Learning Strategies in Decentralized Matching Markets under Uncertain Preferences
University of California, Berkeley(加州大学伯克利分校)
我们研究的问题,决策的设置稀缺的共享资源时,代理商的偏好是未知的先验,必须从数据中学习。以双边匹配市场为例,我们专注于分散式设置,代理人不与中央权威机构分享他们的学习偏好。我们的方法是基于再现核希尔伯特空间中的偏好表示,和一个学习算法的偏好,占由于在市场上的代理之间的竞争的不确定性。在正则性条件下,我们证明了我们的偏好估计收敛于极小极大最优速率。鉴于这一结果,我们得出最佳策略,最大限度地提高代理人的预期收益,我们校准的不确定状态,考虑到机会成本。我们还推导出一个激励相容性的属性,并表明,从学习策略的结果具有稳定性。最后,我们证明了一个公平的属性,断言不存在合理的嫉妒根据学习的策略。
2021-11-23 cs.GT cs.LG stat.ME
Matching Markets Meet LLMs: Algorithmic Reasoning with Ranked Preferences
Penn State University(宾夕法尼亚州立大学)
本文研究了大语言模型在处理基于排名偏好的匹配市场问题时的局限性,发现其在解决大规模不稳定性方面存在不足,并探讨了参数高效微调对小规模市场的效果。
2025-12-06 cs.AI cs.GT econ.TH
Simplifying Preference Elicitation in Local Energy Markets: Combinatorial Clock Exchange
Technical University of Denmark(丹麦技术大学)
本文提出一种多产品市场机制,通过融合组合时钟交换与机器学习技术,简化产消者在本地能源市场中的偏好表达与价格发现过程。
2026-03-11 cs.GT cs.SY eess.SY
Bandit Learning in Decentralized Matching Markets
University of California(加利福尼亚大学)
我们研究双边匹配市场,其中一方的市场(球员)没有一个先验知识,其偏好的另一方(武器),并要求从经验中学习其偏好。此外,我们假设玩家没有直接的通信手段。该模型扩展了标准的随机多臂强盗框架,分散的多个玩家设置与竞争。我们引入了一个新的算法,这种设置,在一个时间范围$T$,达到$\mathcal{O}(\log(T))$稳定的遗憾时,共享的武器的偏好,和$\mathcal{O}(\log(T)^2)$遗憾时,没有任何一方的偏好的假设。此外,在设置中,一个单一的球员可能会偏离,我们表明,该算法是激励兼容的武器的偏好是共享的,但不一定是这样的偏好是完全一般的。
2021-06-21 cs.GT cs.LG cs.MA
Finding Stable Matchings in PhD Markets with Consistent Preferences and Cooperative Partners
本文提出了一种在多边匹配市场中寻找稳定匹配的新算法。我们的设置是由学生,顾问和共同顾问博士市场的动机,并可以推广到供应链网络视为$n$侧市场。在三方博士市场中,学生主要关心顾问,然后是共同顾问(一致的偏好),而顾问和共同顾问只对学生有偏好(因此他们是合作的)。一个学生必须匹配一个顾问和一个共同顾问,或者根本没有。与以前的工作相比,教师-学生和学生-共同顾问对可能不是相互可接受的(例如,学生可能不想与顾问或共同顾问一起工作,反之亦然)。我们表明,三边稳定匹配总是存在的,并提出了一种算法,在时间上的二次市场规模(对数因子),发现一个三边稳定匹配使用任何双边稳定匹配算法作为匹配引擎。我们说明了出现的挑战时,不是所有的顾问合作顾问对兼容。然后,我们将我们的算法推广到$n$边市场的配额,并展示他们如何可以模拟供应链网络。最后,我们展示了我们的算法如何在合成数据集上产生稳定的匹配和大量的匹配方面优于[Danilov,2003]给出的基线。
2021-07-06 cs.GT econ.TH math.CO
Learning Optimal Stable Matches in Decentralized Markets with Unknown Preferences
针对偏好未知的去中心化双边匹配市场,提出一种完全解耦、无需通信的在线学习规则,保证概率收敛到提议者最优稳定匹配。
2025-01-10 cs.GT cs.SY eess.SY
Popular Matchings under Preference Variation and an Algorithm for Popular Common Bases with Integral Comparison Margins
研究匹配市场中偏好变化下的流行匹配与优势匹配,给出单边市场相关多项式时间算法及双边市场流行匹配NP难、优势匹配在部分情况下易处理的结论,核心方法是扩展原始对偶水平算法。
2026-07-27 cs.GT
An Optimal Procedure to Check Pareto-Optimality in House Markets with Single-Peaked Preferences
LIP6, Sorbonne Université(巴黎索邦大学LIP6实验室);ILLC, University of Amsterdam(阿姆斯特丹大学ILLC研究所)
最近,为每个具有初始禀赋(房屋市场)的代理人分配一种资源的问题重新引起了人们的兴趣:事实上,在严格偏好的领域中,顶部交易周期算法被认为是保证帕累托最优性,个人理性和策略证明的唯一程序。然而,在单峰域中情况不同。事实上,Bade提出了Crawler,这是一个具有相同属性的替代过程,具有明显的优势策略可实现的额外优势。在本文中,我们进一步研究的爬虫,并提出了潜水员,一个变种,最佳检查是否分配是帕累托最优的单峰偏好,从而提高了已知的技术用于检查帕累托最优性在更一般的领域。我们还证明了潜水员是渐近最优的通信复杂性。
2020-02-14 cs.AI cs.GT
Robust Market Equilibria with Uncertain Preferences
稀缺物品的分配问题是市场设计中的一个重要的实际问题。一套越来越流行的机制来完成这一任务,它使用了市场均衡的概念:个人报告他们的偏好,有一个真实或虚假货币的预算,并计算出一组物品和分配的价格,使需求等于供应。这种机制的一个重要的现实问题是,个人估值往往只是不完全知道。在本文中,我们将展示如何从古典市场均衡的概念可以扩展到反映这种不确定性。我们表明,在线性,可分割的费雪市场的一个强大的市场均衡(RME)总是存在的,这也适用于设置买家可能会保留未花的钱。我们提供了理论分析的RME的配置属性的嫉妒和遗憾。虽然RME是很难计算一般的不确定性集,我们考虑一些自然和易于处理的不确定性集,导致行为良好的配方的问题,可以通过现代凸规划方法来解决。最后,我们表明,非常温和的不确定性估值可能会导致RME分配优于那些估计没有潜在的不确定性。
2019-12-10 cs.GT math.OC
Mechanism Design for Multi-Type Housing Markets
我们研究多类型的住房市场,其中有$p\ge 2$类型的项目,每个代理人最初赋予每种类型的一个项目,目标是设计机制,没有货币转移(重新)分配项目的代理人的基础上,他们的偏好捆绑的项目,这样每个代理人得到一个项目的每种类型。与经典住房市场形成鲜明对比的是,以往对多类型住房市场的研究一直受到缺乏自然解概念的阻碍,因为严格的核心可能是空的。我们通过利用人工智能技术并对代理人的偏好进行自然假设来打破文献中的障碍。我们发现,当代理人的偏好是字典式的,即使有不同的重要性顺序,经典的顶部交易周期机制可以扩展,同时保持其大部分的好属性。我们还调查了计算复杂性检查是否分配是在严格的核心,并检查严格的核心是否为空。我们的研究结果传达了一个积极的信息:在自然偏好假设下,为多类型住房市场设计良好的机制是可能的。
2016-11-23 cs.GT
Incentives in Two-sided Matching Markets with Prediction-enhanced Preference-formation
University at Buffalo(布法罗大学)
双边配对市场长期存在,在缺乏监管的交易所的情况下配对代理人。一个常见的例子是学校选择,其中一个匹配机制使用学生和学校的偏好来分配学生到学校。在这种情况下,形成偏好既困难又关键。先前的工作已经提出了各种预测机制,帮助代理人对他们的偏好做出决定。虽然这些匹配和预测机制经常一起部署,但它们几乎总是被单独分析。目前的工作表明,在两者的交叉点上存在着一种以前未被探索过的战略行为类型:代理人返回市场(例如,学校)可以通过与它们的匹配进行短期非最优交互来攻击未来预测。在这里,我们首先介绍这种类型的战略行为,我们称之为“对抗性互动攻击”。接下来,我们构建了一个正式的经济模型,该模型捕捉了旨在帮助代理的预测机制和用于配对它们的匹配机制之间的反馈回路。这个经济模型允许我们分析对抗性交互攻击。最后,以学校选择为例,我们建立了一个模拟,表明随着预测的信任和准确性的增加,学校通过发起对抗性交互攻击获得的收益越来越多。我们还表明,这种攻击增加了学生群体的不平等。
2021-09-16 cs.GT cs.LG
Stable Matching with Predictions: Robustness and Efficiency under Pruned Preferences
Williams College(威廉姆斯学院);Carnegie Mellon University(卡内基梅隆大学)
本文研究了在截断偏好列表下稳定匹配问题的鲁棒性和效率,提出两种算法并证明经典DA算法在预测情况下的有效性。
2026-02-02 cs.DS cs.GT
Stable Matching as Transport: a Welfarist Perspective on Market Design
University of California, Berkeley(加州大学伯克利分校);University of Chicago(芝加哥大学);Princeton University(普林斯顿大学)
将偏好一致的市场匹配与最优运输理论联系起来,证明稳定性、效率和公平性是一族参数化最优运输问题的解,揭示了匹配的结构性质及目标间的权衡。
2026-06-11 cs.GT econ.TH
Preference Elicitation in Matching Markets via Interviews: A Study of Offline Benchmarks
稳定婚姻问题及其扩展已经被广泛研究,文献中的许多工作都假设代理人完全知道自己对替代品的偏好。然而,这一假设并不总是实用的(特别是在大型市场),代理商通常需要经过一些昂贵的审议过程,以了解他们的偏好。在本文中,我们假设这样的审议是通过采访,其中采访涉及一个男人和一个女人,每个人都了解对方的信息作为一个结果。如果每个人都采访其他人,那么很明显,代理人可以完全了解他们的偏好。但面谈费用很高,我们不妨尽量减少面谈。通常情况下,特别是在实际环境中,由于代理人偏好之间的相关性,为了获得稳定的匹配,没有必要进行所有潜在的访谈。因此,问题是要找到一个很好的策略进行采访,以尽量减少其使用,同时导致稳定的匹配。评估面试策略性能的一种方法是将其与进行所有面试的朴素算法进行比较。然而,我们认为,一个更有意义的比较将是对一个最佳的离线算法,可以访问代理的偏好排序下的完整信息。我们表明,除非P=NP,没有离线算法可以计算的最佳采访策略在多项式时间。如果我们还针对特定的稳定匹配(也许是具有某些理想属性的匹配),我们提供了限制设置,在这些设置下存在有效的最佳离线算法。
2016-03-18 cs.GT
Peer-to-Peer Electricity Market Analysis: From Variational to Generalized Nash Equilibrium
我们考虑一个参与P2P能源交易的产消者网络,在与邻居的交易中具有差异化的价格偏好,我们分析了两种市场设计:(i)集中式市场,用作基准,其中全球市场运营商优化节点之间的流量(交易),本地需求和灵活性激活,以最大化系统的整体社会福利;(ii)分布式对等市场设计,其中本地能源社区中的产消者自私地优化其交易、需求和灵活性激活。我们首先将P2P市场的解刻画为一个变分均衡,并证明了该变分均衡集与市场设计的社会福利最优解集(i)是一致的。我们给出了几个结果,有助于理解在均衡或最优的行业结构。我们的特点的网络线路拥塞和可再生能源浪费的影响下,这两种设计的偏好。我们提供了一个简化的例子,我们给出了所有可能的广义均衡的集合,这使得能够给出一个近似的价格ofanarchy。我们提供了一个更现实的例子,它依赖于IEEE 14节点网络,我们可以模拟不同的优惠价格下的交易。我们的分析表明,特别是偏好有很大的影响的行业结构,但一个均衡(变)是最佳的。
2018-12-05 cs.GT math.OC
Matching with Transfers under Distributional Constraints
我们研究具有可转移效用的双边多对一匹配市场,例如,劳动力和租赁住房市场,在这些市场中,货币可以在代理人之间进行交易,但要受到一组可行分配的分配约束。在这样的市场中,我们建立了均衡安排的效率,指定的分配和市场两侧的代理之间的转移,并研究了分配约束和代理偏好的条件下,均衡存在,并可以有效地计算。为此,我们首先考虑机构数量(例如,劳动力市场中的企业)是一个,并表明无论约束结构的性质或代理人的偏好如何,均衡安排都存在。然而,在多个机构的市场中,即使每一方的代理人对另一方的代理人有线性(或可加分离)偏好,均衡安排也可能不存在。因此,对于具有线性偏好的市场,我们利用线性规划对偶研究了保证均衡存在的约束结构的充分条件。我们的线性规划方法不仅将Shapley和Shubik(1971)在一对一匹配设置下的线性规划方法推广到分布约束下的多对一匹配设置,而且还提供了一种有效计算市场均衡的方法。
2022-04-24 cs.GT econ.TH
Competing Bandits in Time Varying Matching Markets
University of California, Irvine(加州大学欧文分校);University of California, Berkeley(加州大学伯克利分校)
研究了双边非平稳匹配市场中的在线学习问题,目标是收敛到一个稳定的匹配。特别是,我们考虑的设置,其中一方的市场,武器,有固定的一套已知的偏好,在另一边,球员。虽然这个问题已经研究了当球员有固定的,但未知的偏好,在这项工作中,我们研究的问题是如何学习时,球员的偏好是随时间变化的和未知的。我们的贡献是一种方法,可以处理任何类型的偏好结构和变化的情况。我们表明,与所提出的算法,每个球员收到一个统一的子线性遗憾的{ $\widetilde{\mathcal{O}}(L^{1/2}_TT^{1/2})$ }的数量变化的代理,$L_T$的基本偏好。因此,我们表明,单智能体学习的最佳速率可以实现,尽管竞争的差异是一个恒定的因素。我们还讨论了该算法的扩展的情况下,变化的数量不需要已知的先验。
2023-01-12 cs.GT cs.LG cs.MA
Bandit Learning in Housing Markets
Center for Statistical Science, School of Mathematical Sciences Peking University(北京大学数学科学学院统计科学中心)
本文提出了一种基于多玩家多臂老虎机框架的统计学习模型,用于在未知偏好下学习住房市场的核心稳定分配。
2026-01-07 cs.GT
Learning Equilibria in Matching Markets from Bandit Feedback
UC Berkeley(加州大学伯克利分校)
大规模的双边匹配平台必须找到符合用户偏好的市场结果,同时从数据中学习这些偏好。不幸的是,经典的稳定性概念(Gale和Shapley,1962; Shapley和Shubik,1971)在学习环境中的价值有限,因为偏好在学习过程中具有内在的不确定性和不稳定性。为了弥合这一差距,我们开发了一个框架和算法,用于在不确定性下学习稳定的市场结果。我们的主要设置是匹配可转移的公用事业,其中平台既匹配代理,又设置它们之间的货币转移。我们设计了一个激励意识的学习目标,捕捉市场结果从均衡的距离。使用这个目标,我们分析了学习的复杂性作为偏好结构的函数,铸造学习作为一个随机的多臂强盗问题。在数学上,我们表明,“乐观面对不确定性,”许多强盗算法的基本原则,适用于原始-对偶制定的匹配与转让,并导致接近最佳的遗憾界限。我们的工作迈出了第一步,阐明了稳定匹配何时以及如何在大型数据驱动的市场中出现。
2023-01-31 cs.GT cs.LG stat.ML
Shapley-Scarf Housing Markets: Respecting Improvement, Integer Programming, and Kidney Exchange
在Shapley和Scarf的住房市场中,每个代理人被赋予一个不可分割的对象,并对所有对象具有偏好。如果不存在(弱)阻塞联盟,则对象的分配在(强)核心中。在本文中,我们表明,在严格的偏好的情况下,唯一的强核心分配(或竞争性分配)方面的改进:如果代理的对象变得更有吸引力的一些其他代理,那么代理的分配在唯一的强核心分配弱改善。我们得到一个一般的结果,在偏好的关系的情况下,并提供新的整数规划公式计算(强)核心和竞争力的分配。最后,我们进行了计算机模拟,比较博弈理论的解决方案与最大规模和最大重量的市场,类似于肾脏交换计划的池交换。
2021-01-30 cs.GT econ.TH
Bandit Learning in Matching Markets: Utilitarian and Rawlsian Perspectives
Penn State University(宾夕法尼亚州立大学)
针对未知偏好的双边匹配市场,本文提出基于分阶段ETC的MAB算法,在维持稳定性的同时优化功利主义与罗尔斯主义双方福利,并给出遗憾界与模拟验证。
2024-11-30 cs.GT cs.LG
Dynamic Matching Bandit For Two-Sided Online Markets
University of California Los Angeles(加州大学洛杉矶分校);Purdue University(普渡大学)
针对双边在线市场中偏好随上下文动态变化的问题,提出动态匹配赌博机算法,通过在线估计偏好排序实现智能体最优稳定匹配,并证明对数遗憾界,实验验证其鲁棒性与实用性。
2024-05-29 cs.GT cs.LG cs.MA
Tiered Random Matching Markets: Rank is Proportional to Popularity
本文研究了具有随机偏好的双边市场中的稳定婚姻问题。我们认为代理商在每一方分为一个恒定数量的“软层”,直观地表明代理商的质量。具体来说,一个层内的每个代理都有相同的公共分数,每一方的代理都有与另一方的公共分数成比例的独立生成的偏好。我们计算预期的平均排名,在每一层的代理人有他们的合作伙伴在男性最佳的稳定匹配,并证明浓度的平均排名在渐近大市场的结果。此外,我们表明,尽管有显着的影响排名,公共分数并没有强烈影响代理匹配到另一方的给定层的概率。这推广了[Pittel 1989]的结果,这些结果对应于统一偏好。结果定量地证明了竞争的影响,由于在市场上的代理商的异质吸引力,我们给出了第一个明确的计算排名超越统一的市场。
2021-01-12 cs.GT econ.TH
Competing Bandits in Matching Markets
University of California, Berkeley(加州大学伯克利分校)
稳定匹配是双边市场的经典模型,长期以来一直在研究,很少考虑各方的偏好是如何学习的。随着由数据驱动的匹配平台驱动的大规模在线市场的出现,有必要更好地理解学习和市场目标之间的相互作用。我们提出了一个统计学习模型,其中一方的市场没有先验知识,其偏好的另一方,并需要学习这些随机奖励。我们的模型扩展了标准的多武装土匪框架,以多个玩家,增加了武器对玩家的偏好。我们研究了集中和分散的方法来解决这个问题,并显示出令人惊讶的探索-开发权衡相比,单人多武装土匪设置。
2020-07-12 cs.GT cs.LG cs.MA
Popularity and Perfectness in One-sided Matching Markets with Capacities
本文研究带容量的多对一房屋分配匹配,证明申请者带容量时流行匹配存在性判定为 NP 难,并刻画房屋扩容以实现流行、Pareto 最优与完美匹配的两类优化问题复杂度及算法。
2024-03-01 cs.DM cs.GT
Pricing Personalized Preferences for Privacy Protection in Constant Function Market Makers
针对 CFMM 缺乏交易隐私的问题,本文提出支持用户个性化隐私要求与费用的噪声 CFMM,并刻画了可定价性条件及其与真实性和流动性的关系。
2023-09-26 cs.GT
Trial-and-Error Learning in Decentralized Matching Markets
本文研究去中心化匹配市场中信息有限的试错学习,证明简单策略可收敛至稳定匹配,复杂策略可引导系统趋向特定群体最优匹配,揭示多智能体学习的策略影响。
2025-04-07 cs.GT
Optimal Algorithms for Bandit Learning in Matching Markets
本文研究匹配市场中偏好不确定时的纯探索问题,提出计算高效算法,在单边和双边学习场景下逼近信息论下界,并通过实验和常微分方程分析验证其最优性。
2025-09-17 cs.GT cs.SY econ.TH
A Strategy-proof Mechanism For Networked Housing Markets
本文研究了网络化住房市场中的房屋分配问题,其中代理人可以邀请其他人加入系统,以丰富他们的选择。顶级交易周期是一种著名的匹配机制,它可以在没有邀请的情况下在市场中获得一组理想的属性。然而,在一个树状结构的网络化市场,现有的代理商必须战略性地宣传易货市场,因为他们的受邀者可能与他们在同一个房子里竞争。我们的不可能性的结果表明,TTC不能正常工作,在一个网络化的住房市场。因此,我们描述了邀请者和被邀请者之间可能的竞争,这导致代理商无法如实地介绍他人(防策略)。然后,我们提出了一种新的机制,基于TTC,避免上述竞争,以确保所有代理人报告的偏好,并如实宣传易货市场。与现有的机制不同,在我们的机制下,代理人的偏好受到较少的限制。此外,我们通过模拟表明,我们的机制优于现有的匹配机制的交换和代理的满意度方面的数量。
2023-03-20 cs.GT
On the Differential Private Data Market: Endogenous Evolution, Dynamic Pricing, and Incentive Compatibility
隐私是数据交易市场中的一个重要问题。本研究以机制设计的方法,探讨个人资料隐私权价值最大化的最适市场模式,并使用差分隐私。买方使用有限数量的随机算法以顺序组合的方式访问所有者的数据,其中每个随机算法都是不同的私有。随机算法的每次使用被称为一个周期。由于差分隐私的可组合性,不可避免地存在随着时间的推移而积累的隐私损失。因此,我们允许所有者在任何时段结束时通过做出止损决定离开市场。我们定义了一个工具性的内核函数来捕捉所有者的偏好的工具性,并考虑到差分隐私的可组合性和隐私问题的时变性质,在一段时间内对每个所有者的(内在的和工具性的)偏好的形成进行建模。我们的desideratum是研究买方的设计制度的最优市场模型在一个动态的环境中,每个业主作出耦合的决定停止和报告他们的喜好。买方试图设计一个隐私分配规则,动态指定的程度的隐私保护和支付规则,以补偿所有者的隐私损失。买方还选择一个支付规则,这是独立于业主的报告,他们的喜好,以影响业主的停止决定。我们描述了动态激励相容性,并提供了一个设计原则来构建支付规则的隐私分配规则。此外,我们放松买方市场的设计问题,并提供了一个近似的动态激励兼容的市场模型的充分条件。
2021-12-22 cs.GT cs.SY eess.SY
Two-sided Competing Matching Recommendation Markets With Quota and Complementary Preferences Constraints
Department of Statistics(统计系);Department of Biostatistics(生物统计系)
针对具有配额和互补偏好约束的双边在线匹配市场问题,提出基于bandit框架的MMTS算法,结合Thompson Sampling与双重匹配技术实现稳定匹配,并证明了其贝叶斯遗憾界。
2024-05-29 cs.GT cs.LG cs.MA
An Approximate "Law of One Price" in Random Assignment Games
分配博弈代表了一个易于处理但又通用的双边市场转移模型。我们研究了随机生成的分配游戏的核心可能的属性。如果每个企业和工人的联合生产率是独立同分布有界随机变量,那么所有工人的工资很可能大致相同,所有企业的利润也大致相同。这意味着,在平衡的市场中,核心配置差异很大,但即使在稍微不平衡的市场中,也会出现核心趋同。对于均匀分布的基准情况,我们提供了一个紧边界下的企业最优核心配置的工人的剩余份额。我们目前的模拟结果表明,分析的现象出现,即使在中型市场。最后,我们简要讨论了无界分布的影响,以及它们可能影响工资离散的方式。
2014-04-24 cs.GT
Competitive Equilibrium with Generic Budgets: Beyond Additive
本文研究了经典Fisher市场模型中的竞争均衡,但商品是不可分割的。在这个模型中,每个代理人都有一个人工货币预算,用于购买成捆的商品。均衡价格匹配之间的需求和供应-在这样的价格,所有代理商同时得到他们最喜欢的预算内捆绑,市场出清。不幸的是,当商品是不可分割的时,竞争均衡可能不存在,即使是在极其简单的市场中,比如两个代理人有完全相同的预算和一个单一的项目。然而,在这个例子中,一旦预算稍微受到干扰,使之通用化-竞争均衡保证存在。在本文中,我们将探讨在何种程度上通用预算可以保证均衡存在(从而相关的公平保证),在市场上的多个项目。我们补充了[Babaioff et al.,2019]通过探索一般单调偏好的情况,为少量项目建立积极的结果,并映射我们方法的限制,为添加剂偏好。然后,我们考虑基数偏好,定义一个层次结构的偏好类,并建立它们之间的关系,并为某些类证明均衡存在下通用预算。
2019-11-22 cs.GT
A Direct Proof of the Short-Side Advantage in Random Matching Markets
本文研究了随机匹配市场中的稳定匹配问题,针对短侧优势现象现有间接证明反直觉的问题,通过直接分析医生提议延迟接受算法给出了一种直接证明,揭示了该现象产生的机制与原因。
2025-08-09 cs.DM cs.GT math.CO
Market Design for Capacity Sharing in Networks
针对网络中策略性智能体高效共享有限容量的问题,提出基于组合拍卖与网络流理论的市场机制,确定均衡存在与可多项式计算的条件,识别出最大化智能体效用且等价于VCG机制的均衡,并扩展至多期及一般网络场景。
2025-11-18 cs.GT econ.TH
Strategyproof Multi-Item Exchange Under Single-Minded Dichotomous Preferences
我们考虑多项目交换市场中的代理人希望收到他们的目标捆绑的资源之一。该模型包括肾脏交换,肺交换和多器官交换的充分研究市场。我们确定了一个一般的和充分的条件称为弱一致性的交换机制是strategproof,即使我们施加任何形式的分配,多样性,或交换周期的限制。在类弱一致和strategyproof机制,我们强调两个重要的满足约束帕累托最优和强个人理性。文献中的几个结果遵循我们的见解。我们还得出不可能的结果时,约束帕累托最优的定义相对于更宽容的个人理性的要求。
2020-07-08 cs.GT
Wisdom and Foolishness of Noisy Matching Markets
本文研究噪声排名下多对一匹配市场,发现轻尾噪声使匹配集中于最高价值学生,重尾噪声则导致随机匹配,并给出可扩展的分析框架。
2024-02-26 cs.GT econ.TH math.PR
Fair Division of Goods in the Shadow of Market Values
本文结合法律市场价值与公平分配偏好,提出一种最优分配可分割商品的程序,允许货币价值差异,并以满意度解释差异,同时进行稳健性分析。
2022-08-20 cs.GT
Rationalizing collective revealed preferences with an application in fair resource allocation
Booth School of Business, University of Chicago(芝加哥大学布斯商学院);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);School of Data Science, School of Management and Economics, The Chinese University of Hong Kong, Shenzhen(香港中文大学(深圳)数据科学学院、管理学院与经济学院);Department of Management Science and Engineering, Stanford University(斯坦福大学管理科学与工程系)
提出一种构造性合理化方法(CRM),通过构建由人工消费者组成的代理市场来近似真实市场,在保护隐私的同时学习集体需求函数,并应用于比例公平分配的近似。
2026-06-24 cs.GT math.OC
Undergraduate Course Allocation through Competitive Markets
Harvard University(哈佛大学);University Mohammed VI Polytechnic(穆罕默德六世polytechnic大学);Carnegie Mellon University(卡内基梅隆大学)
本文提出了一种基于竞争均衡的课程分配机制,通过学生偏好和课程优先级提高分配效率和公平性,实验证实学生满意度和公平性显著提升。
2026-10-21 cs.GT econ.TH
Privacy-Aware Data Acquisition under Data Similarity in Regression Markets
Aalborg University(奥尔堡大学);Imperial College London(帝国理工学院);Technical University of Denmark(丹麦技术大学);Halfspace
本文研究回归数据市场中数据相似性与隐私偏好对定价和数据价值的影响,提出基于本地差分隐私的两方数据获取协议,并将所有者与学习者的交互建模为Stackelberg博弈,数值验证了数据相似性对市场参与和交易价值的作用。
2024-11-21 cs.CR cs.GT cs.LG
Longer Lists Yield Better Matchings
本文研究序列独裁机制下偏好列表长度对匹配质量的影响,证明当学生主要关注被匹配到列表中任意学校时,更长的列表有利于所有学生和学校,建议在供给充足的市场中设计尽可能长的偏好列表。
2025-06-06 cs.DS cs.GT econ.TH
On the integration of Shapley-Scarf housing markets
我们研究的福利后果合并Shapley-Scarf市场。市场一体化可能导致大量的福利损失,使绝大多数代理人的情况更糟,但平均而言,福利提高,使所有代理人事前更好。当所有市场都很小或代理人的偏好高度相关时,受整合伤害的代理人数量是少数。
2022-01-07 cs.GT econ.TH
Interactive Learning with Pricing for Optimal and Stable Allocations in Markets
UC Berkeley(加州大学伯克利分校);Salesforce Research(赛富时研究院)
大规模的在线推荐系统必须在竞争用户之间分配有限数量的项目,同时从用户反馈中学习他们的偏好。作为在设计中纳入市场约束和用户激励的原则性方法,我们认为我们的目标是双重的:最大的社会福利和最小的不稳定性。为了最大限度地提高社会福利,我们提出的框架提高了质量的建议,探索分配,乐观地最大化的回报。为了最大限度地减少不稳定性(衡量用户偏离推荐分配的动机),该算法根据从瓦尔拉斯均衡推导出的方案对物品进行定价。虽然它是已知的,这些均衡产生稳定的价格与已知的用户偏好的市场,我们的方法占固有的不确定性的偏好,并进一步确保用户接受他们的建议下提供的价格。据我们所知,我们的方法是第一个整合技术,从组合土匪,最佳资源分配,协同过滤,以获得一个算法,实现次线性社会福利遗憾,以及次线性不稳定。对合成和真实世界数据的实证研究也证明了我们的策略与没有完全结合所有这些方面的方法相比的有效性。
2022-12-13 cs.GT cs.LG
Monotonic Preference Aggregation Mechanisms for Purchasing a Shareable Resource
在市场上,一群代理人走到一起,共同购买他们个人买不起的资源的情况是常见的。例如,在美国的无线电频谱市场,最近的一项提议邀请那些将从获得更多频谱使用权中受益的小公司联合提交频谱块的投标,其想法是可以共享频谱的使用。在这种情况下,问题是设计一种机制,真实地提取和汇总这些代理人的私人偏好,并使他们能够作为一个单一的决策机构参与市场。在本文中,我们设计了一类称为单调聚合机制的机制,可以在特定设置下实现这一目标。我们假设资源在密封投标第二价格拍卖中出售,该拍卖对整个资源进行招标。我们的机制真实地从买家那里提取效用函数,规定了联合出价,并规定了在拍卖中赢得资源的情况下支付和资源的分配。这一机制进一步满足了一个流行的抗共谋概念,即联盟防策略性。我们给出了两个明确的例子,这种通用类的情况下,买方的效用函数是非递减和凹的。
2015-03-06 cs.GT
Stable Matching Mechanisms are Not Obviously Strategy-Proof
许多双边匹配市场,从劳动力市场到学校选择计划,都使用基于申请人提出延迟接受算法的信息交换所,众所周知,这对申请人来说是防策略的。尽管如此,越来越多的经验证据表明,申请人歪曲他们的偏好时,这一机制的使用。本文表明,没有任何实现稳定匹配的机制对市场的任何一方都是“明显的防策略性”的,这是一种比Li(2017)引入的防策略性更强的激励属性。一个稳定的机制,显然是战略证明申请人的情况下,代理人在另一边有非周期性的偏好。
2018-07-18 cs.GT
Constrained School Choice with Incomplete Information
学校选择是一个双边匹配市场,学生(一方)将根据他们的相互偏好与学校(另一方)进行匹配。解决这一问题的经典算法是著名的Gale和Shapley提出的延迟接受过程。在双方都揭示了他们的相互偏好后,该算法计算出一个最佳的稳定匹配。在实践中,最常见的情况是,特别是当这一过程由国家信息交换所实施,数千所学校进入市场时,学生可以提交的申请数量有一个配额:学生必须根据市场上的部分信息,部分透露他们的偏好。我们通过从一个公开的已知分布中绘制每个学生类型来模拟这种情况,并研究相应贝叶斯博弈的纳什均衡。我们专注于对称均衡,其中所有学生都采用相同的策略。我们在一般情况下,这些均衡的存在,并提供了两种算法来计算这样的均衡在额外的假设下,包括学校的情况下,有相同的偏好的学生。
2021-09-19 cs.GT econ.TH
Signal to noise in matching markets
在许多配对市场中,一方“申请”另一方,而这些申请通常既昂贵又耗时(例如学生申请大学)。人们很容易认为,简化申请过程应该对市场双方都有利。毕竟,申请人提交的申请越多,接收人的选择也就越多。在本文中,我们提出并分析了一个简单的模型,以了解市场双方都受到应用程序数量增加的影响。本文的主要见解来自于随机匹配中的信噪比权衡的量化,因为应用程序提供了申请人偏好的信号。当应用程序的成本很高时,信号就更强,因为制作应用程序的行为本身就很有意义。因此,更多的应用程序可能会产生潜在的更好的匹配,但更少的应用程序会为接收端创建更强的信号,以了解真正的偏好。我们得到分析表征的预期质量的稳定匹配在一个简单的实用程序模型,申请人有一个整体的质量,但也与特定的可能的合作伙伴的协同作用。我们的研究结果表明,在不引入有效的信号机制的情况下降低应用程序成本可能会导致市场双方的效率低下。
2016-12-28 cs.GT
Two-Sided Time-Independent Regret for Matching Markets with Limited Interviews
University of Massachusetts Amherst(马萨诸塞大学阿姆赫斯特分校)
针对面试次数有限的匹配市场,提出利用面试作为提示进行双面学习,并通过策略性延迟纠正早期错误,实现与时间无关的遗憾界。
2026-05-23 cs.AI cs.GT econ.TH
Pareto Optimal Matchings in Many-to-Many Markets with Ties
我们认为帕累托最优匹配(POM)在一个多对多的市场申请人和课程,申请人有偏好,其中可能包括领带,在个别课程和字典的偏好,在套课程。由于这是迄今为止在文献中检查的最一般的设置,我们的工作统一和推广几个已知的结果。具体来说,我们的特点POM和介绍的\emph{Generalized Serial Dictatorship Mechanism with Ties (GSDT)},有效地处理关系,通过网络流的属性。我们表明,GSDT可以生成所有POM使用不同的优先级排序的申请人,但它满足真实性只有某些这样的排序。这个缺点并不是我们的机制所特有的;我们表明,在我们的环境中生成所有POM的任何机制都容易受到战略操纵。这与一对一的情况(有或没有关系)相反,对于这种情况,生成所有POM的真实机制确实存在。
2015-12-04 cs.GT
Stable and Fair Random Allocations in a Two-Sided Discrete-Concave Market
针对双边环境中随机分配存在的稳定性与公平性问题,本文利用离散凹(M^♮-凹)估值,证明了存在事前稳定且公平的分配,并通过Birkhoff–von Neumann定理的推广,将事前稳定分数分配分解为稳定确定性分配的彩票。
2026-10-02 cs.GT econ.TH
Bandits in Matching Markets: Ideas and Proposals for Peer Lending
Arizona State University(亚利桑那州立大学)
本文从匹配市场视角建模P2P借贷,提出基于序贯决策的技术让贷款人动态调整选择,并通过模拟实验揭示贷款人遗憾受初始偏好影响。
2023-08-02 cs.GT cs.LG econ.GN
Price Competition in Online Combinatorial Markets
我们考虑一个单一的买家与组合偏好,希望购买相关的产品和服务,从不同的供应商,其中每个供应商只提供一种产品。我们研究的一般情况下,产品的子集可以替代品,以及互补性和分析的游戏,诱导供应商,供应商的策略是他要求他的产品的价格。这个模型概括了伯特兰竞争(供应商是完美的替代品)和纳什讨价还价(他们是完美的补充),并捕捉了各种各样的场景,可以出现在复杂的众包或相关产品的自动定价。我们研究了这类博弈的均衡,并证明了一个纯有效均衡总是存在的。在次模块化的买方偏好的情况下,我们充分刻画了一组纯纳什均衡,基本上显示出独特性。对于更受限制的“替代品”买方的喜好,我们还证明了{ \em混合}均衡的唯一性。最后,我们开始探索自然概括我们的设置,如当服务有成本,当有多个买家或买家的估值不确定性,当一个供应商提供多种产品。
2014-01-08 cs.GT
The Affiliate Matching Problem: On Labor Markets where Firms are Also Interested in the Placement of Previous Workers
University of Maryland(马里兰大学)
在许多劳动力市场中,工人和企业通过从属关系联系在一起。一家管理咨询公司既希望接受最好的新员工,又希望将其现有的附属员工安置在实力雄厚的公司。同样,一所研究型大学希望雇用强大的就业市场候选人,同时也将自己的候选人放在强大的同行大学。我们模型的经典稳定的婚姻设置的泛化,允许企业国家的偏好,不仅是工人,他们是匹配的,但也有哪些公司,他们的附属工人相匹配的下属匹配的问题。基于一项人类调查的结果,我们发现参与者(作为公司)以令人惊讶的方式偏好自己的下属员工,这违反了经典稳定婚姻问题的一些假设。这激发了一个微妙的讨论如何稳定可以定义在子公司匹配问题,我们给出了一个例子的市场,承认一个稳定的匹配下的一个自然的定义的稳定性,并不为同一个市场下一个不同的,但仍然是自然的定义。最后,我们设定了一个研究议程,在这个一般的环境中建立一个集中的清算机制。
2020-09-24 cs.AI cs.CY cs.DS