Prophet Inequalities for Matching with a Single Sample
我们认为先知不等式问题(不一定是二分的)匹配问题的独立的边缘值,根据边缘到达和顶点到达。我们展示了常数因子预言家不平等的情况下,在线算法只有有限的访问值分布通过样本。首先,我们给出了一个$16$ -近似先知不等式匹配一般图下的边缘到达,只使用一个单一的样本从每个值分布作为先验信息。然后,对于二分匹配和(单侧)顶点到达,我们展示了一个改进的$8$,也只使用一个单一的样本从每个分布的范围。最后,我们展示了如何把我们的$16$近似单样本先知不等式变成一个真实的单样本机制,用于在线二分匹配与顶点到达。
2021-07-31 cs.DS cs.GT
Single Sample Prophet Inequality for Uniform Matroids of Rank 2
本文研究了单样本下的先知不等式,证明在秩为2的一致拟阵中可通过确定性机制实现1/2的最优保证,并猜想该策略可推广至所有一致拟阵。
2023-06-30 cs.GT math.OC
Online Stochastic Max-Weight Matching: prophet inequality for vertex and edge arrival models
我们提供先知不等式算法在线加权匹配一般(非二分)图,根据两个研究充分的到达模型,即边缘到达和顶点到达。每个边的权重独立于先验已知的概率分布来绘制。在边缘到达下,每个边缘的权重在到达时被揭示,并且算法决定是否将其包括在匹配中。在顶点到达时,显示从新到达顶点到所有先前到达顶点的所有边的权重,并且算法决定将这些边中的哪些(如果有的话)包括在匹配中。为了研究这些设置,我们引入了一个新的批量先知不平等的统一框架,该框架捕获了元素批量到达的在线设置;特别是它捕获了上述两个到达模型下的匹配。我们的算法依赖于合适的在线竞争解决方案(OCRS)的建设。我们首先将OCRS的框架扩展到批处理OCRS,然后建立从批处理先知不等式到批处理OCRS的约简,最后构造了批处理OCRS,边和顶点到达模型的可选比率分别为0.337和0.5。这两个结果都改善了相应设置的现有技术。对于顶点到达,我们的结果是紧的。有趣的是,一个基于定价的预言家不平等与可比的竞争比率是未知的。
2020-02-25 cs.DS cs.GT
Single-Sample Prophet Inequalities: A Combinatorial to Single-Item Reduction
The University of Texas at Austin(德克萨斯大学奥斯汀分校)
本文提出从组合到单项先知不等式的通用归约,利用自由处置价值分离约束,在Googol模型下为XOS估值和可分割资源获得改进的竞争比,并给出分数背包的最优结果。
2026-10-05 cs.DS cs.GT
An O(log log m) Prophet Inequality for Subadditive Combinatorial Auctions
先知不等式将随机优化问题的在线算法的预期性能与事后的预期最优解进行比较。他们是一个主要的替代经典的最坏情况下的竞争分析,特别是在设计和分析简单的(张贴价格)激励兼容机制与可证明的近似保证的重要性。在这一领域的一个中心开放的问题是次可加组合拍卖。这里,具有次加性估值函数的$n$代理竞争$m$项目的分配。我们的目标是找到一个最大化分配总价值的项目分配。问题是是否存在一个预言不等式,这个问题,显着击败了最有名的近似因子$O(\log m)$。通过提供一个$O(\log \log m)$预言不等式,我们在这个问题上取得了重大进展。我们的证明通过一个新的原始对偶方法。它也是建设性的,导致在线政策,采取的形式,静态和匿名的项目价格,可以计算在多项式时间给予适当的查询访问的估值。作为我们的方法的应用,我们构建了一个简单的激励兼容机制的基础上公布的价格,实现了$O(\log \log m)$近似的最优收入下的项目独立性假设的次加性估值。
2020-04-21 cs.DS cs.GT
Prophet Inequalities with Delayed and Uncertain Acceptance
IRIT, Université Toulouse Capitole(图卢兹第三大学);Rice University(莱斯大学)
研究了带有不确定接受的先知不等式模型,分析了价值意识决策者与全知先知的竞争比,证明两者均为1/2,并探讨了价值意识决策者在特定条件下超越1/2阈值的条件。
2026-10-27 cs.GT
Oracle-Augmented Prophet Inequalities
本文推广经典先知不等式,引入支持m次调用的预言机模型,分析其与Top-1-of-(m+1)模型在不同目标下的关系,给出该模型最优竞争比的紧上下界,并改进Top-1-of-m模型的相关结果。
2024-04-18 cs.GT
Prophet Inequalities on the Intersection of a Matroid and a Graph
我们认为先知不平等的设置代理对应于两个元素的拟阵和顶点图。一组智能体是可行的,如果它们形成拟阵中的独立集和图中的独立集。我们的主要结果是一个事前1/(2d+2)-预言不等式,其中d是一个图参数,其上界为任意顶点邻域内的一个独立集的最大尺寸.我们通过一个框架建立了这个结果,该框架既为拟阵中的元素设置动态价格(使用平衡阈值的方法),又为图中的顶点设置静态但歧视性的价格(受到近似动态规划的最新发展的启发)。接受代理人的门槛就是这两个价格之和。我们表明,由一定的家庭的间隔调度约束,d的值是1。因此,我们的框架提供了第一个常数因子先知不平等时,既有拟阵独立的约束和时间间隔调度约束。它还统一和改进了文献中的几个结果,导致1/2-先知不等式时,代理人有XOS的一组项目的估值函数,并使用它们为一个有限的时间间隔,更一般地说,1/(d+1)-先知不等式时,这些项目都需要一捆d资源采购。
2019-07-15 cs.DS cs.GT
The Prophet Inequality Can Be Solved Optimally with a Single Set of Samples
经典的预言家不等式的设定如下:一个赌徒被展示给$n$独立的、非负的随机变量的概率分布,其期望值是有限的。在它们的索引顺序中,从每个分布中抽取一个值,并且在每次抽取之后,赌徒可以选择接受该值并结束游戏,或者永久丢弃该值并继续游戏。与总是能选择最高值的预言家相比,赌徒能达到的最佳表现是什么?Krengel、Sucheston和Garling在1978年解决了这个问题,证明存在一种策略,赌徒可以获得预期收益的一半。此外,该结果是紧的。在这项工作中,我们考虑一个设置中,赌徒被允许少得多的信息。假设赌徒在玩游戏之前只能从每个分布中取一个样本,而不是知道全部分布。我们提供了一个简单而直观的算法,恢复原来的近似$\frac{1}{2}$。我们的算法甚至可以对抗一个全能的对手,他总是选择最坏情况下的排序,而不是标准的离线对手。结果也有影响的机制设计-有很大的兴趣在设计竞争性拍卖有限数量的样本从价值分布,而不是充分的分布知识。
2018-12-26 cs.DS cs.GT
Generalized Prophet Inequalities for Online Auctions
Institute for Logic, Language and Computation, University of Amsterdam(阿姆斯特丹大学逻辑、语言与计算研究所)
本文推广先知不等式至智能体有预算和混合目标的在线拍卖,提出广义平衡价格机制,证明常数竞争比并建立权衡与归约。
2026-10-01 cs.GT
Beyond matroids: Secretary Problem and Prophet Inequality with general constraints
本文在任意向下封闭集合系统上推广先知不等式和秘书问题,给出{0,1}值下O(log n)竞争比算法及一般值下O(log n log r)竞争比算法,解决了Kleinberg提出的开放问题。
2024-09-03 cs.DS cs.GT
Prophet Inequalities: Competing with the Top $\ell$ Items is Easy
本文研究独立同分布先知不等式,刻画与前 $\ell$ 个物品平均值竞争的精确最坏竞争比,并推广到选择 $k$ 个物品及静态阈值策略。
2025-01-10 cs.DS cs.GT math.OC
Order Selection Prophet Inequality: From Threshold Optimization to Arrival Time Design
在经典的预言者不等式中,一个赌徒面对一个项目序列,其值独立于已知的分布。当每一个项目的到来,它的价值是实现和赌徒要么接受它和游戏结束,或拒绝它,并继续到下一个项目。目标是最大化所选项目的价值,并与所有项目的预期最大价值竞争。$\frac{1}{2}$的紧密竞争比在经典环境中建立,并且已经提出了各种弛豫以超过该障碍,包括i.i.d.模型、顺序选择模型和随机顺序模型。本文研究了次序选择预言不等式,其中赌博者被赋予选择物品到达次序的额外权力。我们的主要结果是一个$0.725$ -竞争算法,它大大改进了Correa,Saona和Ziliotto~(Math. Program. 2021年),在更硬的随机顺序模型中实现。最近,Agrawal,Sethuraman和Zhang~(EC 2021)证明了选择最优序的任务是NP-难的。尽管如此,我们引入了一种新的算法设计框架,将离散顺序选择问题转化为连续到达时间设计问题。从这个角度来看,我们可以专注于到达时间的设计,而不必担心之后的阈值优化。作为一个副作用,我们实现了最佳的$0.745$竞争比,通过应用我们的算法的i.i.d.模型
2022-04-04 cs.DS cs.GT
The IID Prophet Inequality with Limited Flexibility
本文研究在线销售中至多使用 $k$ 个价格的公平与收入折中,基于 IID 先知不等式提出有限阈值策略,并证明少量价格即可显著接近完全动态定价。
2023-08-14 cs.DS cs.GT math.OC
Splitting Guarantees for Prophet Inequalities via Nonlinear Systems
针对i.i.d. k选择先知不等式问题,引入推广Hill-Kertz方程的非线性微分方程组,通过无限维线性规划与对偶拟合得渐近近似比下界,还为随机序贯分配问题建立紧近似比。
2025-04-17 cs.GT math.OC
Descending Price Auctions with Bounded Number of Price Levels and Batched Prophet Inequality
我们考虑降价拍卖出售$m$单位的良好的单位需求i.i.d.买家,其中存在$k$关于拍卖时钟可以采用的价格水平的数量的外生界限。拍卖师的问题是为拍卖时钟选择价格水平$p_1 > p_2 > \cdots > p_{k}$,使得拍卖期望收益最大化。价格水平在拍卖前公布。我们把这个问题归结为预言家不等式的一个新变体,我们称之为\emph{batched prophet inequality},决策者选择$k$(递减)阈值,然后依次收集高于阈值的奖励(最多到$m$),同时随机打破联系。对于$m=1$的特殊情况(即,销售一个单一的项目),我们表明,由此产生的下降拍卖与$k$的价格水平达到$1- 1/e^k$的无限制(没有约束的$k$)的最优收益。这意味着只有4个价格水平的下降拍卖可以实现超过98%的最优收益。然后,我们扩展我们的结果为$m>1$,并提供了一个封闭形式的约束我们的拍卖作为一个功能的单位数$m$和价格水平的数量$k$的竞争比。
2022-03-02 cs.DM cs.DS cs.GT
Prophet inequality for bipartite matching: merits of being simple and non adaptive
考虑二部图中匹配的贝叶斯在线选择问题,即,带边到达的在线加权匹配问题,其中在线算法知道权值的分布,对应于[Kleinberg and Wienberg STOC 12]模型中两个拟阵的交集。我们考虑一类简单的非自适应顶点添加剂的政策,分配静态价格的所有顶点在图中,并接受每个边,只有当它的重量超过边缘的端点的价格之和。我们表明存在一个顶点添加剂的政策,预期的回报至少有三分之一的先知的回报和目前的梯度下降型算法,迅速收敛到所需的顶点价格的向量。这在两个方面改进了[Kleinberg and Wienberg STOC 12]中关于两个拟阵交集的自适应在线策略:我们的策略是非自适应的,并且具有更好的$3$近似保证,而不是以前的$5.82$对先知的保证。我们给出了一个互补的下限$2.25$的任何在线算法中的二分匹配设置。
2019-02-17 cs.DM cs.DS cs.GT
Multi-Unit Combinatorial Prophet Inequalities
本文研究多单元组合拍卖中先知不等式的竞争比,证明其严格难于单物品情形,并提出一种仅需最少分布信息的非自适应匿名定价,其竞争比随物品供应量递增。
2025-05-21 cs.DS cs.GT
Minimization I.I.D. Prophet Inequality via Extreme Value Theory: A Unified Approach
针对独立同分布先知不等式的最小化问题,本文基于极值理论提出统一框架分析最优阈值算法,推广特殊分布结果获多项式对数级保证,并证明k≥logn时k-多单位最小化问题存在常数竞争单阈值算法。
2024-11-29 cs.DS cs.GT
Prophet Inequalities with Linear Correlations and Augmentations
在一个经典的在线决策问题中,一个试图最大化自己价值的决策者会检查一系列到达的项目来学习它们的价值(从已知的分布中提取),并决定何时通过获取当前项目来停止这个过程。其目的是证明一个“先知不平等”:她可以做大约以及先知与预知的所有价值观。在这项工作中,我们调查这个问题时,值被允许相关。由于对于任意相关性不可能有非平凡的保证,因此我们考虑Bateni等人[ESA 2015]引入的自然“线性”相关性结构作为Chawla等人[GEB 2015]的共同基值模型的推广。一个关键的挑战是,基于阈值的算法,这是常用的预言不等式,不再保证良好的性能线性相关。我们将这个障碍与另一个可能具有独立兴趣的“增强”挑战联系起来:许多现有的先知不等式算法对于到达项目的值的轻微增加并不鲁棒。我们利用这种直觉来证明边界(匹配常数因子),随着到达项的相关性而优雅地衰减。我们扩展这些结果的情况下,选择多个项目,通过设计一个新的$(1+o(1))$近似比算法,是强大的增广。
2020-05-23 cs.DS cs.GT
Bandit Algorithms for Prophet Inequality and Pandora's Box
Massachusetts Institute of Technology(麻省理工学院);University of Bonn(波恩大学);Georgia Tech(佐治亚理工学院)
针对分布未知的 Prophet Inequality 与 Pandora's Box 问题,提出多臂 Bandit 学习框架,并基于置信区间实现近似最优的总遗憾算法。
2023-12-07 cs.DS cs.GT cs.LG
Prophet Inequalities with Limited Information
在经典的预言不等式中,赌徒观察到一系列随机奖励$V_1,...,V_n$,并且必须决定,对于每一个奖励$V_i$,是保留它并停止游戏,还是永远放弃奖励并显示下一个值$V_i$。赌徒的目标是获得最佳离线算法将获得的预期奖励的恒定分数。最近,预言家不等式已经被推广到赌徒可以选择$k$项目的设置,更一般地说,他可以选择拟阵中的任何独立集。然而,所有现有的算法都要求赌徒知道从中提取奖励$V_1,...,V_n$的分布。假设赌徒知道从中抽取$V_1,...,V_n$的分布是非常强的。相反,我们使用更简单的假设,即赌徒只知道这个分布中的几个样本。我们构造了第一个单样本预言不等式的许多设置的兴趣,其保证都匹配最好的可能渐近,\emph{even with full knowledge of the distribution}。具体而言,我们提供了一种新的单样本算法时,赌徒可以选择任何$k$元素的分析是基于有限相关的随机游走。此外,我们提供了一个黑盒方法转换特定类型的解决方案,相关的\emph{secretary problem}单样本先知不等式,并将其应用到现有的几个算法。最后,我们给出了常度二部匹配的常样本预言不等式。我们将这些结果应用于设计一次标价和多维拍卖机制与有限的信息设置与非对称投标人。
2013-07-14 cs.DS cs.GT
Matroid Prophet Inequalities
假设一个赌徒观察到一个独立的、非负的随机数序列,并被允许在任何时候停止这个序列,要求获得与最近观察结果相等的奖励。Krengel、Sucheston和Garling著名的预言家不等式断言,一个知道每个随机变量分布的赌徒,在预期中可以获得至少一半的回报,因为一个“预言家”知道每个随机变量的采样值,可以选择最大的一个。我们将这个结果推广到赌徒和先知被允许进行多个选择的设置,受到拟阵约束。我们表明,赌徒仍然可以实现至少一半的奖励,作为先知,这个结果是最好的可能,因为它是已知的,即使在原来的先知的不平等,这对应于特殊情况下的秩一拟阵的比例不能得到改善。进一步推广的结果,我们表明,在p拟阵约束的交叉点,先知的奖励超过赌徒的一个因素,最多O(p),这个因素也很紧。除了作为纯在线算法或最优停止规则的定理之外,这些结果还可以应用于机制设计。我们的研究结果意味着改进的边界上的能力,顺序张贴价格机制,以近似贝叶斯最优机制在单参数和多参数设置。特别是,我们的研究结果意味着第一个有效地计算常数因子近似贝叶斯最优收入在某些多参数设置。
2012-01-23 cs.DS cs.GT math.PR
Prophet Inequality: Order selection beats random order
针对prophet inequality问题,本文证明了order selection设定能保证比random order严格更好的竞争比,通过扩展算法框架设计了0.7258-竞争算法,并改进了随机顺序下的硬度结果至0.7254,从而建立了两种设定间的分离。
2023-05-22 cs.DS cs.GT
Prophet and Secretary at the Same Time
Washington University in St. Louis(圣路易斯华盛顿大学);University of Bonn(波恩大学)
针对在线算法对分布错误设定的鲁棒性问题,在最优停止场景中探讨停止规则同时适配先知不等式(已知分布)与秘书问题(未知分布)的可能性,提出具非平凡联合保证的最优算法并确定不可达逼近比,结果适用于固定及泊松到达情况。
2025-11-12 cs.DS cs.GT
Sample-driven optimal stopping: From the secretary problem to the i.i.d. prophet inequality
我们采取一个统一的方法来选择最优停止问题的随机到达顺序和独立的抽样项目。在我们考虑的问题中,一个决策者(DM)最初得到的样本$N$项目独立的概率$p$,并可以观察这些抽样项目的相对排名。然后,DM以在线方式面对剩余的项目,观察所有显示项目的相对排名。当扫描序列时,DM做出不可撤销的停止/继续决定,并且她停止面对具有等级$i$的项目的序列的奖励是$Y_i$。DM的目标是最大化她的回报。我们首先研究DM已知值$Y_i$的情况,然后转移到这些值是对抗性的情况。对于前一种情况,我们编写自然线性规划来捕获算法的性能,并取其连续极限。我们证明了这个连续的限制,这使我们能够减少一个相对简单的真正的优化问题的问题的结构性结果。我们建立的最佳算法是由一个序列的阈值$t_1\le t_2\le\cdots$,使DM应该停止,如果看到一个项目与当前的排名$i$后,时间$t_i$。此外,我们能够恢复该地区的一些经典结果,如秘书问题和最小排序问题。对于对抗的情况下,我们得到了一个类似的线性规划与一个额外的随机优势约束。使用相同的机制,我们能够确定所有$p$值的最佳竞争比。值得注意的是,我们证明了当$p$接近1时,我们的保证线性收敛到0.745,与i.i.d.~先知不平等同样有趣的是$p=1/2$的情况,其中我们的边界评估为$0.671$,这改进了现有技术。
2021-08-09 cs.DS cs.GT
Prophet Inequality on I.I.D. Distributions: Beating 1-1/e with a Single Query
本文研究未知独立同分布下的单选项先知不等式问题,提出仅需单次分位数查询的观察-接受算法,达到0.6718的竞争比,超越了1-1/e的基准。
2023-08-22 cs.DS cs.GT
Improved Regret and Contextual Linear Extension for Pandora's Box and Prophet Inequality
University of Washington(华盛顿大学);Purdue University(普渡大学);University of Southern California(南加州大学)
针对半带状反馈下的Pandora's Box在线学习问题,提出新算法实现~O(√(nT))遗憾界,改进先前~O(n√T)界并匹配下界;进一步扩展至上下文线性设置,同时学习线性函数与噪声分布,达到~O(nd√T)遗憾界;技术同样适用于在线先知不等式问题。
2025-10-24 cs.DS cs.GT cs.LG
Unknown I.I.D. Prophets: Better Bounds, Streaming Algorithms, and a New Impossibility
预言不等式指出,对于某些$α\in[0,1]$,赌徒按顺序观察随机变量$X_1,\dots,X_n$并选择其中之一,其可获得的期望值至少是序列中最大值的$α$分数。我们对Correa等人(EC,2019)首次研究的设置进行了三次明显的改进,并且与算法定价的现代应用特别相关。在这种情况下,随机变量是独立同分布的。并且游戏者可以访问某些$β\geq 0$的附加$βn$样本。我们首先针对广泛的$β$值给出了改进的$α$下界;具体而言,当$β\leq 1/(e-1)$时,$α\geq(1+β)/e$是紧的,当$β=1$时,$α\geq 0.648$是紧的,由于Correa等人(SODA,2020),它改进了$0.635$左右的界。添加到他们的实际吸引力,特别是在算法定价的背景下,然后,我们表明,即使在流模型的计算,从而在使用相关数据的情况下,可以获得新的界限是复杂的数据量。我们最后建立的上限$1/e$的情况下,没有样本是强大的额外信息的分布,也适用于序列的i.i.d.随机变量,其分布本身根据已知分布从已知候选分布的有限集合中绘制。这意味着可交换随机变量序列的一个紧预言不等式,回答了Hill和Kertz(Contemporary Mathematics,1992)的一个问题,但当候选分布的数量很小时,我们相信这种设置对应用程序有很大的兴趣时,就有可能得到更好的保证。
2020-11-21 cs.DS cs.GT
Prophet Inequalities Beyond Utilitarian Social Welfare
Google Research(谷歌研究院);Purdue University(普渡大学)
本文研究公平分配中广义p-均值福利下的先知不等式,证明多物品问题可由单物品先知问题刻画,并给出平等福利的最优比率Γ≈0.7059,表明优化平等福利仅比功利福利损失约4个百分点。
2026-09-23 cs.GT
The Competition Complexity of Prophet Inequalities with Correlations
Harvard University(哈佛大学);Tel Aviv University(特拉维夫大学)
该研究首次在奖励相关场景下通过资源增强框架研究先知不等式,发现相关情形下逼近所需额外奖励数依赖原始奖励数,块阈值算法可能需无限额外奖励,并针对三种场景提出渐近最优算法。
2024-09-10 cs.GT cs.LG
Secretary, Prophet, and Stochastic Probing via Big-Decisions-First
Stanford University(斯坦福大学);Georgia Tech(佐治亚理工学院)
本文研究了在不确定性下三个基本问题:推荐问题、先知不等式和随机探测,针对一般向下闭合约束,提出大决策优先原则,解决二次差距问题,给出两种问题的$\tildeΩ(\log^2 n)$难性和第三种问题的$O(\log n)$近似算法。
2026-04-01 cs.DS cs.GT
Prophet Inequalities with Cancellation Costs
Booth School of Business, University of Chicago(芝加哥大学布斯商学院);Department of Mathematics, Stanford University(斯坦福大学数学系)
针对收益管理中可取消决策场景,提出带线性取消成本(回购模型)的先知不等式问题,通过微分方程刻画最优竞争比并设计多项式时间随机自适应策略,该策略与到达顺序无关。
2026-10-12 cs.DS cs.GT
Optimal Stopping with Multi-Dimensional Comparative Loss Aversion
本文研究多维比较损失厌恶下的最优停止,证明竞争比随 λ 与维度数 k 发生相变,并指出随机顺序与最坏情形间仅存在常数因子差距。
2023-09-27 cs.GT econ.TH
Counteracting Inequality in Markets via Convex Pricing
我们研究的市场机制分配可分割的商品竞争代理与准线性效用。对于\emph{linear}定价(即,商品的成本与购买的数量成正比),第一福利定理指出瓦尔拉斯均衡使代理人估价的总和最大化。这确保了效率,但可能导致个人之间的极端不平等。许多现实世界的市场--特别是水市场--使用\emph{convex}定价,通常称为递增块关税(IBT)。IBT被认为促进平等,但这一说法缺乏理论支持。在本文中,我们研究了一个简单的凸定价规则,并证明了由此产生的均衡保证最大化CES福利函数。此外,定价规则的一个参数直接决定了CES福利函数的实现;通过调整这个参数,社会计划者可以精确地控制公平和效率之间的权衡。我们的结果适用于任何齐次、可微和凹的估值。我们还给出了一个迭代算法来计算这些定价规则,得出一个真实的机制的情况下,一个单一的好,并讨论西比尔攻击。
2020-09-20 cs.GT