Price and Assortment Optimization under the Multinomial Logit Model with Opaque Products
Cornell Tech, Cornell University（康奈尔理工学院，康奈尔大学）；Columbia University（哥伦比亚大学）
研究在具有不透明产品的多项logit模型下的价格与产品组合优化问题，证明价格优化时统一定价最优，产品组合优化方面，给出不同情况下最优产品组合的特点及按收入和估值嵌套的启发式方法并验证其有效性。
2026-07-10 math.OC
A Model of Competitive Assortment Planning Algorithm
本文构建融合贝叶斯信息更新与两阶段优化的竞争性品类规划算法模型，刻画平台、供应商和自有品牌间的竞争与合谋，并提出无合谋且能最大化期望收益的方案。
2023-07-16 cs.GT econ.TH math.OC
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
Robust Assortment Optimization under a Ranking-based Choice Model with Product Unavailability Effect
分类规划问题是零售业中任何公司收入管理战略的核心部分。本文研究了基于序贯排序选择模型下可替代产品的鲁棒搭配最优化问题。我们的建模方法结合了发现多个不可用的产品对客户的购买决策的累积效应。为了模拟高度不确定的顺序，客户探索的产品购买，我们提出了一个双层优化方法，以最大限度地提高预期收入的最坏情况下的产品在客户的偏好列表。我们提供了一个多项式时间算法，最佳地解决了一个特殊的情况下，我们的选择模型的无约束的分类规划问题。对于一般的约束版本的问题，我们设计了一个解决方案的过程，其中包括一个单级的重新制定和切割平面的方法来迭代收紧的解决方案空间。我们还提供了一个贪婪算法，可以快速解决大的情况下，小的最优差距。
2020-08-29 math.OC
Assortment Optimization with Visibility Constraints
本文研究 MNL 下带可见性约束的品类优化 APV，给出最优结构、线性时间算法和紧凑 LP，并分析基数约束的复杂性、PTAS 及损失分摊策略。
2025-02-16 math.OC
Dynamic Assortment Personalization in High Dimensions
我们研究的问题，动态分类个性化与大，异质的人口和广泛的产品阵列，并证明了有效的，高效的大规模个性化的结构先验的重要性。分类个性化是为每个人（类型）选择产品，广告或其他产品（项目）的最佳分类的问题，以便最大化收入。这个问题是电子商务和在线广告收入管理的核心，其中项目和类型都可以达到数百万。我们制定的动态分类个性化的问题作为一个离散的上下文强盗$m$上下文（类型）和指数级的许多武器（$n$项目的缩写）。我们假设每种类型的偏好都遵循一个带有$n$参数的简单参数模型。总之，有$mn$参数，现有文献表明，订单最佳后悔尺度为$mn$。然而，估计这么多参数所需的数据比大多数收入管理应用程序中可用的数据大几个数量级，并且这些模型下的最佳遗憾是不可接受的高。在本文中，我们对问题施加了一个自然的结构-一个小的潜在维度，或低秩。在静态设置中，我们表明，这个模型可以有效地学习，从令人惊讶的很少的相互作用，使用时间和内存效率的优化算法，全局收敛时，模型是可学习的。在动态设置中，我们表明，结构感知的动态分类个性化可以有遗憾，是一个数量级小于结构无知的方法。我们验证我们的理论结果经验。
2019-05-02 math.OC stat.ME stat.ML
Assortment Optimization Under History-Dependent Effects
本文研究历史品类影响顾客效用时的多期品类优化问题，提出混合整数指数锥规划重构方法和序贯收入排序策略，并给出渐近最优循环策略，通过餐饮数据验证模型能平衡多样性与收入。
2025-04-08 math.OC
Constrained Assortment Optimization under the Cross-Nested Logit Model
本文研究交叉嵌套Logit模型下的品类优化问题，证明其NP难性，并提出一种具有性能保证的离散化近似方法，通过混合整数线性规划求解，同时扩展至联合定价与多类顾客场景，实验显示90%性能保证下误差不超过1.2%。
2023-04-18 math.OC
Optimal Online and Offline Algorithms for Contextual MNL with Applications to Assortment and Pricing
Stern School of Business, New York University（纽约大学斯特恩商学院）；China Europe International Business School (CEIBS)（中欧国际工商学院）；Department of Management Science & Engineering, Stanford University（斯坦福大学管理科学与工程系）
本文研究了在价格依赖型情境多项逻辑模型下，联合优化陈列与定价问题，提出新的置信区域构造方法及改进的在线算法，实现更优的子最优保证和更小的 regrets bound。
2026-04-21 math.OC
Robust Assortment Optimization from Observational Data
本文提出了一种稳健的数据驱动 assortments 优化框架，通过考虑客户选择行为的潜在分布变化，实现了样本高效且稳健的 assortments 学习。
2026-08-31 cs.LG math.OC math.ST
Constrained Assortment and Price Optimization under Generalized Nested Logit Models
School of Computing and Information Systems, Singapore Management University（新加坡管理大学计算与信息学学院）
本文提出了一种在广义嵌套Logit模型下精确且近精确的算法，用于解决受限组合与联合组合-定价优化问题，显著提升了解的质量和可扩展性。
2025-12-25 econ.GN math.OC q-fin.EC
Assortment Optimization under the Multinomial Logit Model with Covering Constraints
针对带覆盖约束的多项Logit模型品类优化问题，提出确定性情形下的近似算法与随机性情形下的多项式时间解法，并扩展至多细分市场场景，数值实验验证了约束实施的可行性与两类场景收益的可比性。
2025-10-02 math.OC
Assortment Optimization under a Single Transition Model
本文考虑一个单转移的马尔可夫链选择模型。在这个模型中，客户以一定的概率到达每个产品。如果到达的产品是不可用的，则销售者可以向客户推荐可用产品的子集，并且客户将购买推荐产品中的一个或者以特定转移概率选择不购买。该模型的显着特点是，卖方可以根据到达的产品来控制推荐哪些产品，每个客户要么购买产品，要么在一次过渡后离开市场。在此模型下研究了产品的品种最优化问题。特别是，我们表明，这个问题一般是NP-难的，即使每个产品只能过渡到最多两个产品。尽管问题的复杂性，我们提供了多项式时间算法的几个特殊情况下，如当转移概率是均匀的相对于起点，或当每个产品只能过渡到一个其他产品。我们还为按收入排序的调整提供了严格的性能约束。此外，我们提出了一个紧凑的混合整数规划制定，可以解决这个问题的大尺寸。通过大量的数值实验，我们表明，所提出的算法可以有效地解决问题，所得到的修正可以显着提高卖方的收入比马尔可夫链选择模型。
2017-02-13 cs.CC math.OC
Assortment Optimization under Logit-Based Multi-Purchase Choice Models
Antai College of Economics and Management, Shanghai Jiao Tong University（上海交通大学安泰经济与管理学院）
本文研究了logit基多购买选择模型，并开发了求解由此产生的 assortment 优化问题的精确方法，证明这些问题是近似NP难的。通过引入超图表示法，整合了多线性优化的多面体松弛和logit选择模型的视角重构，得到更紧的LP界。
2026-09-24 math.OC
Huge-Scale Assortment Optimization with Customer Choice: A Parallel Primal-Dual Approach
The Institute of Statistical Mathematics（统计数学研究所）；The University of Tokyo（东京大学）；Institute of Operations Research and Analytics, National University of Singapore（新加坡国立大学运筹与分析研究院）；Department of Industrial Systems Engineering and Management, National University of Singapore（新加坡国立大学工业系统工程与管理系）；ZOZO Next, Inc.（ZOZO Next公司）
本文提出了一种并行对偶法 SPFOM，用于解决大规模 assortment 优化问题，通过高效算法提升计算效率和实际应用效果。
2026-02-25 math.OC
Model-Free Assortment Pricing with Transaction Data
我们研究的问题时，一个公司的产品定价的基础上的交易数据，即，过去的客户从一个品种中选择了哪种产品，以及他们观察到的历史价格是什么。我们的方法不强加一个模型上的客户的估值分布，而只是假设，相反，购买选择满足激励兼容的约束。每个过去的客户的个人估值，然后可以编码为一个多面体集，我们的方法最大化的最坏情况下的收入假设新客户的估值是从经验分布暗示这样的多面体的集合。我们表明，在这种设置中的最优价格可以近似在任何任意精度，通过求解一个紧凑的混合整数线性规划。此外，我们研究了单一产品的情况下，并将其与传统的基于模型的方法。我们还设计了三个近似策略，是低计算复杂性和可解释的。基于合成数据和真实数据的综合数值研究表明，当历史数据的大小有限或容易受到模型错误指定的影响时，我们的定价方法是唯一有益的。
2022-03-17 math.OC
Assortment Optimization under the Decision Forest Model
University College London（伦敦大学学院）；UCLA Anderson School of Management, University of California, Los Angeles（加州大学洛杉矶分校安德森管理学院）
研究决策森林模型下使预期收益最大化的最优商品组合问题，给出两种混合整数优化公式，通过理论分析和实验展示了公式及基于Benders分解方法的有效性与优势，能将行为异常纳入决策创造更高收益。
2026-07-23 math.OC
Assortment Optimization Under the Multivariate MNL Model
我们研究了一个多购买选择模型下的产品组合优化问题，在该模型中，客户从两个产品类别中选择一个产品。不同的捆绑产品具有不同的效用，捆绑产品的价格是捆绑产品价格之和，对于无容量限制的情形，即任何一组产品都可以被提供，我们证明了该问题是强NP-困难的。我们表明，调整后的收入有序的品种提供了1/2近似。此外，我们开发了一个近似框架的基础上的线性规划松弛的问题，并获得了0.74-近似算法。这个近似比几乎匹配的线性规划的完整性差距，这被证明是最多为0.75。对于容量限制的设置，我们证明了不存在一个常数因子的近似算法假设指数时间假设。相同的硬度结果适用于具有一般捆绑价格或两个以上类别的设置。最后，我们对随机生成的问题实例进行了数值实验。我们的算法的平均近似率超过99%。
2022-10-10 cs.DS math.OC
Capacitated Assortment Optimization with Pricing under the Paired Combinatorial Logit Model
本文研究了在成对组合Logit模型下带定价的容量约束的产品分类最优化问题，其目标是在已知容量限制下确定产品的收入最大化子集及其销售价格.我们使用配对组合logit模型来模拟客户的购买行为，该模型允许任何一对产品之间的协方差。我们制定这个问题作为一个非线性混合整数规划。然后，我们提出了一个两步的方法来获得最优解的基础上解决一个混合整数规划和Lambert-W函数。为了进一步提高其性能，我们设计了一个贪婪的启发式算法和贪婪的随机自适应搜索过程，以获得高质量的解决方案，以平衡精度和计算效率之间的权衡。一系列的数值实验进行衡量我们所提出的方法的效率和质量。
2018-10-23 math.OC
An integer programming approach for quick-commerce assortment planning
针对即时商务中结合实体店与线上个性化品类的NP难规划问题，提出整数规划方法，通过凸包结果和分离算法实现全局最优求解，显著提升计算效率。
2025-08-05 math.OC
PASTA: Pessimistic Assortment Optimization
Duke University（杜克大学）；Purdue University（普渡大学）；George Washington University（乔治华盛顿大学）；University of Michigan（密歇根大学）
我们考虑了一类离线数据驱动环境下的分类优化问题。一家公司不知道潜在的客户选择模型，但可以访问由历史提供的分类集，客户选择和收入组成的离线数据集。我们的目标是使用离线数据集来找到最佳的搭配。由于分类优化的组合性质，数据覆盖不足的问题很可能发生在离线数据集中。因此，设计一个可证明有效的离线学习算法成为一个重大的挑战。为此，我们提出了一种算法称为悲观主义分类优化（PASTA为短）设计的基础上的悲观主义的原则，可以正确地确定最佳的品种，只需要离线数据，以涵盖一般设置下的最佳品种。特别是，我们在著名的多项logit模型下建立了离线分类优化问题的遗憾界。我们还提出了一个有效的计算过程来解决我们的悲观的分类优化问题。数值研究表明，该方法优于现有的基线方法。
2023-02-08 cs.LG math.OC stat.ME
A Markovian Approach for Cross-Category Complementarity in Choice Modeling
Cornell University（康奈尔大学）；University of Wisconsin–Madison（威斯康星大学麦迪逊分校）；University of California, Berkeley（加州大学伯克利分校）
针对跨类别品类优化中现有模型忽略互补性或优化难解的问题，提出结合马尔可夫转移结构与RUM类模型的序贯多购买选择模型，设计估计算法与多项式时间优化算法，实验验证其在精度、拟合度与收益上的优势。
2026-11-02 math.OC
Revealed Preference at Scale: Learning Personalized Preferences from Assortment Choices
Cornell University（康奈尔大学）；Cornell Tech（康奈尔科技学院）
我们考虑的问题是，通过观察各种各样的产品、广告或其他产品的选择来学习异质群体的偏好。我们的观察模型采取了一种常见的分类规划应用程序的形式：每个到达的客户提供了一个由所有可能的产品的子集组成的分类，我们只观察分类和客户的单一选择。在本文中，我们提出了一个混合选择模型与一个自然的底层低维结构，并展示了如何估计其参数。在我们的模型中，每个客户或细分市场的偏好遵循一个单独的参数选择模型，但这些参数在所有模型的底层结构具有低维。我们表明，核范数正则化的极大似然估计可以学习所有客户的偏好，使用一些观察远小于项目客户组合的数量。这一结果显示了结构假设在加速学习和提高分类规划和定制收入方面的潜力。我们提供了一个专门的因子梯度下降算法，并研究经验的方法的成功。
2016-06-07 cs.LG math.OC stat.ML
An exact pricing algorithm for revenue maximization under the logit demand function
The University of Texas at San Antonio（德克萨斯大学圣安东尼奥分校）；Zayed University（扎耶德大学）
本文提出基于logit需求函数的精确定价算法，利用Lambert W函数推导出收益最大化的价格，修正了传统方法中将拐点价格视为市场价的误区，实验证明最优价格低于拐点价格，带来更高的收益。
2025-12-01 math.OC
Multi-agent Assortment Optimization in Sequential Matching Markets
University of Southern California（南加州大学）；Université de Montréal（蒙特利尔大学）；Jacobs Technion-Cornell Institute, Cornell Tech（雅各布斯技术基辛-康奈尔学院，康奈尔科技）
本文研究双边顺序匹配市场中的多智能体品类优化问题，针对一般选择模型提出 $1-1/e$ 近似算法，并在供应商遵循多项式 logit 模型时突破该近似比，实现渐近最优。
2026-10-20 cs.GT math.OC
Assortment optimization given basket shopping behavior using the Ising model
Imperial College Business School, Imperial College London（伦敦帝国理工学院商学院）；Department of Statistical Science, University College London (UCL)（伦敦大学学院统计科学系）；International Institute for Management Development (IMD)（国际管理发展学院）
针对消费者购买商品组合场景下的品类优化问题，本文基于Ising模型构建消费者选择框架，证明问题为APX-hard，提出启发式求解算法，数值实验表明其可带来显著利润提升。
2026-10-21 cs.DS math.OC
Outer Approximation and Super-modular Cuts for Constrained Assortment Optimization under Mixed-Logit Model
School of Computing and Information Systems, Singapore Management University（新加坡管理大学计算与信息系统学院）
本文研究混合Logit模型下的品类优化问题，通过推导基于单调超模和凸组件的有效割并结合割平面或分支割平面方法精确求解，在求解质量和计算时间上均优于现有方法。
2024-07-26 cs.AI math.OC
A Note on Lerner Index, Cross-Elasticity and Revenue Optimization Invariants
我们研究零售定价模型的一般框架内的变分法的共同属性。特别是，我们观察到，对于任何需求模型，最优的去季节化收入率除以价格弹性是时不变的。我们还得到了一个众所周知的需求价格弹性和勒纳指数之间的逆关系的推广。这些不变性的结果说明了两个对比的例子降价优化和最佳连续补货
2014-02-09 math.OC
Fast Revenue Maximization
Columbia University（哥伦比亚大学）；Columbia University, Graduate School of Business（哥伦比亚大学商学院）；NYU Stern School of Business（纽约大学斯特恩商学院）
本文研究了基于数据的定价问题，通过有限历史价格数据确定单个物品的价格，量化信息价值并指导高效定价实验。核心方法是将无限维问题转化为一维优化问题，提供有保证的定价策略，并展示在动态定价中如何减少实验次数。
2026-05-15 cs.GT math.OC stat.AP
Online Resource Allocation with Customer Choice
我们介绍了一个一般模型的资源分配与客户选择。在这个模型中，有多个资源在有限的范围内可用。资源是不可再生的，也是易腐的。每一个单位的资源可以立即制成几种产品之一。随着时间的推移，有多种客户类型随机到达。根据客户类型、到达时间和剩余库存，必须向每个到达的客户提供各种各样的产品。从这个分类中，客户根据一般选择模型选择产品。该选择生成依赖于产品和依赖于客户类型的奖励。该系统的目标是最大化在地平线上赚取的总预期回报。上述问题有许多应用，包括个性化分类优化，并行航班的收入管理，以及基于Web和移动的预约调度。我们推导出在线算法，是渐近最优的，并实现最佳的恒定相对性能保证这类问题。
2015-11-05 math.OC
Killing the Case for Randomization in Dynamic Assortment Optimization
School of Operations Research and Information Engineering, Cornell Tech（康奈尔科技学校运筹与信息工程学院）
本文提出一种去随机化算法，将任何基于采样的库存无关策略转化为确定性策略而不降低性能，并证明局部最优确定性策略相对于最优采样策略有1/2-ε的性能保证。
2026-07-02 cs.DS math.OC
Revenue Adequate Prices for Chance-Constrained Electricity Markets with Variable Renewable Energy Sources
Lehigh University（利哈伊大学）
本文针对含VRES的电力市场，采用CCO方法推导收益充足电价，其生成的实时电价不依赖VRES实时出力，通过案例对比了该方法与随机方法的电价差异。
2026-08-10 cs.SY econ.TH eess.SY
Elasticity Based Demand Forecasting and Price Optimization for Online Retail
我们研究了一个在线零售商的问题，他们观察产品的单位销售量，并动态地改变零售价格，以最大化预期收入。假设产品的需求对价格敏感，我们感兴趣的是当未来需求不确定时的最优定价政策。我们建立了一个系统来研究零售价格和需求之间的关系，并估计需求函数。该系统预测给定零售价格下的需求和收入。我们制定了一个收入最大化问题，在离散有限的时间范围内离散的零售价格。基于预测的需求和收入值求解最优定价策略。通过计算实验，我们研究了最优定价策略对库存管理的影响。
2021-06-16 cs.CE cs.SY eess.SY
Constant Regret Re-solving Heuristics for Price-based Revenue Management
基于价格的收益管理是企业经营管理中的一个重要问题，有着广泛的实际应用。该问题考虑零售商在$T$连续的时间段内销售一种产品（或多种产品），并且受到初始库存量的约束。虽然最优定价策略可以通过动态规划获得，但由于计算成本高，这种方法有时是不可取的。近似的政策，如重新解决的算法，经常被应用作为计算上易处理的替代方案。在本文中，我们证明了以下两个结果。首先，我们证明了一个自然的重新解决启发式达到$O(1)$遗憾相比，最优策略的值。这改进了在\cite{jasin2014reoptimization}的先前工作中建立的$O(\ln T)$后悔上界。其次，我们证明了最优策略的值与流体模型的值之间存在$Ω(\ln T)$差距。这补充了我们的上界结果表明，流体是不是一个足够的信息放松基准时，分析基于价格的收入管理算法。
2020-12-29 math.OC stat.ML
Intertemporal Price Discrimination with Time-Varying Valuations
一个销售非易腐产品的公司考虑跨期价格歧视，以最大化其长期平均收益为目标。我们考虑一个一般模型的病人的客户不断变化的估值。到达的顾客等待一个随机但有界的时间长度，当产品价格低于他们的估价时购买产品，这是一个随机过程。我们证明了一类循环策略的最优性，并得到了一个算法，产生它们。当跨期定价的速度被限制为与客户耐心水平的上界相当时，我们可以很好地控制周期长度和优化周期策略的结构。研究结果也适用于前瞻性的战略客户，以及在一个替代目标下，最大限度地提高无限的地平线折扣收入。我们投我们的结果在一个一般的框架，优化长期平均收入的一类收入函数，我们表示{ \it弱耦合}，其中每个周期的收入取决于有限数量的相邻价格。我们详细分析了马尔可夫估值的情况下，我们可以得到封闭形式的收入函数和我们的主要结果的一些改进。我们还扩展我们的结果的情况下，耐心水平，只有在期望的范围内。
2020-02-14 math.OC math.PR
Data-Driven Dynamic Assortment in Online Platforms: Learning about Two Sides
IE Business School, IE University（IE大学商学院）；Kenan-Flagler Business School, The University of North Carolina at Chapel Hill（北卡罗来纳大学教堂山分校肯纳-弗拉格勒商学院）
针对双边服务平台，提出一种数据驱动算法，在未知顾客和卖家选择参数的情况下动态优化商品分类，并证明其遗憾值随时间呈多对数增长且达到最优速率。
2026-06-11 cs.LG math.OC math.PR
Achieving an optimal trade-off between revenue and energy peak within a smart grid environment
我们考虑一个能源供应商，其目标是同时设定收入最大化的价格，并满足峰值负荷约束。在我们的双层设置中，供应商作为一个领导者（上层），考虑到智能电网（下层），最大限度地减少用户的非效用的总和。后者的决策基于领导者设定的小时价格，以及用户为每个任务设定的日程偏好。考虑到垄断和竞争的情况下，我们数值说明了该方法的有效性，它实现了三个目标之间的“最优”权衡：收入，用户成本和峰值需求。
2016-01-21 math.OC
Optimal Revenue Guarantees for Pricing in Large Markets
发布价格机制（PPM）构成了在线市场中商品定价的主要做法之一，其收入保证在过去十年中一直是研究的中心对象。我们考虑一个基本的设置，其中买家的估值是独立和同分布的，有一个单一的单位出售。众所周知，此设置相当于所谓的i.i.d.。预言者不等式，其最优保证是已知的，并且通常评估为0.745（相当于具有动态价格的PPM），并且在固定阈值情况下评估为$1 - 1/e \approx 0.632$（相当于固定价格PPM）。在本文中，我们考虑了一个额外的假设，即基础市场非常大。这是通过首先固定估值分布F，然后使买家数量变大来建模的，而不是考虑每个可能的市场规模的最差分布。在这种设置肯尼迪和克茨[安。1991]打破了动态阈值策略通常可实现的0.745分数。我们证明，这种大的市场效益继续使用固定价格PPM时，并显示，0.632的保证实际上提高到0.712。然后，我们移动到研究的情况下，销售k相同的单位，我们证明了固定价格PPM的收入差距接近$1-1/\sqrt{ 2kπ}$。由于这一界限在没有大市场假设的情况下是可以实现的，我们得到了一个有点令人惊讶的结果，即随着$k$的增长，大市场优势消失了。
2021-08-20 math.OC
Randomized Robust Price Optimization
针对鲁棒多产品定价问题，本文提出随机鲁棒价格优化方法，通过指定价格向量分布最大化最坏收益，给出离散候选集最优随机化方案，在真实零售数据集上最坏收益提升达92%且样本外收益更高。
2025-02-14 math.OC
Fair Assortment Planning
针对在线平台物品组合优化算法忽视机会公平的问题，提出基于成对公平的公平组合规划模型，设计基于椭球法与近似分离预言机的近似算法，实验验证了算法有效性并分析了公平性代价。
2025-02-21 cs.DS math.OC
Stochastic Approach for Price Optimization Problems with Decision-dependent Uncertainty
针对需求不确定性依赖于价格的价格优化问题，提出一种通用非凸随机优化方法，通过推导无偏随机梯度估计器并结合投影随机梯度下降寻找稳定点，实验证明其能获得比基线更高的总收入。
2024-01-03 math.OC
Revenue Optimization with Price-Sensitive and Interdependent Demand
École polytechnique（巴黎政治学院）
本文针对直飞航班机票销售，在给定需求数据和价格选项的前提下，通过优化定价和数量决策来最大化航班收入。
2025-05-22 cs.LG math.OC
Estimating profitable price bounds for prescriptive price optimization
本文针对规范性价格优化中价格边界难以确定的问题，提出基于 bootstrap 置信区间和 Nelder--Mead 单纯形法的两种价格边界估计方法，并通过合成数据集实验验证其能在保持高收入的同时有效缩小价格范围。
2025-08-21 cs.CE math.OC
I Want to Tell You? Maximizing Revenue in First-Price Two-Stage Auctions
在许多拍卖中，一个常见的做法是为投标人提供一个机会来提高他们的出价，称为最佳和最终报价（BAFO）阶段。这一最终出价可能取决于所提供的有关资产或竞争对手的新信息。本文研究了新的竞争对手的信息的影响，试图确定什么样的信息，拍卖商应该提供假设允许的出价是离散的。使拍卖人收益最大化的理性策略是每个出价人都尽可能地出价最高，但出价要低于他对拍卖品的估价。无论信息发布如何，这个策略轮廓都是足够多的投标人的均衡。我们比较了在不同的信息设置下，这个配置文件是一个均衡所需的投标人的数量。我们发现，它成为一个均衡与较少的投标人时，更少的额外信息提供给投标人的竞争。因此，当投标人的数量是先验未知的，有一些优势，拍卖师不透露信息。
2021-04-20 cs.GT econ.TH math.OC
Decentralized Multi-product Pricing: Diagonal Dominance, Nash Equilibrium, and Price of Anarchy
Department of Information & Decision Sciences, College of Business Administration, University of Illinois Chicago（伊利诺伊大学芝加哥分校商学院信息与决策科学系）；Department of Industrial Engineering & Decision Analytics, The Hong Kong University of Science and Technology（香港科技大学工业工程与决策分析系）；Department of Technology and Operations, Ross School of Business, University of Michigan（密歇根大学罗斯商学院技术与运营系）
本文研究了多产品公司去中心化定价的效率损失，通过分析价格无效率，推导出收入比率的紧致下界，并基于对角主导性和谱性质提供效率损失的定量框架。
2026-10-27 cs.GT math.OC
