A Dynamic Programming Model for Determining Bidding Strategies in Sequential Auctions: Quasi-linear Utility and Budget Constraints
本文利用动态规划技术，提出了一种求解序列拍卖中最优投标策略的新方法。现有的方法假设用户的效用是以加法的形式表示的。因此，在每个状态下，剩余的货币禀赋必须被显式地表示，并且当初始货币禀赋m变大时，最优投标策略的计算变得耗时。在本文中，我们开发了一个新的问题形式化，通过假设用户的效用可以用准线性形式表示，并将支付表示为状态转换成本，从而避免显式地表示剩余禀赋。实验结果表明，我们可以获得超过m倍的计算时间的加速。在此基础上，提出了一种在预算约束下获得半最优报价策略的方法，并通过实验验证了该方法的有效性。
2013-01-10 cs.GT
HiBid: A Cross-Channel Constrained Bidding System with Budget Allocation by Hierarchical Offline Deep Reinforcement Learning
School of Computer Science and Technology, Beijing Institute of Technology（北京理工大学计算机科学与技术学院）；Meituan（美团）；Institute for Advanced Algorithms Research（先进算法研究院）
HiBid提出分层离线深度强化学习框架，实现跨渠道预算分配与自适应竞价，满足CPC约束，并在大规模数据和在线测试中优于六个基线，已部署于美团平台。
2024-08-20 cs.GT cs.LG
Coordinated Dynamic Bidding in Repeated Second-Price Auctions with Budgets
Peking University（北京大学）；Huawei TCS Lab（华为TCS实验室）
该研究针对带预算的重复第二价格拍卖场景，提出可保证每个客户效用高于独立出价最优水平、实现最大联盟福利的协同出价算法，并通过实验验证性能，填补了带约束在线重复拍卖中竞拍者协同研究的空白。
2023-06-13 cs.GT cs.LG econ.TH
Bidding Games with Charging
该研究提出带充能的竞价博弈模型，证明其仍存在顶点阈值比例，指出不动点非唯一带来的复杂度问题，给出Rabin和Streett目标的首个复杂度下界，并解决了安全与可达性博弈的充能分配修复问题。
2024-07-08 cs.GT
Adaptive Bidding Policies for First-Price Auctions with Budget Constraints under Non-stationarity
本文研究预算受限的投标人如何在重复的第一价格拍卖中自适应出价以最大化累积收益，提出基于双梯度下降的出价策略，并分析了在不同信息环境下性能损失与非平稳性之间的关系。
2026-04-11 cs.GT
Infinite-Duration Bidding Games
图上的二人游戏在形式化方法中得到了广泛的研究，因为它们模拟了系统与环境之间的交互。游戏通过在整个图中移动代币来产生无限路径来进行。有几种常见的模式来确定玩家如何在图中移动代币;例如，在基于回合的游戏中，玩家在移动代币时交替回合。我们研究了移动令牌的{ \em出价}模式，据我们所知，这在无限持续时间的游戏中从未被研究过。下面的竞价规则是以前定义的，称为Richman竞价。两个参与者都有单独的{ \em预算}，合计为$1$。在每一轮中，都会发生一次出价：两个玩家同时提交出价，如果出价不超过可用预算，则出价是合法的，出价更高的出价者向另一个玩家支付他的出价并移动代币。竞价博弈中研究的中心问题是赢得博弈的必要且充分的初始预算：顶点中的{ \em阈值}预算是一个值$t \in [0,1]$，使得如果参与者$1$的预算超过$t$，他可以赢得博弈，如果参与者$2$的预算超过$1-t$，他可以赢得博弈。阈值预算以前被证明存在于可达性博弈的每个顶点，这与{ \em random-turn}博弈有一个有趣的联系-一个简单的随机博弈的子类，其中移动的玩家是随机选择的。我们证明了存在的阈值预算的定性类的无限持续时间的游戏，即平价游戏，和定量类，即平均收益游戏。证明的关键组成部分是一个定量的解决方案，强连接的平均支付投标游戏中，我们扩展与随机回合游戏这些游戏的连接，并构建明确的最优策略，为双方球员。
2019-06-07 cs.GT cs.LO
Bidding Games with Rewards: Taming Infinite Configuration Space
The Stein Faculty of Computer and Information Science, Ben-Gurion University of the Negev（内盖夫本古里安大学斯坦计算机与信息科学学院）
本文针对带奖励的离散穷汉竞价博弈（DPBGr）因配置图无限带来的挑战，引入消除次优插入序列的技术，通过近似连续竞价博弈求解，还讨论了保证可达性玩家获胜的策略子类，其成员归属属NP问题。
2026-09-01 cs.GT
Bidding Games and Efficient Allocations
里奇曼游戏是零和游戏，在每一轮玩家出价，以确定谁将发挥下一个[拉撒路等人。'99]。我们将理论扩展到称为\emph{bidding games}的公平一般和两个玩家的游戏，显示存在纯子博弈完美均衡（PSPE）。特别是，我们表明，PSPE形成一个半格，一个独特的和自然的\emph{Bottom Equilibrium}。我们的主要结果表明，如果每个节点上的参与者只有两个行动，那么底部均衡具有额外的属性：（a）效用在预算中是单调的;（b）每个结果都是帕累托有效的;（c）对于某些预算，任何帕累托有效的结果都可以实现。在组合谈判的背景下，我们表明，一个球员的一部分，总预算的X %，她的分配，以X %的可能的分配。此外，我们提供了一个多项式时间算法来计算一个二元投标博弈的底部均衡。
2018-08-10 cs.GT
Bidding efficiently in Simultaneous Ascending Auctions with budget and eligibility constraints using Simultaneous Move Monte Carlo Tree Search
本研究针对同步升价拍卖的复杂策略博弈问题，提出基于同步移动蒙特卡洛树搜索的SMS^α算法，可同时应对四大策略难题，支持自定义风险厌恶水平，实验表明其性能优于现有算法，能以更低风险实现更高期望效用。
2024-03-12 cs.GT
Analysis of a Learning Based Algorithm for Budget Pacing
在本文中，我们分析了一个自然的学习算法的广告预算的统一步调，配备，以适应不同的广告销售平台的条件。在需求方面，广告主面临着一个基本的技术挑战，即自动化投标的方式是将其分配的预算分散在一个给定的广告活动中，这取决于隐藏的、潜在的动态成本函数。这种自动化和计算必须在运行时完成，这意味着高频拍卖率的计算成本必然较低。从长远来看，广告商还需要耗尽几乎所有的子间隔（按小时或分钟）预算，以维持预算配额。为了解决这一挑战，我们的研究分析了一个简单的学习算法，适应市场的潜在成本函数，并学习最佳的平均出价值在一段时间内拍卖的一小部分的总活动时间，允许平滑的预算节奏实时。我们证明了我们的算法对拍卖机制的变化具有鲁棒性，并且快速收敛到稳定的平均出价策略。该算法不仅保证预算几乎全部花完，而且还能平稳地调整出价，以防止提前退出竞选活动，并失去在后期对潜在有利可图的展示进行出价的机会。除了理论上的保证，我们验证了我们的算法与实验结果，从开放的源数据真实的广告活动，以进一步证明我们提出的方法的有效性。
2022-11-11 cs.GT
Truthful Auctions for Automated Bidding in Online Advertising
针对广告主价值公开而预算、ROI等财务约束私有的自动竞价场景，论文推导真实性条件并提出基于个性化排名分数和临界ROI的GSP式真实拍卖机制，实验证明其优于一价与二价拍卖。
2023-08-19 cs.GT
Bidding Agent Design in the LinkedIn Ad Marketplace
LinkedIn Corporation（领英公司）
我们建立了一个通用的优化框架，在动态在线市场的自动投标代理的设计。它只为买受人的利益而优化，而与出卖人施加的拍卖机制无关。因此，该框架允许例如跨多个平台联合优化一组广告，每个平台都运行自己的拍卖格式。从这个框架衍生的投标策略自动保证跨广告单元和平台的预算分配的最优性。预算交付时间表、投资回报和保证结果等常见限制直接转化为投标公式中的额外参数。我们分享了基于此框架在LinkedIn广告市场中部署的投标系统的实践经验。
2022-02-25 cs.AI cs.GT cs.IR
Infer Your Enemies and Know Yourself, Learning in Real-Time Bidding with Partially Observable Opponents
实时的【形】竞价作为销售在线广告位的最流行的机制之一，有助于广告商接触潜在客户。竞价优化的目标是在一定的预算设置下，使广告主的投资回报率（ROI）最大化。一个简单的解决方案是以显式形式对投标函数建模。然而，静态功能的解决方案在实践中缺乏一般性，是不敏感的随机行为的其他投标人在环境中。在本文中，我们提出了一个通用的多智能体框架与行动者批评的解决方案，面对不完美信息博弈。首先，我们引入了一种新的深度注意生存分析（DASA）模型来推断第二价格拍卖中的删失数据，该模型优于最新的生存分析。此外，我们的方法引入DASA模型作为对手模型到策略学习过程中的每个代理和开发的平均场均衡分析的第二价格拍卖。实验表明，在市场的推理下，市场在与固定策略代理和动态学习代理博弈时，收敛到均衡的速度要快得多。
2019-02-28 cs.GT cs.MA
Efficiency of Non-Truthful Auctions in Auto-bidding with Budget Constraints
该研究针对带ROS和预算约束的自动出价场景，分析非真实拍卖的效率，证明FPA是最优确定性机制，还提出两种随机机制突破确定性下界，并揭示统一出价对两类机制效率的相反影响。
2024-04-18 cs.GT
MCMF: Multi-Constraints With Merging Features Bid Optimization in Online Display Advertising
在实时竞价（RTB）中，广告主越来越多地依赖出价优化来获得更多的转换（即交易或到达）。目前，投标优化的效率仍然受到反馈稀疏、预算管理与优化分离、投标环境建模缺失等问题的挑战。转换反馈是延迟和稀疏的，但大多数方法依赖于密集输入（印象或点击）。此外，大多数方法都是在两个阶段实现的：最佳制定和预算管理，但分离总是会降低性能。同时，由于投标环境建模的缺乏，无模型控制器被普遍采用，其在稀疏反馈下的性能较差，导致控制不稳定。我们解决这些挑战，并提供多约束合并功能（MCMF）框架。它收集各种投标状态作为合并功能，以保证稀疏和延迟反馈的性能。将成本函数表示为动态最优解，并进行预算管理，使优化与预算管理不分离。根据成本函数，基于赫布学习规则的近似梯度能够更新MCMF，即使没有建模的投标环境。我们的技术在开放数据集中表现最好，即使在极端稀疏的情况下也能提供稳定的预算管理。MCMF应用于我们实际的RTB生产，我们获得了2.69%的转化率，减少了2.46%的支出。
2022-06-27 cs.CE cs.GT
Real-Time Bidding by Reinforcement Learning in Display Advertising
Shanghai Jiao Tong University（上海交通大学）；University College London（伦敦大学学院）；MediaGamma Ltd（MediaGamma有限公司）；Vlion Inc（Vlion公司）
大多数在线展示广告都是通过实时的【形】竞价（RTB）提供的-当每个广告展示印象刚刚从用户访问中生成时，它就被实时的【形】拍卖掉。为了自动和最佳地投放广告，广告商设计一种学习算法来巧妙地实时的【形】出价广告印象是至关重要的。大多数以前的作品认为投标决策作为一个静态的优化问题，要么单独对待每个印象的价值或设置一个投标价格的广告量的每个部分。然而，在预算耗尽之前，对给定广告活动的竞标将在其生命周期内反复发生。因此，每个出价通过受约束的预算和活动的整体有效性（例如，来自生成的点击的奖励），这仅在活动完成之后被观察到。因此，顺序地设计最优出价策略是非常有意义的，使得可以基于即时和未来奖励两者在所有可用印象上动态地分配活动预算。在本文中，我们制定的投标决策过程作为一个强化学习问题，其中的状态空间表示的拍卖信息和活动的实时的【形】参数，而一个行动是投标价格设置。通过模拟拍卖竞争的状态转移，我们建立了一个马尔可夫决策过程框架来学习最优的投标策略，以优化动态实时的【形】投标环境中的广告效果。此外，从大的现实世界的拍卖量和运动预算的可扩展性问题很好地处理状态值近似使用神经网络。
2017-01-12 cs.AI cs.GT cs.LG
All-Pay Bidding Games on Graphs
IST Austria（奥地利科学技术研究所）；Liverpool University（利物浦大学）
本文引入并研究了图上的一类二人零和博弈{ \em全付费投标博弈}。游戏进行如下。我们在图中的某个顶点上放置一个令牌，并为两个玩家分配预算。每个回合，每个玩家提交一个密封的合法出价（非负数，低于他们的剩余预算），这是从他们的预算中扣除，出价最高的人将代币移动到相邻的顶点。一旦到达信宿，游戏结束，并且\PO向\PT支付与信宿相关联的结果。玩家们试图最大化他们的预期结果。我们的游戏模型设置，其中需要以持续和有状态的方式投入精力（没有内在价值）。在消极的一面，我们表明，即使在简单的游戏DAG，最优策略可能需要分布在出价无限支持。竞价游戏中的一个中心量是玩家预算的{ \em比率}。在积极的一面，我们展示了一个简单的FPTAS的DAG，即，对于每个预算比率，输出该比率的最佳策略的近似值。我们还实现了它，表明它表现良好，并提出了这些游戏的有趣属性。然后，给定一个结果$c$，我们展示了一个算法，找到必要和充分的初始比率，以保证结果$c$的概率~ $1$和战略，确保这样。最后，虽然一般情况下，以前没有研究过，解决特定的游戏中，\PO赢得如果他赢得了前两个拍卖，一直是一个悬而未决的问题，我们解决。
2019-11-19 cs.AI cs.GT
Bidding Games on Markov Decision Processes with Quantitative Reachability Objectives
University of Haifa（海法大学）；Masaryk University（马萨里克大学）；Institute of Science and Technology Austria (ISTA)（奥地利科学技术研究所）；IMDEA Software Institute（IMDEA软件研究所）
本文研究MDP上的竞标博弈，将随机环境不确定性与拍卖式交互结合，提出值迭代算法逼近阈值和最优策略，并证明阈值求解至少与简单随机博弈同难度。
2024-12-27 cs.AI cs.GT
No-regret Learning in Repeated First-Price Auctions with Budget Constraints
Peking University（北京大学）；Zhejiang University（浙江大学）；Shanghai Jiaotong University（上海交通大学）
最近，在线广告市场已经呈现出从第二价格拍卖到第一价格拍卖的逐渐转变。虽然已经有一系列的工作，关于网上投标策略在一价拍卖，它仍然是开放的，如何处理预算约束的问题。在本文中，我们提出了一个买家的预算学习在线投标策略在重复的第一价格拍卖。针对静态竞争下的最优非预期策略，提出了一种基于RL的竞价算法。我们的算法获得$\widetilde O(\sqrt T)$ -如果出价都在每轮结束时显示，则表示遗憾。在每轮投标后买方只能看到中标者的限制下，我们的改进算法利用生存分析的技术得到$\widetilde O(T^{\frac{7}{12}})$ -后悔。我们的分析扩展到更一般的情况下，买方有任何有界的瞬时效用函数的遗憾相同的顺序。
2022-05-29 cs.GT cs.LG
Bidding Mechanisms in Graph Games
在图上的双人游戏中，玩家在图中移动令牌以产生无限路径，这决定了游戏的赢家或收益。我们研究{ \em投标游戏}，其中玩家投标移动令牌的权利。以前研究过几种投标规则。在{ \em Richman}出价中，在每一轮中，玩家同时提交出价，出价较高的玩家移动代币并向另一个玩家支付。{ \em Poorman}出价与此类似，只是出价的获胜者支付“银行”而不是其他玩家。{ \em Taxman}出价范围介于Richman和Poorman出价之间。它们由常数$τ\in [0,1]$参数化：获胜出价的部分$τ$支付给另一个玩家，部分$1-τ$支付给银行。我们提出，第一次，结果{ \em无限持续时间} taxman游戏。我们最有趣的结果涉及定量taxman游戏，即{ \em平均支付}游戏，其中poorman和Richman出价不同。这些游戏中的一个中心量是两个玩家的初始预算之间的{ \em比率}。在Poorman平均收益博弈中，参与人所能保证的最优收益取决于初始比率，而在Richman竞价博弈中，参与人所能保证的最优收益仅取决于博弈结构。在这两个游戏中，最优收益可以通过使用{ \em random-turn based}游戏的（不同的）概率连接来找到，在每一轮游戏中，掷硬币来确定哪个玩家移动。Richman出价的收益等于使用无偏见硬币的随机回合游戏的收益，而Poorman出价则根据初始预算比率对硬币进…
2019-05-09 cs.GT cs.LO
Plan-Driven Adaptive Bidding for First-Price Auctions with Budget Constraints under Nonstationarity
Department of Industrial Engineering & Decision Analytics, Hong Kong University of Science and Technology（香港科技大学工业工程与决策分析系）
研究在非平稳环境下，预算受限的投标人如何学习适应性投标以最大化累积收益。提出基于双梯度下降的投标策略，并分析在不同未来私人价值知识设定下的性能损失。
2026-09-22 cs.GT cs.LG
C2:Cross learning module enhanced decision transformer with Constraint-aware loss for auto-bidding
Kuaishou Technology（快手科技）
C2通过交叉学习模块和约束感知损失改进决策变压器，以提升自动拍卖中的决策性能。
2026-01-29 cs.GT cs.LG
Risk-Aware Bid Optimization for Online Display Advertisement
GERAD；HEC Montréal（蒙特利尔高等商学院）
本研究的重点是在实时竞价设置在线显示广告，其中的广告客户，或广告客户的代理人，有机会访问的网站访问者的功能和广告位的类型，以决定最佳的投标价格给定一个预定的总广告预算的出价优化问题。我们提出了一个风险感知的数据驱动的投标优化模型，利用历史数据设计前期的投标策略，将广告机会的类型映射到投标价格，并考虑在给定的时间段内违反预算约束的风险，从而最大限度地提高广告客户的预期利润。采用拉格朗日松弛后，我们推导出一个参数化的最优投标策略的封闭形式的表达。使用真实世界的数据集，我们证明了我们的风险规避方法可以有效地控制超支预算的风险，同时实现具有竞争力的利润水平相比，风险中性模型和最先进的数据驱动的风险感知投标方法。
2022-10-28 cs.GT cs.IR cs.LG
Auto-bidding under Return-on-Spend Constraints with Uncertainty Quantification
University of California, Los Angeles（加州大学洛杉矶分校）；The Chinese University of Hong Kong, Shenzhen（香港中文大学（深圳））
本文提出了一种基于符合预测的自动出价方法，在考虑不确定性量化的情况下，通过机器学习提升回报率约束下的性能。
2026-02-01 cs.GT cs.LG
Generalized Bidding Games: Where Bidding and Stochastic Games Meet
Institute of Science and Technology Austria（奥地利科学技术研究所）；IMDEA Software Institute（IMDEA软件研究所）
提出广义竞拍博弈模型，融合回合制与纯竞拍博弈，证明其与简单随机博弈等价，并用于求解时序和定量规范下的博弈问题。
2026-06-28 cs.GT
Robin Hood Reachability Bidding Games
本文提出Robin Hood竞价博弈，引入财富再分配机制，证明其保留了阈值函数存在性，可通过混合整数线性规划求解，但与标准博弈不同，其在阈值处不总是精确确定的。
2024-12-23 cs.GT
Multi-Platform Budget Management in Ad Markets with Non-IC Auctions
MIT（麻省理工学院）；Meta Platforms, Inc.（Meta平台公司）
针对在线广告市场多平台非激励相容拍卖下的预算约束出价问题，提出最优出价策略与在线学习算法，实现期望效用最大化与$O(T^{3/4})$悔值，在合成及真实数据集上表现优于现有自适应步速算法。
2023-06-12 cs.GT cs.LG math.OC
Guiding the Recommender: Information-Aware Auto-Bidding for Content Promotion
Shanghai Jiao Tong University（上海交通大学）
本文提出了一种信息感知的自动出价方法，通过双目标优化平衡短期价值与长期模型改进，提升内容推广效果和长期推荐质量。
2026-01-28 cs.AI cs.GT
Discrete Richman-bidding Scoring Games
我们研究零和（组合）游戏，在所谓的Richman拍卖（Lazarus et al. 1996）的框架内，即我们将交替游戏评分规则累积减法（CS）（Cohensius et al. 2019）修改为离散投标方案（类似于Reynin和Payne 2010）。玩家出价移动，出价最高的玩家赢得移动，并将获胜的出价金额交给另一名玩家。这款游戏被称为Bidding Cumulative Subtraction（BCS）。在所谓的单一游戏中，玩家从一堆相同的物品中取出一件物品，直到堆为空，他们的行动产生一个共同的分数，该分数增加或减少一个单位，取决于最大化玩家是否赢得了回合。我们发现，有一个独特的投标均衡的一个更大的类的游戏，推广标准的评分发挥在文献中。我们证明，对于所有足够大的堆大小，酉BCS的均衡结果最终是周期性的，周期为2，我们表明，周期性出现在最新的堆的大小平方的总预算。
2020-03-12 cs.GT math.CO
Infinite-Duration All-Pay Bidding Games
在两人零和图游戏中，玩家在图中移动令牌以产生无限路径，这决定了游戏的赢家或收益。传统上，玩家轮流移动代币。然而，在{ \em出价游戏}中，玩家有预算，在每一轮中，我们举行“拍卖”（出价）来确定哪个玩家移动代币：两个玩家同时提交出价，出价更高的人移动代币。投标机制的付款办法各不相同。竞价博弈主要是用{ \em first-price}竞价的变体来研究的，在这种变体中，只有出价更高的人支付他的出价。我们专注于{ \em all-pay}出价，其中两个玩家都支付他们的出价。研究表明，在技术上，持续时间较长的全付费竞价游戏比一价竞价游戏更具挑战性。我们首次研究了无限持续时间的全付费投标博弈。我们最有趣的结果是{ \em平均收益}目标：我们描绘了一个完整的图片上玩的游戏强连接图。我们研究了纯（确定性）和混合（概率）策略，并完全描述了最佳的肯定和几乎肯定（概率$1$）的支付，球员可以分别保证。我们发现，在全支付出价下的平均支付博弈表现出了与第一价格博弈类似的有趣的数学性质;即，与{ \em random-turn games}等价，其中在每一轮中，移动的玩家根据（有偏见的）掷硬币来选择。全付投标的等价性比一价投标更复杂，也更出人意料。
2020-12-19 cs.GT cs.LO econ.TH
Infinite-Duration Poorman-Bidding Games
在图上的双人游戏中，玩家在图中移动令牌以产生无限路径，这决定了游戏的赢家或收益。这样的游戏是形式化验证的核心，因为它们模拟了非终止系统与其环境之间的交互。我们研究{ \em投标游戏}，其中玩家投标移动令牌的权利。两个投标规则已经确定。在{ \em Richman}出价中，在每一轮中，玩家同时提交出价，出价较高的玩家移动代币并向另一个玩家支付。{ \em Poorman}出价与此类似，只是出价的获胜者支付“银行”而不是其他玩家。虽然Poorman可达性游戏已经研究过，我们目前，第一次，{ \em无限持续时间} Poorman游戏的结果。这些游戏中的一个中心量是两个玩家的初始预算之间的{ \em比率}。我们研究的问题涉及一个玩家能够达到目标的必要和充分比率。对于可达性目标，这样的{ \em阈值比率}已知对于两个竞价规则都存在。我们表明，穷人的可达性游戏的属性扩展到复杂的定性目标，如奇偶校验，类似于里奇曼的情况下。我们最有趣的结果涉及定量poorman游戏，即poorman平均支付游戏，我们根据初始比率构建最优策略，通过显示与{ \em random-turn based games}的连接。这种联系本身就很有趣，因为它不适用于可达性Poorman游戏。我们还解决了poorman投标游戏中出现的复杂性问题。
2020-01-27 cs.GT cs.LO
A Sealed-bid Auction with Fund Binding: Preventing Maximum Bidding Price Leakage
针对现有密封投标拍卖协议保证金易泄露最高投标价、缺乏资金绑定的问题，提出利用以太坊交易不可区分性与DECO技术的新协议，同时隐藏投标价与最高价并实现资金绑定，且给出了实现与费用对比。
2023-12-13 cs.CR cs.GT
DNQ: Deep Nash Q-Network for Partially Observable n-Player Games
IEEE
针对多智能体同时博弈问题，提出DNQ框架，通过求解器在环的均衡监督训练智能体，并对比成对与精确均衡求解方法的可扩展性。
2026-07-17 cs.GT cs.LG
Bidding efficiently in Simultaneous Ascending Auctions with incomplete information using Monte Carlo Tree Search and determinization
本文扩展了基于蒙特卡洛树搜索的$SMS^α$算法至信息不完全的同步升价拍卖，通过比较三种确定化方法解决暴露、自身价格效应、预算和资格管理问题，实验证明其优于现有算法。
2024-07-16 cs.GT
Contextual Standard Auctions with Budgets: Revenue Equivalence and Efficiency Guarantees
互联网广告市场是一个价值数十亿美元的行业，广告商每天通过反复参与拍卖来购买数千个广告位。这些拍卖的一个重要且普遍存在的特征是存在活动预算，其指定广告商在指定时间段内愿意支付的最大金额。在本文中，我们提出了一个新的模型来研究均衡投标策略在标准拍卖，一个大类的拍卖，包括第一和第二价格拍卖，广告客户平均满足预算约束。我们的模型摒弃了常见的，但不切实际的假设，即广告客户的价值是独立的，而是假设一个上下文模型，广告客户使用一个共同的特征向量来确定他们的价值。我们证明了在非常温和的假设下存在一个自然的基于价值步调的贝叶斯-纳什均衡。此外，我们证明了一个收入等价表明，所有的标准拍卖产生相同的收入，即使在预算约束的存在。利用这种等价性，我们证明了无政府代价的流动福利和结构性质的起搏为基础的均衡，所有标准拍卖的界限。近年来，互联网广告市场已经采用第一价格拍卖作为销售广告位的首选范例。因此，我们的工作采取了重要的一步，通过研究销售机制的选择如何影响收入，福利和广告商的投标策略，了解在互联网广告市场转向一价拍卖的影响。
2022-10-09 cs.GT econ.TH
Determinacy in Discrete-Bidding Infinite-Duration Games
本文首次研究离散竞价无限时长博弈，证明其构成并发博弈的可确定子类，并揭示平局打破机制对确定性的关键作用。
2021-02-01 cs.GT cs.LO
CIA-Towards a Unified Marketing Optimization Framework for e-Commerce Sponsored Search
作为最大的电子商业平台，淘宝每天通过赞助搜索帮助广告主达到数十亿次搜索查询，这也为平台贡献了可观的收入。一个有效的投标策略，以满足不同的广告客户的需求，同时平衡平台收入和消费者体验是一个健康和可持续的营销生态系统的重要。在本文中，我们提出了\emph{Customer Intelligent Agent (CIA)}，出价优化框架，实现了印象级出价，以反映广告客户的转换意愿和预算控制。通过这种方式，CIA能够满足各种电子商业广告客户在不同层面上的需求，如总广告量优化，风格比较等。此外，基于重放的模拟系统被设计为预测不同的拍摄率的性能。CIA在不改变广义第二价格机制的前提下，统一了营销生态系统中三方的利益。我们在\emph{Taobao Search Advertising (TSA)}平台上进行了大量的离线模拟和大规模的在线实验，验证了CIA框架的高效性。此外，CIA已被部署在网上作为TSA的主要投标工具。
2019-03-11 cs.CE 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
The Bidding Games: Reinforcement Learning for MEV Extraction on Polygon Blockchain
Independent Researcher（独立研究者）；Moscow Institute of Physics and Technology（莫斯科物理技术学院）；Skolkovo Institute of Science and Technology（斯克尔科沃科学与技术研究所）；HSE University（俄罗斯伏尔加格勒国立高等经济大学）
本文针对Polygon Atlas拍卖中MEV提取的策略难题，提出强化学习框架，构建匹配拍卖特性的模拟环境与PPO竞拍代理，实证显示其利润表现优于静态策略与历史市场领导者。
2026-08-21 cs.AI cs.DC cs.GT
Simultaneous All-Pay Auctions with Budget Constraints
本文研究带预算约束的多物品全支付拍卖中两个参与者的纳什均衡，刻画了单物品情形并构造了两物品和三物品场景的联合分布纳什均衡，揭示预算约束可能导致均衡不存在。
2025-07-23 cs.GT econ.TH
Bayesian Games and the Smoothness Framework
我们考虑一类一般的贝叶斯游戏，每个球员的效用取决于他的类型（可能是多维的）和战略配置文件，球员的类型是独立分布的。我们表明，如果他们的完整信息版本的任何固定实例的类型配置文件是一个光滑的游戏，然后无政府状态的无政府代价约束所隐含的平滑属性，结转到贝叶斯-纳什无政府代价。我们展示了如何从文献（项目招标拍卖，贪婪拍卖）的一些证据可以被铸造为平滑证明或使用平滑简化。对于第一价格项目投标与分数次加投标人，我们实际上设法改善了很多现有的结果\cite{Hassidim2011a}从4到$\frac{e}{e-1}\approx 1.58$。这也示出了第一和第二价格项目出价之间的非常有趣的分离，因为即使在完全信息下，第二价格项目出价也具有至少2的PoA。对于一类较大的贝叶斯博弈，其中玩家的策略空间也随其类型而变化，我们能够证明，稍微更强的平滑定义也意味着贝叶斯-纳什PoA界。我们展示了如何加权拥塞游戏实际上满足这个更强的平滑定义。这使我们能够表明，在文献中已知的加权拥塞游戏的效率低下的界限结转到不完整的版本中的球员的权重是私人信息。我们还展示了如何一个不完整的版本的自然类单调有效的效用游戏，称为努力市场游戏是普遍$(1,1)$光滑。因此，我们表明，在不完整版本的努力市场游戏中，玩家的能力及其预算是私人信息，其Bayes-Nash PoA最多为2。
2012-03-23 cs.GT
A Field Guide for Pacing Budget and ROS Constraints
该研究针对广告平台中预算节奏控制与ROS节奏控制系统不统一的问题，对比了不同耦合度的三类算法，证明最小耦合的min-pacing算法性能接近完全耦合的对偶算法，且优于易违反约束的完全解耦顺序算法。
2023-12-15 cs.GT
The Parity Ray Regularizer for Pacing in Auction Markets
预算管理系统是现代拍卖市场的关键组成部分之一。互联网广告平台通常为广告商提供通过快速调整机制来调整其预算耗尽的速度的可能性。我们专注于乘法起搏机制在一个在线设置中，投标人反复面临着一系列的广告机会。在收集出价后，每个项目然后通过单一项目，第二价格拍卖分配。如果没有预算限制，真实地投标将是广告商的最佳选择。然而，由于他们的预算是有限的，广告商可能想要降低他们的出价，以便为未来的机会保留他们的预算，并随着时间均匀地分散支出。在线节奏问题的文献主要集中在设置中，投标人优化一个可分离的目标，如总点击率或收入的分配。然而，在许多情况下，投标人也可能关心其他目标，这些目标通常是不可分离的，因此不适合传统的在线学习技术。基于最近的工作，我们研究了常见的情况下，广告商寻求达到一定的分布的印象超过目标人群的用户。我们引入了一种新的正则化子来实现这一愿望，并展示了如何将其整合到一个在线镜像下降计划中，以实现次线性遗憾的最佳顺序相比，在事后的最佳分配时，输入独立绘制，从一个未知的分布。此外，我们表明，我们的方法可以很容易地纳入标准现有的起搏系统，通常不是为了这个目标。我们的算法在互联网广告应用中的有效性，证实了真实世界数据的数值实验。
2021-06-17 cs.GT
Online Learning under Budget and ROI Constraints via Weak Adaptivity
Politecnico di Milano（米兰理工大学）；Bocconi University（博科尼大学）；Columbia University（哥伦比亚大学）
针对预算与 ROI 约束在线学习，本文提出带弱自适应遗憾最小化器的 dual-balancing 原始-对偶框架，无需 Slater 参数和逐轮严格可行性，并给出随机/对抗输入下的无遗憾保证及广告拍卖最优竞价应用。
2024-03-02 cs.GT cs.LG
