs.GT
Strengthening Bulow-Klemperer-Style Results for Multi-Unit Auctions
Hebrew University of Jerusalem(希伯来大学);Hong Kong University of Science and Technology(香港科技大学);Chinese Academy of Sciences(中国科学院)
本研究通过更强的分布假设和先验独立改进的VCG拍卖,显著减少了实现近最优收益所需的额外买家数量。
2026-02-12 cs.GT
Maximizing revenue in the presence of intermediaries
本文研究了将$k$物品出售给单位需求购买者的机制设计问题。买受人或者直接参加拍卖,或者由中间人代表,中间人代表一部分买受人。我们的目标是设计强大的机制,独立于需求结构(即买家如何在中介机构之间划分),并在中介机构和买家之间的各种可能的合同下表现良好。我们首先研究的情况下,$k$相同的项目,每个买家提请其私人估价的项目i.i.d.从已知的$λ$-正则分布。我们构建了一个强大的机制,独立于需求结构,并在一定的条件下,中间商和买家之间的合同,获得一个恒定的因素的收入,机制设计者可以获得她知道买家的估值。换句话说,我们的机制的预期收入实现了一个常数的最优福利的因素,而不管需求结构。我们的机制是一个简单的标价机制,它根据$k$和购买者的总数来设定每件商品的价格,但不依赖于需求结构或下游合同。接下来,我们将我们的结果推广到项目不相同的情况。我们假设项目估值是可分离的。对于这种情况下,我们设计了一种机制,通过使用一个菜单的价格,获得至少一个恒定的分数的最优福利。这种机制也独立于需求结构,但对中介和买方之间的合同做出了相对更强的假设,即每个中介都倾向于其所代表的买方子集的效用总和更高的结果。
2021-11-19 cs.GT econ.TH
Fine-Grained Buy-Many Mechanisms Are Not Much Better Than Bundling
众所周知,多项目收入最优机制非常复杂,通常为购买者提供随机的商品彩票。在标准的买一模型中,众所周知,最佳机制可以产生比任何“简单”机制(物品数量的大小多项式)高得多的收入,即使只有两个物品和一个买家(Briest et al. 2015,Hart and Nisan 2017)。我们引入了一类新的参数化机制,即购买- $k$机制,它在经典的购买一机制和最近研究的购买多机制之间平滑插值(Chawla et al. 2019,Chawla et al. 2020,Chawla et al. 2022)。购买- $k$机制允许购买者购买多达$k$的许多菜单选项。我们表明,限制卖方购买类$n$激励兼容机制足以克服奇异的,无限的收入属性的买一模型。我们的主要结果是,收入差距相对于捆绑,一个非常简单的机制,是有界的$O(n^2)$为任何任意相关的分布$\mathcal{D}$在$n$项目的情况下,添加剂买家。我们的技术也使我们能够证明类似的上界任意单调估值,虽然在近似的指数因子。在消极的一面,我们表明,允许买方购买少量的菜单选项不足以保证次指数近似,即使我们削弱了基准的最佳购买- $k$确定性机制。如果添加购买者仅被允许购买$k = Θ(n^{1/2-\varepsilon})$许多菜单选项,则在$n$中,收入最优的确定性购买- $k$机制与捆绑之间的差距可以是指数级的。特别是,这意味着没有“…
2022-11-18 cs.GT
Optimal Fixed-Price Mechanism with Signaling
研究信息不对称下卖家通过策略性披露物品质量信息以调整固定价格的机制设计问题,证明在多买家事中个人理性条件下固定价格信号机制能带来比传统固定价格机制更高的收益。
2024-11-16 cs.GT
A Simple and Approximately Optimal Mechanism for a Buyer with Complements
我们考虑一个收入最大化的卖方与$m$异质项目和一个单一的买方,其估价$v$的项目可能会表现出两个替代品(即,对于一些$S, T$,$v(S \cup T) < v(S) + v(T)$)和互补物(即,对于一些$S, T$、$v(S \cup T) > v(S) + v(T)$)。我们证明了Babaioff等人首次提出的机制。[2014] -更好地分别销售物品并将其捆绑在一起-保证了最佳收入的$Θ(d)$部分,其中$d$是互补程度的度量。请注意,这是第一个近似最优的机制,其估值表现出任何形式的互补性,并扩展了Rubinstein和Weinberg [2015]的工作,该工作证明了当买方估值是次加性时,相同的简单机制实现了常数因子近似,这是最普遍的无互补估值。我们的证明是由Cai et al. [2016]最近开发的对偶框架实现的,我们使用该框架来获得这种设置下的最优收入的界限。我们的主要技术贡献是专门处理复杂的设置与补充,并包括一个超图分割边缘的算法。甚至确定正确的模型和“互补度”的概念以获得有意义的结果也是有趣的,因为先前定义的自然扩展可证明是失败的。
2017-04-08 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
A Note on Approximate Revenue Maximization with Two Items
我们考虑的问题,最大限度地提高收入时,销售2个项目,一个买家与已知的估值分布。Hart和Nisan表明,使用最优迈尔森价格分别出售每件物品,至少获得两件物品最优拍卖所得收入的一半。我们表明,如果项目有不同的收入时,单独出售的界限可以收紧。
2017-12-10 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
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
Sequential item pricing for unlimited supply
我们调查价格更新可以在多大程度上增加收入的卖方几乎没有需求的先验信息。我们研究了无先验收益最大化的卖方无限供应的n个项目类型面临m近视买家目前k < log n天。对于静态(k = 1)情况,Balcan等人。[2]表明,一个随机项目价格(每个项目相同)产生的收入在最佳因子Θ(log m + log n)内,并且该因子是紧的。我们定义了买方估值的遗传最大化属性(由任何多单位或总替代品估值满足),这足以在动态(k > 1)设置中显着改善近似因子。我们的主要结果是一个非增加的,随机的,时间表k平等的项目价格与预期收入内的O((log m + log n)/ k)的私人估值遗传最大化的最佳因素。这个因子几乎是紧的:我们证明了k天内的任何定价方案都有至少为(log m + log n)/(3 k)的收入近似因子。如果所有赋值都有相同的最大值,我们得到了类似的匹配上下界Θ((log n)/ k).我们希望我们的上限技术能引起更广泛的兴趣;例如,它可以显着改善Akhlaghpour等人的结果。我们还开始研究收入最大化的买方组合估值之间的分配外部性(即影响)。我们提供了一个相当普遍的模型,其他人的物品所有权对买家的估价产生积极影响。对于仿射、子模块外部性和具有遗传最大化的估值,我们提出了一种基于我们的私人估值算法的影响和利用(Hartline等人[13])营销策略。这个策略保留了我们的近似因子,…
2010-11-01 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