Multi-unit Auction over a Social Network
本文针对社交网络多单位扩散拍卖提出图探索技术，设计 MUDAN 和 MUDAN-m 两种机制，在满足激励相容性和 1/m-弱效率的同时实现无奖励扩散拍卖的最优社会福利。
2023-09-25 cs.GT
Incentive-Compatible Diffusion Auctions
扩散拍卖是拍卖设计中的一种新模型。它可以激励已经加入拍卖的买家通过社会关系将出售信息进一步传播给其他人，从而提高卖家的收入和社会福利。扩散拍卖本质上是一个非典型的多维机制设计问题，参与者的社会关系复杂地影响着他们的出价。在这样的拍卖中，激励相容性（IC）意味着每个代理人最好诚实地报告她的估价，并将销售信息完全传播给她的所有邻居。现有的工作确定了一些具体的扩散拍卖机制，而一个一般的理论特征的所有激励兼容的扩散拍卖仍然是失踪。在这项工作中，我们确定了一个充分和必要条件，所有的主导策略激励兼容（DSIC）扩散拍卖。我们制定的单调分配政策在这样的多维问题，并表明任何单调分配政策可以实现在DSIC扩散拍卖机制。在给定单调分配策略的情况下，得到了使卖方收益最大化的最优支付策略。
2020-04-27 cs.GT econ.TH
Transactive Energy Auction with Hidden User Information in Microgrid
本研究提出了一种新的拍卖机制的买卖双方之间的交易能量交换，建模为代理在微电网。该机制由一个单独的微电网控制器（MC）代理实现，并需要通过迭代投标过程与其他代理的大数据流。理论分析表明，尽管私人用户信息对MC是隐藏的，但在代理商效用凸性的假设下，该拍卖仍然能够最大化代理商的总效用即社会福利.此外，它表明，该机制表现出的个人理性和弱预算平衡的关键可取的功能，保证任何代理人的报酬，也没有终止后的净货币收入，是负的。拟议的办法还包括一个以公平方式重新分配卖方份额的机制。作为示例，提出了基于最大熵的公平再分配方案。这里报告的理论分析是伴随着大量的模拟，说明了所提出的机制的各个方面。
2016-08-12 cs.GT
Probabilistic Mechanism Design in Diffusion Auctions
School of Computer Science, Peking University（北京大学计算机学院）；Ant Group（蚂蚁集团）；National Engineering Research Center for Software Engineering, Peking University（北京大学软件工程国家工程研究中心）
本文提出了一种适用于路径图的新型概率扩散机制（PDM），该机制在激励相容、非负收益和近似效率方面均具有常数近似界。进一步，通过映射函数f扩展PDM至一般网络结构，得到f-PDM机制，并在f满足特定属性时确保Sybil鲁棒性和近似收益。此外，为应对买家合谋问题，设计了平衡合谋鲁棒性与收益近似的改进机制，并扩展至多单位扩散拍卖场景，提出简单有效的MUPDM机制，实现近似效率的同时保持激励相容性，并设计Sybil-proof MUPDM（SP-MUPDM）以抵抗多物品场景下的Sybil攻击。
2026-05-17 cs.GT
Emerging Methods of Auction Design in Social Networks
University of Electronic Science and Technology of China（电子科技大学）
近年来，一种新的拍卖模型分支--扩散拍卖将传统拍卖扩展到了社会网络场景。扩散拍卖将拍卖建模为网络市场，其节点是潜在客户，其边是这些客户之间的关系。扩散拍卖机制不仅可以激励买家提交真实的出价，还可以进一步邀请他们周围的邻居参与拍卖。与传统的拍卖机制相比，扩散拍卖可以召集更多的参与者，从而更好地优化社会福利、卖方收入、再分配资金等关键问题。近年来，扩散拍卖引起了算法博弈论和市场设计界的广泛关注。本文综述了扩散拍卖的研究进展。
2021-08-01 cs.AI cs.CE cs.GT
Diffusion and Auction on Graphs
University of Electronic Science and Technology of China（中国电子科技大学）；ShanghaiTech University（上海科技大学）；Kyushu University（九州大学）
拍卖是资源分配这一人类社会基本问题的普遍范式。现有的研究表明，在拍卖设计中，卖方收益和分配效率这两个主要目标通常是相互冲突的。我们首次将经典拍卖的域扩展到社会图，并在图上正式确定了一类新的拍卖机制。这类机制都是激励相容的，也促进所有买家扩散拍卖信息给其他人，从而卖方的收入和分配效率显着提高相比，Vickrey拍卖。结果发现，最近提出的信息扩散机制是一个极端的情况下，在这个新的类的收益最低。我们的工作可能会激发一个新的视角，高效和最佳的拍卖设计，并可以应用到流行的在线社会和经济网络。
2019-05-24 cs.AI cs.GT
Universally Truthful Secondary Spectrum Auctions
我们提出了一种机制设计方法，用于实现无线网络中的本地频谱重新分配的算法。例如，在单跳请求调度中，二级用户被建模为理性代理，当为成功传输分配信道时，这些代理具有私人效用。我们提出了一个相当简单的算法技术，允许把现有的和未来的近似算法和proximistics到真实的机制，为各种各样的网络问题。与以前的工作相比，我们的方法适用于文献中几乎所有已知的干扰模型，包括基于SINR的干扰物理模型。它允许解决单跳和多跳调度，路由，甚至更一般的分配和分配问题。我们的机制是随机的，并代表了第一个普遍真实的机制，这些问题与严格的最坏情况下的解决方案的质量保证。通过这种方式，我们的机制可以用来获得保证的解决方案的质量，即使与风险规避或风险寻求投标人，现有的方法失败。
2013-05-10 cs.GT
Multi-Unit Diffusion Auctions with Intermediaries
Nanjing University of Science and Technology（南京理工大学）；University of Electronic Science and Technology of China（电子科技大学）；ShanghaiTech University（上海科技大学）
本文研究了由中间人驱动的多单位拍卖，其中每个中间人拥有一组私人的单位需求购买者，并且所有中间人都是网络化的。我们的目标是激励中介机构将拍卖信息传播给他们可以接触到的个人，包括他们的私人买家和邻近的中介机构，以便更多的潜在买家能够参与拍卖。为此，我们建立了一个基于扩散的拍卖框架，其中包括中间商的战略互动。研究表明，该框架内的经典Vickrey-Clarke-Groves（VCG）机制可以实现最大的社会福利，但可能会减少卖方的收入甚至导致赤字。为了克服收益问题，我们提出了一种新的拍卖，称为临界邻域拍卖，它不仅最大化的社会福利，但也提高了卖方的收入相比，VCG机制有/无中介。
2022-03-15 cs.AI cs.GT
Formal Verification of Diffusion Auctions
针对扩散拍卖未被探索的形式化验证与策略推理视角，本文引入捕捉其动态及策略维度的逻辑形式体系，提供模型检测程序并建立算法计算复杂度结果。
2025-11-11 cs.GT cs.LO
BundleFlow: Deep Menus for Combinatorial Auctions by Diffusion-Based Optimization
针对组合拍卖中捆绑空间指数增长的难题，提出BundleFlow方法，借助基于ODE的扩散式变换生成捆绑分布，在单竞拍者场景下大幅提升拍卖收益并降低训练成本。
2025-02-21 cs.GT
Diffusion Mechanism Design in Tree-Structured Social Network
本文为树状社交网络中的多物品销售设计了一种固定价格拍卖机制，通过激励买家邀请更多人参与拍卖，证明了其满足个人理性与激励相容，并通过理论与模拟验证了其相对最优机制的高近似比。
2024-07-30 cs.GT
Sybil-Proof Diffusion Auction in Social Networks
Peking University（北京大学）；ShanghaiTech University（上海科技大学）
扩散拍卖是一种通过社交网络销售商品的市场，其挑战在于激励现有买家邀请网络中的邻居加入市场。现有机制旨在解决各种情况下的挑战，旨在实现理想的特性，如无缺陷、激励相容性和社会福利最大化。由于这些机制是在结构不断变化的动态网络中使用的，购买者可以很容易地在网络中生成虚假节点，以操纵这些机制为自己谋取利益，这就是通常所说的Sybil攻击。我们观察到，战略代理人可能通过这种攻击在现有机制中获得不公平的优势。为了抵抗这种潜在的攻击，我们提出了两种扩散拍卖机制，Sybil税机制（STM）和Sybil集群机制（SCM），以实现在单一项目设置的Sybil防和激励兼容性。我们的建议提供了第一个机制，以保护买家的利益免受Sybil攻击与轻微的牺牲社会福利和收入。
2022-11-03 cs.AI cs.GT
Learning Optimal Redistribution Mechanisms through Neural Networks
我们考虑这样一种设置，其中$p$公共资源将在$n$竞争和战略代理之间进行分配，以最大化社会福利（对象应分配给最重视它们的人）。这就是所谓的配置效率（AE）。我们需要代理人报告他们获得这些资源的估值，如实地称为主导策略激励相容性（DSIC）。我们使用基于拍卖的机制来实现AE和DSIC，但由于Green-Laffont不可能性定理，无法确保预算平衡。也就是说，货币净转移不可能为零。这一问题已通过设计一个再分配机制来解决，以确保最低限度的资金盈余以及AE和DSIC。目标可以是最小化期望中或最坏情况下的剩余，并且这些$p$对象可以是同构的或异构的。设计重新分配机制，表现良好的预期成为异构设置的分析挑战。在本文中，我们采用了一种完全不同的数据驱动方法。我们训练一个神经网络，以确定一个最佳的再分配机制的基础上给定的设置与两个目标，最优的预期和最优的最坏的情况下。我们还提出了一个损失函数来训练一个神经网络，以优化最坏的情况。我们设计的神经网络的基本回扣功能是线性的，以及非线性的投标代理。我们的网络的性能是相同的理论保证的情况下，它已经解决了。我们观察到，一个神经网络为基础的再分配机制的同质设置，使用非线性回扣功能优于线性回扣功能时，目标是最佳的期望。我们的方法也产生了一个最佳的期望重新分配机制，异构设置。
2018-01-26 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
Approximate Revenue Maximization for Diffusion Auctions
Yifan Huang（黄毅凡）；Dong Hao（郝东）；Zhiyi Fan（樊智毅）；Yuhang Guo（郭宇hang）；Bin Li（李斌）
本文研究扩散拍卖中的收益最大化问题，提出一种显式保留价函数，在保持激励相容性的同时，使卖家在规模为 n、直接邻居数为 ρ 的网络中获得 1−1/ρ 的近似最优收益保证。
2025-07-19 cs.AI cs.GT cs.MA
Mechanism Design in Social Networks
本文研究了一个拍卖设计问题，在一个社会网络中，卖方出售商品，其中每个人（卖方或买方）只能与她的邻居沟通。卖方面临的挑战是设计一种机制来激励知道拍卖的买方进一步将信息传播给他们的邻居，以便更多的买方将参与拍卖，因此，卖方将能够获得更高的收入。我们提出了一种新的拍卖机制，称为信息扩散机制（IDM），它激励买家不仅如实报告他们对商品的估价卖方，但也进一步传播拍卖信息给所有他们的邻居。相比之下，将著名的Vickrey-Clarke-Groves（VCG）机制在社交网络中直接推广，虽然也能激励信息扩散，但会降低卖家的收益，有时甚至导致亏损。问题的形式化还没有在文献中的机制设计和我们的解决方案是非常重要的存在下，大规模的在线社交网络。
2017-02-13 cs.GT
To Spend or to Gain: Online Learning in Repeated Karma Auctions
ETH Zürich（苏黎世联邦理工学院）；Stanford（斯坦福大学）
针对重复karma拍卖中人工货币价值难学习的问题，提出自适应karma步调策略，证明其单用户渐近最优、多用户收敛且随用户数增长构成近似纳什均衡。
2025-02-04 cs.GT econ.TH
Diffusion-Based Auctions for Multi-Winner Banner Ads
Harvard（哈佛大学）；MIT（麻省理工学院）
该研究提出基于扩散模型的多赢家横幅广告拍卖框架，通过结合广告商出价与文本描述生成分数驱动扩散模型反向过程选最优图像，实验验证其在效率、单调性、激励相容性上的提升且保持图像质量。
2026-10-14 cs.AI cs.GT cs.LG
Generative Auto-Bidding in Large-Scale Competitive Auctions via Diffusion Completer-Aligner
Kuaishou Technology（快手科技）；Nanyang Technological University（南洋理工大学）；City University of HongKong（香港城市大学）；Chinese University of HongKong（香港中文大学）；University of Texas at Austin（德克萨斯大学奥斯汀分校）
针对扩散模型在自动出价中生成动态合法性不足导致曝光损失的问题，提出基于扩散补全-对齐器的因果自动出价方法CBD，在基准和快手平台均实现性能提升。
2025-09-03 cs.GT cs.LG
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
Incentivize Diffusion with Fair Rewards
研究了社会网络上的一个促销机制设计问题，其中一个节点（卖方）向网络上的其他节点出售一种商品以使自己的收益最大化.然而，卖方不知道除了她的邻居之外的其他节点，并且她的邻居没有激励来促进销售。因此，我们的目标是设计一个拍卖机制，使卖方的邻居被激励，邀请他们的邻居参加拍卖，而卖方的收入是保证增加。这是传统机制无法实现的。最近提出了一种解决方案，即为邀请其他节点的节点精心设计一个奖励方案。然而，该方案只对网络中的某些割点给予奖励，而割点在连通性良好的网络中很少存在，这实际上抑制了节点的参与。因此，我们提出了另一种新颖的机制，以更公平的奖励奖励更多的相关参与者，并且卖方的收入不会减少。
2020-02-27 cs.GT cs.SI
Multi-Task Diffusion Incentive Design for Mobile Crowdsourcing in Social Networks
针对大规模众包中工人池不足的问题，提出基于社交网络多任务扩散的激励机制MT-DM-L，利用MT-RR集合近似效用，在保证个体理性、真实性和计算效率的同时实现近似最优。\n
2023-03-22 cs.GT cs.SI
