Simultaneous Auctions are Approximately Revenue-Optimal for Subadditive Bidders
本文提出首个简单同时拍卖机制,对次可加投标者实现常数倍最优收益,并证明其c-效率与1/2效率,扩展了非真实拍卖的收益保证。
2023-10-12 cs.GT
Price of Anarchy for Auction Revenue
本文开发工具的福利和收入分析的贝叶斯纳什均衡在不对称拍卖单维代理。我们使用这些工具来获得无政府状态的社会福利和收入的价格结果。我们的方法将标准平滑度框架分为两个不同的部分,将任何拍卖的分析与特定拍卖的分析隔离开来。第一部分将投标人在均衡时对福利的贡献与他们在最优拍卖中对福利的贡献联系起来,使用投标人面临的额外分配价格。直觉上,要么一个代理人的效用和对福利的贡献很高,要么她为额外分配所支付的价格相对于她的价值很高。我们称这个条件为价值覆盖;它在任何拍卖的每个贝叶斯-纳什均衡中都成立。第二部分,收入覆盖,涉及的价格投标人面临的额外分配的拍卖收入,使用拍卖的规则和可行性约束。结合这两个部分给出了最优福利的近似结果,并且在适当的条件下,给出了最优收入。在具有保留价格的机制中,我们的福利结果显示出与具有相同储备的最优机制的近似。作为一个核心的结果,我们分析了单个物品的第一价格拍卖与个人垄断储备。当每个分布满足正则性条件时,拍卖的收益至少是最优拍卖收益的$2e/(e-1) \approx 3.16$近似。我们还给出了边界的拟阵拍卖的第一价格或所有支付语义,和广义的第一价格位置拍卖。最后,我们给出了同时合成的一个扩张定理,即,当多个拍卖同时运行,单值,单位需求代理。
2019-01-16 cs.GT
The Vickrey Auction with a Single Duplicate Bidder Approximates the Optimal Revenue
Bulow和Klemperer的著名结果表明,在一个单一物品拍卖中,$n$投标人的价值是独立和相同的来自一个规则分布,维克雷拍卖与一个额外的投标人(重复)提取至少一样多的收入没有重复的最佳拍卖。哈特林和拉夫加登在2009年发表的一篇颇具影响力的论文中取消了发行版必须相同的要求,代价是允许维克瑞拍卖会从每个发行版中招募$n$副本,并将其收入优势放松到$2$近似值。在这项工作中,我们恢复Bulow和Klemperer的重复数在Hartline和Roughgarden的更一般的设置与更差的近似比。我们发现,招聘一个重复的分布之一,足以为维克里拍卖$10$ -近似的最佳收入。我们还表明,在$k$项目单位需求拍卖,招聘$k$重复足以为VCG拍卖$O(1)$ -近似的最优收益。作为另一个结果,我们加强了分析哈特兰和拉夫加登的维克雷拍卖与$n$重复的情况下,有两个投标人在拍卖。我们表明,在这种情况下,Vickrey拍卖两个重复获得至少$3/4$的最优收益。这是紧满足一个下界哈特林和Roughgarden。途中,我们获得了一个透明的分析,他们的$2$ -近似$n$ ~投标人,通过一个自然的连接到Ronen的前瞻拍卖。
2019-05-09 cs.GT
Efficient Empirical Revenue Maximization in Single-Parameter Auction Environments
我们提出了一个多项式时间算法,给定样本从未知的估值分布的每个投标人,学习拍卖,大约最大限度地提高拍卖人的收入在各种单参数拍卖环境,包括拟阵环境,位置环境,和公共项目环境。估值分布可以是任意有界分布(特别是,它们可能是不规则的,并且可能对不同的投标人不同),从而解决了以前论文中遗留的问题。该分析使用基本工具,在值空间中整体执行,并简化了对特殊情况下先前已知结果的分析。此外,分析扩展到某些单参数拍卖环境中,精确的收入最大化是已知的是棘手的,如背包环境。
2017-04-09 cs.GT
Revenue Variance Minimization: Beyond First Price Auctions
Yale University(耶鲁大学);Google Research(谷歌研究)
本文研究了在多物品环境下通过引入负相关支付来减少收益方差,并探讨了在不同理性条件下拍卖机制的最优性问题。
2026-02-13 cs.GT
Automated Deterministic Auction Design with Objective Decomposition
Peking University(北京大学);Alibaba Group(阿里巴巴集团)
本文提出OD-VVCA,一种基于目标分解的确定性虚拟估值组合拍卖自动化设计方法,通过可并行动态规划高效计算并分解优化收益目标,在多物品大规模拍卖中超越随机与确定性基线,实现高收益。
2024-07-22 cs.GT cs.LG
Revenue-Maximizing Mechanism Design for Quasi-Proportional Auctions
在准比例拍卖中,每个投标人获得的分配份额等于其投标权重除以所有投标权重之和,其中每个投标的权重由权重函数确定。我们研究了权重函数、投标人的私人价值、投标人的数量和均衡时卖方收益之间的关系。已经表明,如果一个投标人的私人价值比其他投标人高得多,那么近似平坦的权重函数会使收益最大化。从本质上讲,威胁拥有最高估值的投标人必须分享分配,从而使收入最大化。我们发现,作为投标人的私人价值接近平价,陡峭的权重函数最大化收入,使准比例拍卖更像一个赢家通吃拍卖。我们还表明,陡峭的权重函数最大化收入的投标人的数量增加。对于平坦的权重函数,已知存在唯一的纯策略纳什均衡。我们表明,一个纯策略的纳什均衡也存在陡峭的权重函数,我们给出了在均衡出价的下限。对于一个特殊的情况下,包括两个投标人拍卖,我们证明了纯策略纳什均衡是唯一的,我们展示了如何计算在均衡的收入。我们还表明,选择一个权重函数的基础上私人价值比率和投标人的数量是必要的准比例拍卖,以产生更多的收入比第二价格拍卖。
2015-07-25 cs.GT
Non-parametric Revenue Optimization for Generalized Second Price Auctions
Courant Institute(库朗研究所);Google Research(谷歌研究院);Courant Institute of Mathematical Sciences(库朗数学科学研究所)
我们提出了一个广泛的分析学习广义第二价格拍卖的最优保留价的关键问题。我们描述了两种算法,这项任务:一个基于密度估计,和一种新的算法受益于坚实的理论保证,并具有非常有利的运行时间复杂度$O(n S \log (n S))$,其中$n$是样本大小和$S$的插槽数。我们的理论保证比以前在文献中提出的更有利。此外,我们表明,即使投标人不发挥均衡,我们的第二个算法仍然是定义良好,并最大限度地减少了数量的利益。据我们所知,这是第一次尝试将学习算法应用于GSP拍卖中的保留价优化问题。最后,我们提出了第一次收敛性分析的经验均衡报价函数的唯一对称贝叶斯-纳什均衡的普惠制。
2015-06-08 cs.GT cs.LG
A lower bound on seller revenue in single buyer monopoly auctions
我们考虑一个垄断卖家,他以最佳方式将单个物品拍卖给单个潜在买家,且估值分布已知。我们表明,卖方的预期收入的一个严格的下限是$1/e$倍的几何期望的买方的估值,这个界限是唯一实现的平等的收入分配。我们还表明,当估值的期望和几何期望接近时,则卖方的预期收入接近预期估值。
2013-10-07 cs.GT
Revenue Optimal Auction for Single-Minded Buyers
我们研究的问题的特征收入最优拍卖的一心一意的买家。每个买家只对特定的一组物品感兴趣,并对相同的物品有价值。他的包裹和它的价值都是他的私人信息。假设买家感兴趣的捆绑包及其相应的价值是从独立于买家的已知概率分布中实现的。我们确定收入最优拍卖与一个简单的结构,如果任何买家的估值的条件分布是非递减的,在危险率排序的概率分布,作为一个功能的捆绑买家感兴趣。通过求解一个最大权独立集问题,给出了收益最优拍卖。我们提供了一个新的图形化建设的权重和突出的重要属性所产生的拍卖。
2010-09-13 cs.GT
Liquid Welfare and Revenue Monotonicity in Adaptive Clinching Auctions
本文研究自适应落槌拍卖在投标人数量变化下的单调性,证明对称预算下新增投标人使流动福利和收益弱递增,并指出非对称预算下该性质不成立。
2025-02-10 cs.GT
Learning to bid in revenue-maximizing auctions
研究了在基于投标分布的拍卖中,当卖方确定保留价时,投标策略的优化问题。我们的研究是在一个投标人是战略的设置。使用变分的方法,我们研究了原来的目标的复杂性,我们引入了放松的目标功能,以使用梯度下降方法。我们的方法是简单的,一般性的,可以应用于各种价值分配和收入最大化机制。与传统的如实出价策略相比,我们得出的新策略产生了巨大的提升。
2019-05-14 cs.GT
Revenue Non-monotonicity in Matching Markets
本文研究了VCG机制在匹配市场中的收入非单调性,指出其非单调性并非由互补性导致,而是普遍存在的现象。
2026-02-24 cs.GT econ.TH
Multi-item Non-truthful Auctions Achieve Good Revenue
我们提出了一个一般的框架,设计近似的收入最优机制的多项添加剂拍卖,适用于真实和非真实的拍卖。给定一个(不一定是真实的)满足某些技术条件的单一物品拍卖格式$A$,我们运行同时的物品拍卖,并为每个投标人增加个性化的报名费,必须在进入拍卖之前支付。这些入场费只取决于投标人类型的先验分布,特别是独立于实现的出价。我们使用一种新的几何技术来约束由此产生的两部分关税机制的收入,该技术使许多常见的非真实拍卖的收入保证成为可能,而这些拍卖在以前是没有的。我们的方法适应并扩展了Cai等人[CDW 16]的二元框架,超越了真实拍卖。我们的框架可以用于许多常见的拍卖格式,如同步第一价格,同步第二价格,同步全付拍卖。我们对第一价格和全付的结果是多维环境中非真实机制的第一个收入保证,解决了文献[RST 17]中的一个悬而未决的问题。如果使用全付拍卖,我们证明了由此产生的机制也是可信的,在这个意义上,拍卖人不能受益于观察代理出价后偏离规定的机制。这是第一个静态可信机制,多项目添加剂拍卖,实现了一个恒定的因素的最佳收益。如果使用第二价格拍卖,我们获得了一个真实的$O(1)$近似机制与固定的入门费,可以通过在线学习技术进行调整。
2022-09-21 cs.GT econ.TH
Randomized learning-augmented auctions with revenue guarantees
针对带可能错误最高估值预测的真实单物品拍卖,刻画随机化一致性/鲁棒性参数边界,并给出误差依赖鲁棒拍卖的充要条件及近最优收入机制。
2024-01-24 cs.GT
A Game-Theoretic Analysis of the Empirical Revenue Maximization Algorithm with Endogenous Sampling
Peking University(北京大学);Technion - Israel Institute of Technology(以色列理工学院);Hong Kong University of Science and Technology(香港科技大学);Alibaba Group(阿里巴巴集团);Shanghai Jiao Tong University(上海交通大学)
经验收益最大化(ERM)是拍卖设计中最重要的价格学习算法之一:文献表明,它可以在重复拍卖和统一价格拍卖中学习到收益最大化拍卖者的近似最优保留价。然而,在这些应用程序中,提供输入的机构有动机操纵输入,以降低输出的价格。我们概括了Lavi et al(2019)提出的激励意识度量的定义,以量化由于$N$输入样本中的$m\ge 1$的变化而导致的ERM输出价格的降低,并提供了该度量到零的特定收敛率,因为对于不同类型的输入分布,$N$趋于无穷大。通过采用这一措施,我们构建了一个有效的,近似激励兼容的,和收入最优的学习算法使用ERM在重复拍卖对非近视投标人,并显示近似组激励兼容统一价格拍卖。
2020-10-12 cs.GT cs.LG econ.TH
Separation between Second Price Auctions with Personalized Reserves and the Revenue Optimal Auction
有准备金的第二价格拍卖可以达到单个物品$n$买家设置的期望最优收益MyeRev的多少?在买家的估价分布都是独立同分布的特殊情况下,且分布满足正则性条件时,带匿名保留的第二价格拍卖(ASP)本身就是最优拍卖。随着设置变得越来越复杂,ASP可以实现的MyeRev分数有一个既定的上限。相反,没有这样的上限是已知的MyeRev的分数可实现的第二价格拍卖与渴望个性化的储备(ESP)。特别是,即使在不满足规律性条件的非相同产品分布的最一般设置中,ESP的收入和MyeRev之间也没有分离。在本文中,我们建立了ESP的第一个分离结果:我们表明,即使在独立同分布的情况下,但不一定满足规则性条件,ESP通常不能达到MyeRev的$0.778$分数以上。结合Correa et al.的结果(EC 2017),即ESP至少可以实现MyeRev的$0.745$部分,这几乎弥合了ESP近似因子的上限和下限之间的差距。
2019-06-27 cs.GT
Randomized Truthful Auctions with Learning Agents
Google Research(谷歌研究院);New York University(纽约大学);Yale University(耶鲁大学)
研究学习型智能体参与重复拍卖的设定,发现确定性真实拍卖无法保证收敛,且随机化拍卖在收入最大化上优于带保留价的第二价格拍卖,并给出了非渐近情况下的拍卖者后悔界。
2024-11-14 cs.GT cs.LG econ.TH
Efficiency-Revenue Trade-offs in Auctions
当代理独立的先验投标的一个项目,迈尔森的最优拍卖最大化的预期收入,而Vickrey的第二价格拍卖优化社会福利。我们解决的自然问题之间的权衡两个标准,也就是说,拍卖优化,收入的约束下,福利高于给定的水平。如果考虑到随机机制,很容易看出存在多项式时间机制,可以实现收入和福利之间的权衡(帕累托曲线)中的任何点。我们调查是否可以实现相同的保证使用确定性机制。我们提供了一个否定的答案,这个问题表明,这是一个(弱)NP-困难的问题。在积极的一面,我们提供了多项式时间的确定性机制,近似任意精度的情况下,这两个基本目标之间的权衡两个投标人,即使当估值是任意相关的任何点。我们的工作留下的主要问题是,是否有这样一个算法,为三个或更多的独立的估值分布的投标人。
2012-05-14 cs.GT
Revenue in First- and Second-Price Display Advertising Auctions: Understanding Markets with Learning Agents
本文研究展示广告拍卖从SPA转向FPA对收益的影响,通过分析建模和数值实验探索学习智能体的收敛行为,发现收益等价不成立,合谋非FPA收益低的原因。
2024-12-03 cs.GT
Optimal-er Auctions through Attention
HSE University(高等经济大学);Technion(以色列理工学院);Myna Labs, Inc.(Myna实验室公司);ITMO University(圣彼得堡国立信息技术机械与光学大学)
RegretNet是最近在收入最大化拍卖的自动化设计方面取得的突破。它将深度学习的灵活性与基于后悔的方法相结合,以放松激励兼容性(IC)约束(参与者更愿意如实出价),从而近似最优拍卖。我们提出了两个独立的改进遗憾网。第一种是基于注意力层的神经架构,表示为RegretFormer。第二个是一个损失函数,需要明确的规范,可接受的IC违反表示为遗憾预算。我们在一个广泛的实验研究,包括设置恒定和不恒定的项目和参与者的数量,以及新的验证程序量身定制的后悔为基础的方法,这两个修改。我们发现,RegretFormer在收入方面始终优于RegretNet(即是最优的),我们的损失函数既简化了超参数调整,又允许通过选择遗憾预算来明确控制收入-遗憾权衡。
2022-10-31 cs.GT cs.LG
Duality for Optimal Multi-Item, Multi-Bidder Auction Design: Revenue Certificates through Deep Learning
Harvard University(哈佛大学);College of AI, Tsinghua University(清华大学人工智能学院)
提出首个直接处理多物品多竞拍者拍卖对偶问题的计算框架,通过神经网络参数化拉格朗日乘子并引入提升技术,生成可证明的收入上界,为连续类型提供近最优性证书。
2026-06-08 cs.AI cs.GT cs.LG
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
Prior-independent Auctions for Risk-averse Agents
我们研究简单的和近似最优的拍卖与特定形式的风险厌恶偏好的代理。我们表明,对称代理,最优收益(给定的代理偏好的先验分布)可以近似的第一价格拍卖(这是事先独立的),并为非对称代理,最优收益可以近似的拍卖与简单的形式。这些结果基于两种技术方法。第一种是对来自风险厌恶型代理人的收入进行上限设定。第二个给出了一个支付身份的机制与支付你的出价语义。
2013-01-03 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
Randomization beats Second Price as a Prior-Independent Auction
设计收益最优的拍卖,使物品卖给$n$对称的投标人,是机制设计中的一个基本问题。Myerson(1981)指出,当投标人的价值是独立同分布时,具有适当保留价的第二价格拍卖是最优的。已知的规则分布。Bulow和Klemperer(1996)的一个结果是,在最坏的情况下,没有保留的第二价格拍卖达到了最优收益的$(n-1)/n$,这是先验独立收益最大化文献的基石。我们构造了一个随机机制,严格优于第二价格拍卖在这种情况下。我们的机制以随$n$变化的概率来膨胀第二高的出价。对于两个投标人,我们提高性能保证从$0.5$到$0.512$的最佳收入。我们还解决了一个问题,在设计的收入最优机制,有机会从一个未知的分布的单一样本。我们表明,随机机制严格优于所有确定性机制的最坏情况下的保证。
2015-07-29 cs.GT
Optimizing Affine Maximizer Auctions via Linear Programming: an Application to Revenue Maximizing Mechanism Design for Zero-Day Exploits Markets
仿射最大化拍卖(AMA)是收益最大化机制设计的一种有效方法。AMA机制是防策略和个体理性的(如果代理人对结果的估值是非负的)。每个AMA机制都有一系列参数。通过关注AMA机制,我们将机制设计转化为一个价值优化问题,我们只需要调整参数。我们提出了一个基于线性规划的启发式优化AMA家庭内。我们将我们的技术应用于零日剥削市场的收益最大化机制设计。我们表明,由于零日利用市场的性质,如果只有两个代理人(一个罪犯和一个后卫),那么我们的技术通常会产生一个接近最优的机制:该机制的预期收入接近最优策略证明和个人理性的机制(不一定是AMA机制)实现的最优收入。
2020-06-25 cs.GT
Core-competitive Auctions
著名的VCG拍卖的主要缺点之一是它的低(或零)收入,即使当代理人对货物具有高价值,并且{ \em竞争}结果可以产生显著的收入。竞争性结果是指卖方和一部分买方不可能通过背叛和谈判获得对自己更高收益的结果来“阻止"拍卖。这对应于合作博弈论中众所周知的{ \em core}概念。特别是,当销售的商品具有互补性时,VCG的收入就不具有竞争力。这里的瓶颈是一个不可能的结果,表明不存在同时实现竞争价格(核心结果)和激励相容性的拍卖。在本文中,我们试图克服上述不可能的结果,提出以下自然的问题:是否有可能设计一个激励兼容拍卖的收入是可比的(即使更少)竞争的结果?为此,我们定义了{ \em核心竞争}拍卖的概念。如果一个激励相容的拍卖的收益至少是核心结果的最小收益的$1/α$分数,我们说它是$α$ -核心竞争的。我们研究了文本和图像设置。在此设置中,有一个广告位,可以填充单个图像广告或$k$文本广告。我们设计了一个$O(\ln \ln k)$核心竞争随机拍卖和一个$O(\sqrt{\ln(k)})$竞争确定性拍卖的文本和图像设置。我们还表明,这两个因素是紧。
2015-07-01 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
Real-Time Optimization Of Web Publisher RTB Revenues
XRCE(施乐研究中心欧洲分部);AlephD
本文介绍了一个引擎,以优化网络出版商的收入从第二价格拍卖。这些拍卖被广泛用于以一种称为实时的【形】竞价(RTB)的机制出售在线广告空间。这些拍卖中的优化对网络发布商至关重要,因为设置适当的保留价可以显着增加收入。我们考虑一个实际的现实世界中的设置,拍卖发生前唯一可用的信息包括一个用户标识符和广告位标识符。我们必须解决的现实挑战主要包括在高度非平稳的环境中跟踪用户和位置的依赖关系,以及处理审查的出价观察。这些挑战使我们做出了以下设计选择:(i)我们采用了一个相对简单的基于增量时间加权矩阵分解的拍卖收入非参数回归模型,该模型隐式地构建了自适应用户和放置配置文件;(ii)我们联合使用非参数模型来估计第一个和第二个出价在它们被删失时的分布,基于Aalen的加法模型的在线扩展。我们的引擎是一个部署系统的组成部分,处理全球数百个网络发布商,每天为数亿访问者提供数十亿广告。该引擎能够预测,每次拍卖,在大约一毫秒的最佳保留价,并产生显着的收入增加的网络出版商。
2020-06-12 cs.GT cs.LG stat.ML
Revenue Guarantees of No-Swap-Regret Dynamics in First Price Auctions
Department of Computer Science, Aarhus University(奥胡斯大学计算机系)
研究离散第一价格拍卖中近似相关均衡的收益,证明任何ε-近似相关均衡的收益至少为v2 - Θ(1/k) - Θ(εk^2),首次给出无交换遗憾投标人产生的收益的多项式收敛速度。
2026-06-04 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
The Pseudo-Dimension of Near-Optimal Auctions
本文提出了一种通用的方法,植根于统计学习理论,学习近似收益最大化拍卖数据。我们引入$t$级拍卖简单的拍卖,如福利最大化与保留价,和最优拍卖之间的插值,从而平衡表现力和简单性的竞争需求。我们证明了这样的拍卖有很小的代表性错误,在这个意义上说,对于每个产品分布$F$投标人的估价,存在一个$t$级拍卖小$t$和预期收入接近最优。我们发现,集合的$t$级拍卖有适度的伪维数(多项式$t$),因此导致小的学习误差。我们的研究结果的一个后果是,在任意的单参数设置,可以学习的预期收入任意接近最优的多项式数量的样本的机制。
2015-06-11 cs.GT
The Sample Complexity of Up-to-$\varepsilon$ Multi-Dimensional Revenue Maximization
Microsoft Research(微软研究院);Hebrew University of Jerusalem(耶路撒冷希伯来大学);Princeton University(普林斯顿大学)
我们认为,在无限制的多维设置多个投标人的收入最大化的样本复杂性。具体来说,我们研究了$n$添加剂投标人的$m$异质项目的价值独立绘制的标准模型。对于任何这样的实例和任何$\varepsilon>0$,我们表明,它是可以学习的$\varepsilon$贝叶斯激励兼容拍卖的预期收入是在$\varepsilon$的最佳$\varepsilon$ -BIC拍卖只有多项式多个样本。我们的完全非参数的方法是基于相当普遍的想法,并完全回避了困难的特点,这些设置的最佳(或接近最佳)拍卖。因此,我们的结果很容易扩展到一般的多维设置,包括估值,甚至不一定是次加性,和任意的分配约束。对于单个投标人和许多商品,或单个参数(好)和许多投标人的情况下,我们的分析产生确切的激励相容性(和后者也计算效率)。虽然单参数的情况已经很好地理解,我们的推论这种情况下稍微扩展了国家的最先进的。
2021-04-09 cs.GT cs.LG
Short Report on: Possible directions to Auctions with Cryptographic pre-play
在拍卖理论中,密码学被用来实现参与者的匿名性、投标的安全性和隐私性、安全计算以及模拟中介者(拍卖人)。拍卖理论侧重于收益,密码学侧重于安全和隐私。将密码学引入拍卖理论的基本层面,提高拍卖收益,为拍卖理论提供了全新的视角和见解,从而实现了拍卖理论的核心目标。在这份报告中,我们试图调查一个有趣的领域的研究拍卖理论使用密码原语。
2012-10-24 cs.GT
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
The Sample Complexity of Revenue Maximization
在收益最大化拍卖的设计和分析中,拍卖绩效通常是根据输入的先验分布来衡量的。这种分布最明显的来源是过去的数据。我们的目标是了解有多少数据是必要的,足以保证接近最佳的预期收入。我们的基本模型是一个单一的项目拍卖,其中投标人的估价是独立的未知和不同的分布。卖家可以“免费”获得这些发行版中的$m$样本,并选择在新样本上进行拍卖。作为投标人数量k和eps > 0的函数,m需要多大才能达到最优收益的(1 - eps)近似值?我们证明,在标准的尾部条件下的基本分布,m = poly(k,1/eps)样本是必要的和充分的。我们的下限站在相反,许多最近的结果简单和事先独立的拍卖,从根本上涉及投标人的竞争,不相同的分布,和一个非常接近(但仍然是常数)的最佳收益近似之间的相互作用。它有效地表明,只有通过详细了解投标人的估值分布,才能实现足够好的最佳收益常数近似值。我们的上限是建设性的,特别适用于一个变种的经验迈尔森拍卖,自然拍卖,运行的收入最大化拍卖的经验分布的样本。我们的样本复杂度下限取决于一组允许的分布,为了捕捉这一点,我们引入了α-强正则分布,它插在正则(α = 0)和MHR(α = 1)分布的研究类之间。我们给出的证据表明,这一定义是独立的利益。
2015-11-26 cs.GT
Fast Core Pricing for Rich Advertising Auctions
标准的广告拍卖格式不会立即扩展到广告商可以使用多种尺寸配置和布局的设置。在这些环境中,网络广告空间的销售越来越类似于具有互补性的组合拍卖,其中诸如Vickrey-Clarke-Groves(VCG)的真实拍卖可以产生不可接受的低收入。因此,我们研究核心选择拍卖,提高收入,通过设置付款,使没有一组代理人,包括拍卖,可以共同提高他们的效用切换到不同的结果。我们的主要结果是一个组合算法,找到一个近似的投标人的最优核心点,几乎线性数量的调用福利最大化甲骨文。我们的算法比文献中先前提出的算法更快,并且具有理论保证。我们的结论是,核心定价是可实现的,即使是非常时间敏感的实际用例,如实时拍卖的在线广告,可以产生更多的收入。我们证明这一说法实验使用微软Bing广告拍卖数据,通过它,我们表明我们的核心定价算法产生的收入比VCG平均多近26%,比文献中已知的其他核心定价规则多约9%的收入,几乎与标准的广义第二价格(GSP)拍卖的收入相匹配。
2020-11-08 cs.DS cs.GT
Time-Varyingness in Auction Breaks Revenue Equivalence
CyberAgent
本研究探讨了拍卖中断中收入等价性是否被破坏,发现基础价值与价值区间之间的相关性导致收入等价性破裂。
2026-02-19 cs.GT cs.MA econ.TH
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
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
A Truthful Referral Auction Over Networks
研究了网络环境下的一个机制设计问题,其中代理人只能通过推荐参与。Bulow-Klemberer定理提出,扩大参与者的数量是比修改拍卖形式更有效的增加收入的方法。然而,代理商缺乏邀请其他人的动力,因为这样做会加剧他们之间的竞争。另一方面,误报社交网络也是一个常见的问题,可能会减少收入。误报的例子包括Sybil攻击(一个代理假装是多个投标人)和联盟组(多个代理假装是一个代理)。为了应对这些挑战,我们引入了一种新的机制,称为真实的引用扩散机制(TRDM)。TRDM激励代理商如实报告他们的社交网络,其中一些代理商因提高收入而受到卖方的奖励。尽管有些代理人在TRDM中出价过高,但收入是固定的,高于任何没有推荐的机制的收入。TRDM是非负平衡的(非负收入),并产生一个有效的结果(最大化的社会福利),使其对卖方和买方都有吸引力,因为它提高了收入和回报。
2023-03-16 cs.GT
Sampling and Representation Complexity of Revenue Maximization
我们认为(近似)的收入最大化拍卖的输入估值的分布是通过“黑盒”访问样本的分布。我们观察到,所需的样本的数量-样本的复杂性-是紧密相关的代表性的复杂性的近似收入最大化拍卖。我们的主要结果是这些复杂性的上界和指数下界。
2014-04-03 cs.GT
A Redistribution Framework for Diffusion Auctions
再分配机制设计的目的是在不影响真实性的前提下,将真实拍卖所得的收益重新分配给参与者。我们研究扩散拍卖的再分配机制,这是机制设计的新趋势[19]。扩散拍卖的一个关键特性是激励现有的参与者邀请新的参与者加入拍卖。因此,当我们设计再分配时,我们也需要保持这种激励。传统环境中现有的再分配机制的目标是修改真实机制的支付设计,例如维克瑞拍卖。在本文中,我们不关注一个特定的机制。相反,我们提出了一个一般的框架,重新分配的收入回到所有真实的扩散拍卖出售单一项目。该框架将原真实扩散拍卖视为黑盒,并不影响其真实性。该框架还可以分配回几乎所有的收入。
2023-03-06 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
On Revenue Monotonicity in Combinatorial Auctions
随着最近在设计多物品拍卖的近最优机制方面取得的实质性进展,有趣的结构问题也被提出和研究。特别是,如果买方对商品的估价高于另一个市场,卖方是否总能从该市场中获得更多收入?在本文中,我们在一般情况下获得了这样的收入单调性结果。精确地说,考虑在贝叶斯设置下$m$物品和$n$买家的收入最大化组合拍卖,由估价函数$v$和$nm$独立物品类型分布的集合$F$指定。令$REV(v, F)$表示在$F$下通过任何激励兼容机制可实现的最大收入。直觉上,如果分布$G$随机支配$F$,则可以预期$REV(v, G)\geq REV(v, F)$。令人惊讶的是,Hart和Reny(2012)表明,即使对于$v$是加性的简单情况,这也不总是正确的。一个自然的问题出现了:这些偏差包含在范围内吗?单调性直觉在多大程度上仍然有效?本文给出了分数次可加(XOS)赋值函数类$v$的一个{近似单调}定理,证明了如果$G$随机变量在$v$下优于$F$,则$REV(v, G)\geq c\,REV(v, F)$是$v$下的一个{近似单调}定理,其中$c>0$是普适常数.在此之前,近似单调性仅在$n=1$的情况下是已知的:Babaioff et al.(2014)对于加法赋值类,Rubinstein and Weinberg(2015)对于所有次加法赋值函数。
2017-09-11 cs.GT
Auctions with Contract Design
Shanghai Jiao Tong University(上海交通大学);Shanghai University of Finance and Economics(上海财经大学);Huawei Taylor Lab(华为泰勒实验室);Huawei Ads(华为广告)
研究含合同设计的拍卖模型,投标人质量投资存在道德风险。通过设计转移规则激励其高投入,考虑二价和一价拍卖,证明有对称贝叶斯纳什均衡,得出最优奖励因子,表明合同使用能提高拍卖人收益,且与拍卖规则无关。
2026-07-16 cs.GT
Objective Variables for Probabilistic Revenue Maximization in Second-Price Auctions with Reserve
Columbia University(哥伦比亚大学)
许多在线公司在第二价格拍卖中出售广告空间。在本文中,我们开发了一种概率方法来学习一个有利可图的策略,以设置保留价。我们使用历史拍卖数据与功能,以适应最佳保留价的预测。这个问题是微妙的-拍卖的结构是这样的,保留价定得太高比保留价定得太低更糟糕。为了解决这个问题,我们开发了目标变量,一个新的框架相结合的概率建模与最优决策。客观变量是“幻觉观测”,它将收入最大化任务转化为正则化的极大似然估计问题,我们用期望最大化算法解决这个问题。该框架允许各种预测机制来设定保留价。作为例子,我们研究了目标变量方法与回归,核化回归,和神经网络的模拟和真实数据。我们的方法在可扩展性和利润方面都优于以前的方法。
2015-06-24 cs.AI cs.GT cs.LG
Revenue Maximization via Hiding Item Attributes
我们研究了概率单项目第二价格拍卖的项目的特点是由一组属性。拍卖人知道所有属性的实际实例化,但他可以选择只向出价人显示这些属性的子集。我们的模型是以下广告拍卖场景的抽象。网站(拍卖商)知道其印象的人口统计信息,并且该信息是根据属性列表(例如,年龄、性别、所在国)。网站可能会向其广告商(投标人)隐藏某些属性,以创建更厚的市场,这可能会导致更高的收入。我们研究如何隐藏属性在一个最佳的方式。我们证明了最优属性隐藏方案的求解是NP-难的。然后,我们推导出一个多项式时间可解的最优收入上界。最后,我们提出了两个基于几何的属性隐藏方案。实验表明,这些方案所取得的收益接近上界。
2013-02-21 cs.GT
Adversarial learning for revenue-maximizing auctions
我们引入了一个新的数值框架来学习最优的投标策略,在重复拍卖时,卖方使用过去的出价,以优化她的机制。至关重要的是,我们不假设投标人知道卖方使用什么优化机制。我们恢复基本上所有国家的最先进的分析结果,以前在设置中得出的单一项目的框架,投标人知道卖方使用的优化机制,并扩展我们的方法,多项目的设置,其中没有最佳的着色策略是以前已知的。我们的方法在所有设置中产生投标人效用的大幅增加。我们的方法也具有很强的实际应用潜力,因为它提供了一种简单的方法来优化现代市场上的出价策略,在这些市场上,买家面临未知的数据驱动机制。
2021-02-08 cs.GT
Auction Design with ROI-Constrained Bidders: Truthfulness and Revenue Maximization
Qiannan Normal University for Nationalities(黔南民族师范学院);Guizhou University(贵州大学);Griffith University(格里菲斯大学)
针对ROI约束投标者,刻画真实拍卖特征,提出σ-增量机制渐近最优并保证收益比例,单投标者情形下以凸定价函数实现最优。
2026-10-08 cs.GT econ.TH
Neural Auctions Compromise Bidder Information
University of Maryland, College Park(马里兰大学帕克分校);University of Zurich(苏黎世大学)
单次拍卖通常被用作销售商品的一种手段,例如在销售广告空间或分配无线电频率时,但是为多个投标人和多个物品设计拍卖机制可能会很复杂。研究表明,神经网络可以用来逼近最优机制,同时满足拍卖是防策略的和个体理性的约束。我们发现,尽管这样的拍卖收入最大化,他们这样做的成本透露私人投标人的信息。虽然随机性通常用于建立隐私,但在这种情况下,如果不小心进行,就会带来并发症。具体而言,它可能违反合理性和可行性约束,从根本上改变机制的激励结构,和/或损害收入和社会福利等顶层指标。我们提出了一种方法,采用随机性,以提高隐私,同时满足拍卖机制的要求,只有一个适度的牺牲收入。我们分析了成本的拍卖行,引入不同程度的隐私,在共同的拍卖设置。我们的研究结果表明,尽管目前的神经拍卖的能力,以近似最佳的机制,由此产生的脆弱性,依赖于神经网络必须考虑。
2023-02-28 cs.CR cs.GT cs.LG
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
99% Revenue with Constant Enhanced Competition
强化竞争模式是试图弥合简单拍卖和最佳拍卖之间的差距。在这方面的工作,给定一个拍卖设置与$m$项目和$n$投标人,目标是找到最小的$n' \geq n$,使出售项目的$n'$投标人通过一个简单的拍卖产生(几乎)相同的收入作为最佳拍卖。最近,Feldman,Friedler和Rubinstein [EC,2018]表明,将$m$物品出售给单个投标人的最优收入的任意大的常数部分可以通过投标人数量恒定的简单拍卖获得。然而,他们的技术甚至对于两个投标人也会崩溃,并且只能显示$n' = n \cdot O(\log \frac{m}{n})$的一个边界。我们的主要结果是,$n' = O(n)$投标人满足所有值的$m$和$n$。也就是说,我们表明,对于所有的$m$和$n$,从出售$m$项目$n$投标人的最佳收入的任意大的常数部分可以通过简单的拍卖与$O(n)$投标人。此外,当物品是规则的时,我们可以通过与先验无关的拍卖来实现相同的结果,{ \em即},它们并不取决于投标人估价的抽样分布。
2021-05-18 cs.DS cs.GT