Online Nash Welfare Maximization Without Predictions
本文研究无预测的在线纳什福利最大化，在两种有界比率假设下设计算法，其竞争比仅取决于效用比率对数与代理人数量。
2023-02-11 cs.DS cs.GT
Reducing Revenue to Welfare Maximization: Approximation Algorithms and other Generalizations
最近在[http：//arxiv.org/abs/1207.5518]中表明，在具有任意（可能是组合的）可行性约束和具有任意（可能是组合的）需求约束的独立可加投标人的所有多维贝叶斯拍卖问题中，收入优化可以在计算上有效地简化为福利优化。这种减少提供了一个多时间的解决方案，以最佳的机制设计的问题，在所有的拍卖设置福利优化可以有效地解决，但它是脆弱的近似，不能提供解决方案的福利最大化只能是可追踪的近似设置。在本文中，我们扩展的减少，以适应近似算法，提供一个近似保持减少（真实的）收入最大化（不一定是真实的）福利最大化。通过我们的减少输出的机制选择分配通过黑盒调用福利近似随机选择的输入，从而也推广了我们以前的结构结果最优多维机制近似最优机制。与[http：//arxiv.org/abs/1207.5518]不同，我们的结果是通过在{ \em非凸区域}上使用椭球算法和其他优化技术获得的。
2013-05-17 cs.DS cs.GT
Bridging Utility Maximization and Regret Minimization
我们将一个玩家根据两个非常不同的理性模型（即效用最大化和后悔最小化）精炼自己的策略后得到的策略集联系起来。
2014-03-25 cs.GT
Socially Fair Reinforcement Learning
Max Planck Institute for Software Systems（马克斯·普朗克软件系统研究所）；University of Oxford（牛津大学）
我们考虑了情景强化学习的问题，其中有多个利益相关者具有不同的奖励函数。我们的目标是输出一个政策，是社会公平的不同的奖励功能。先前的工作提出了不同的目标，一个公平的政策必须优化，包括最低福利，广义基尼福利。我们首先采取一个公理化的观点的问题，并提出四个公理，任何这样的公平的目标必须满足。我们表明，纳什社会福利是唯一的目标，唯一满足所有四个目标，而先验目标未能满足所有四个公理。然后，我们考虑问题的学习版本，其中底层模型，即马尔可夫决策过程是未知的。我们考虑的问题，最小化遗憾的公平政策最大化三个不同的公平目标-最低福利，广义基尼福利，纳什社会福利。基于乐观规划，我们提出了一个通用的学习算法，并推导出其遗憾界关于三种不同的政策。对于纳什社会福利的目标，我们还得到了一个下限的遗憾，$n$，代理的数量呈指数增长。最后，我们表明，对于最低福利的目标，可以改善遗憾的$O(H)$的一个因素，为一个较弱的概念遗憾。
2023-02-03 cs.CY cs.GT cs.LG
Envy, Regret, and Social Welfare Loss
激励相容性（IC）是拍卖机制最基本的属性之一，包括那些用于在线广告的拍卖机制。Feng等人和Lahaie等人最近的方法表明，不同出价的拍卖机制的反事实运行可以用来确定拍卖是否是IC。在本文中，我们表明，类似的结果可以通过查看广告商的嫉妒，这可以计算与一个单一的执行拍卖。我们引入了两个指标来评估拍卖的激励相容性：IC-后悔和IC-羡慕。对于位置拍卖环境，我们表明，对于一个大类的定价方案（其中包括例如VCG和GSP），IC-Envy $\ge$ IC-Regret（和IC-Envy = IC-Regret时，出价是不同的）。我们考虑Colini-Baldeschi等人的广告类型环境中的不可分离折扣，其中我们表明，对于GSP的推广，IC-羡慕$\ge$ IC-后悔。我们最终的理论结果是，在所有这些设置IC嫉妒被用来约束损失的社会福利由于广告商误报。最后，我们表明，IC-Envy是有用的功能，预测IC-Regret拍卖环境超出了我们的理论结果。特别是，使用IC-Envy比仅使用价格和价值特征的训练模型产生更好的结果。
2019-07-17 cs.GT
Maximization of Relative Social Welfare on Truthful Cardinal Voting Schemes
研究了具有基数偏好的真实单一获胜者投票方案与经典范围投票方案的相对社会福利最大化问题。区间投票机制是一种简单直接的机制，它确定性地最大化社会福利。然而，该方案被认为是不真实的，我们研究了真实的机制，最大限度地提高其预期的社会福利的比例，由范围投票方案实现的社会福利。本文提出了一种实现$Ω(m^{-2/3})$比率的方案。证明了这个界是渐近紧的，并且不可能找到更好的投票方案。
2019-04-01 cs.CY cs.GT
Differentially Private Double Spectrum Auction with Approximate Social Welfare Maximization
频谱拍卖是提高频谱利用率的一种有效方法，它将空闲频谱从主用户租给次用户。近年来，一些差异隐私频谱拍卖机制被提出，但据我们所知，他们都没有解决差分隐私在设置双频谱拍卖。本文将差分隐私的概念与双频谱拍卖设计相结合，提出了一种近似社会福利最大化的差分隐私双频谱拍卖机制（DDSM）。具体地说，我们设计了一种指数机制来选择与相关社会福利值成指数关系的双频谱拍卖的出清价格，并在拍卖算法、效用函数和买方分组算法的设计等方面对该机制进行了改进。通过理论分析，证明了DDSM实现了差分隐私、近似真实、近似社会福利最大化。大量的实验评估表明，DDSM实现了良好的性能方面的社会福利。
2018-10-18 cs.CR cs.GT
Welfare Maximization Entices Participation
我们考虑随机机制与可选的参与。对彩票的偏好是用反对称双线性（SSB）效用函数来建模的，这是经典冯诺依曼-摩根斯坦效用函数的推广。我们表明，每一个福利最大化的机制诱使参与，并在额外的假设下，反之亦然。我们的结果的两个重要推论是一个有吸引力的随机投票规则，满足孔一致性和诱惑参与的特征。这与Moulin（1988）的一个著名结果形成了鲜明对比，Moulin证明了没有确定性投票规则可以同时满足这两个性质。
2015-08-14 cs.GT cs.MA
Social Welfare Maximization for Federated Learning with Network Effects
本文研究具有网络效应的联邦学习激励机制设计，提出MTS框架和SEMTS机制，通过客户支付实现社会福利最大化，实验显示较现有机制提升148.86%。
2024-08-23 cs.GT
Social Welfare Maximization Auction in Edge Computing Resource Allocation for Mobile Blockchain
区块链是一种新兴的去中心化安全系统，已被应用于许多应用，如比特币，智能电网和物联网。然而，运行挖掘过程可能会消耗太多的能量消耗和手持设备上的计算资源使用，这限制了区块链在移动环境中的使用。在本文中，我们考虑部署边缘计算服务来支持移动区块链。提出了一种基于拍卖的边缘计算服务提供商的边缘计算资源市场。由于矿工之间存在竞争，模型中考虑了分配外部性（正和负）。在我们的拍卖机制中，我们最大化的社会福利，同时保证真实性，个人理性和计算效率。基于区块链挖掘实验结果，我们定义了一个哈希幂函数来表征成功挖掘区块的概率。通过大量的模拟，我们评估了我们的拍卖机制的性能，这表明我们的边缘计算资源市场模型可以有效地解决边缘计算服务提供商的社会福利最大化问题。
2017-11-20 cs.GT
Social Welfare Maximization in Cross-Silo Federated Learning
作为联邦学习（FL）的典型设置之一，跨筒仓FL允许组织联合训练最优的机器学习（ML）模型。在这种情况下，一些组织可能会试图获得全球模式，而不贡献他们的本地培训，降低了社会福利。本文首次将跨筒仓物流中的组织间互动建模为一个公共物品博弈，并从理论上证明了存在一个纳什均衡中社会福利未达到最大化的社会困境。为了克服这种社会困境，我们采用多人多行动零决定（MMZD）策略，以最大限度地提高社会福利。在MMZD的帮助下，单个组织可以单方面控制社会福利而无需额外成本。实验结果验证了MMZD策略在最大化社会福利方面的有效性。
2022-03-01 cs.DC cs.GT
The Long Arm of Nashian Allocation in Online $p$-Mean Welfare Maximization
针对Barman等提出的可分物品在线分配给$n$个可加估值智能体的$p$-均值福利最大化问题，刻画$-\infty \le p \le 1$最优竞争比，提出基于纳什福利贪心算法的改进算法，为纳什福利至平等主义福利实现近最优竞争比。
2025-04-18 cs.DS cs.GT
Pairwise Ranking Losses of Click-Through Rates Prediction for Welfare Maximization in Ad Auctions
The University of Chicago Booth School of Business（芝加哥大学布斯商学院）；Google Research（谷歌研究院）；Stanford University（斯坦福大学）
本文面向广告拍卖社会福利优化，提出无需eCPM分布假设的加权成对排序损失及教师标签校准方法，并在合成与真实数据上验证其优势。
2023-06-01 cs.GT cs.IR cs.LG
Multidimensional Bayesian Utility Maximization: Tight Approximations to Welfare
Boston University（波士顿大学）；University of British Columbia（不列颠哥伦比亚大学）
本文研究多维单位需求贝叶斯效用最大化，提出独立于先验的近似最优机制，给出随买卖双方数量变化的紧福利近似界。
2026-10-06 cs.GT
Welfare Maximization with Limited Interaction
我们继续在单位需求（匹配）市场的福利最大化的研究，在一个分布式的信息模型中，代理人的估值是未知的中央计划，因此需要沟通，以确定一个有效的分配。Dobzinski，Nisan和Oren（STOC'14）表明，如果市场规模是$n$，那么$r$轮的相互作用（对数带宽）足以获得最佳社会福利的$n^{1/(r+1)}$近似。特别是，这意味着这样的市场收敛到一个稳态（常数近似）的时间对数的市场规模。我们获得了第一个多轮下界为这个设置。我们表明，即使允许每轮带宽的每个代理是$n^{ε(r)}$，任何$r$轮（随机）协议的近似比是不优于$Ω(n^{1/5^{r+1}})$，这意味着一个$Ω(\log \log n)$的市场收敛到均衡的速度的下限。我们的建设和技术可能会感兴趣的组合拍卖，其中唯一已知的下限是同步（$r=1$）协议[DNO 14]的更一般的设置中的轮通信权衡。
2015-04-07 cs.GT
Minimal Regret Walras Equilibria for Combinatorial Markets
Trier University（特里尔大学）；University of Passau（帕绍大学）
本文提出Δ-遗憾瓦尔拉斯均衡的概念，通过参数化社会福利问题和敏感性理论，建立了低遗憾均衡的算法和下界推导方法。
2026-02-10 cs.GT math.OC
No-Regret Learning for Fair Multi-Agent Social Welfare Optimization
University of Southern California（南加州大学）
研究在线多智能体Nash社会福利最大化问题，在随机和对抗性多臂老虎机设定下分别提出具有特定遗憾界限的算法，并证明全信息反馈下可实现$\sqrt{T}$遗憾，特殊情况下可达对数遗憾。
2024-05-31 cs.GT cs.LG cs.MA
Contextual Procurement Auctions with Bandit Learning
研究重复上下文采购拍卖中平台从强盗反馈学习依赖上下文产品价值的问题，给出有\(\widetilde O((ng)^{1/3}T^{2/3})\)遗憾值的先探索后提交机制及固定支付UCB机制，证明了固定支付遗憾值与激励权衡的匹配下界。
2026-07-29 cs.GT cs.LG
Budget-Feasible Mechanisms for Submodular Welfare Maximization in Procurement Auctions
School of Computer Science and Technology, Soochow University（苏州大学计算机科学与技术学院）；School of Rail Transportation, Soochow University（苏州大学轨道交通学院）
本文提出BFM-SWM机制，首次在采购拍卖中实现子模福利最大化的预算可行机制，具有可证明的近似保证，同时改进了效率和效果。
2026-09-17 cs.GT
An Additive Approximation Scheme for the Nash Social Welfare Maximization with Identical Additive Valuations
我们研究的问题，有效地和公平地分配一组不可分割的商品与相同的和添加剂的商品估价代理之间。目标是最大化纳什社会福利，这是几何平均的代理人的估值。Nguyen和Rothe提出了一个求解Nash社会福利最大化问题的PTAS。本文的主要贡献是设计了第一个可加PTAS为这个问题，即我们给出了一个多项式时间算法，最大化纳什社会福利内的可加误差$\varepsilon v_{\rm max}$，其中$\varepsilon$是一个任意的正数和$v_{\rm max}$是一个很好的最大效用。我们的算法的逼近性能优于PTAS。我们的算法的想法很简单，我们应用的预处理，然后利用添加剂PTAS的目标负载均衡的问题最近由Buchem等人。然而，一个非平凡的工作量是需要评估的输出的附加误差。
2022-01-05 cs.DS cs.GT
Welfare Maximization with Deferred Acceptance Auctions in Reallocation Problems
我们使用Milgrom和Segal的延迟接受拍卖框架为资源重新分配问题设计了近似的弱组策略证明机制：采购拍卖设置中的无线电频谱和网络带宽重新分配问题和销售拍卖设置中的集合覆盖约束的成本最小化问题。我们的延迟接受拍卖是来自简单的贪心算法的基本优化问题，并保证近似最优的社会福利（成本）的代理人保留他们的权利（合同）。在重新分配问题中，我们设计了采购拍卖来购买代理的广播/访问权，以释放一些资源，这样未购买的权利仍然可以行使剩余的资源。在成本最小化问题中，我们设计了一个出售拍卖出售提前终止权与现有的合同，使一些最小的约束仍然满足剩余的合同代理。在这些问题中，当“被分配的”代理人进行交易、交换权利和支付时，客观和可行性约束是在“被拒绝的”代理人身上。
2015-09-20 cs.GT
Bulow-Klemperer-Style Results for Welfare Maximization in Two-Sided Markets
我们考虑双边市场中的福利最大化问题，使用简单的机制是先验独立的。Myerson-Satterthwaite不可能性定理表明，即使是双边贸易，也没有一种可行的（IR，真实的，预算平衡的）机制具有与最优但不可行的VCG机制一样高的福利，该机制实现了最大福利，但存在赤字。另一方面，最优可行机制需要根据贝叶斯先验进行仔细调整，并且非常复杂，无法精确描述。我们提出了Bulow-Klemperer式的结果，以规避这些障碍，在双重拍卖市场。我们建议使用买方交易减少（BTR）机制，McAfee机制的变体，这是可行的和简单的（特别是，确定性，真实，先验独立，匿名）。首先，在买方和卖方的价值被独立同分布抽样的情况下。从相同的分布，我们表明，对于任何规模的任何这样的市场，BTR与一个额外的买家，其价值是从相同的分布抽样期望福利至少高达在原始市场的最优。然后，我们转移到一个更一般的设置，买方的价值是从一个分布和卖方从另一个抽样，重点放在买方的分布一阶随机支配卖方的情况下。我们目前的买家，当添加的数量上的界限，保证BTR在增强市场的福利至少高达原始市场的最优。我们的下界扩展到一个大类的机制，我们所有的结果扩展到添加卖家而不是买家。此外，我们提出了积极的结果，在一个样本的定价福利最大化的双边市场在上述两种设置下，据我们所知，这是第一次抽样结果在这种情况下的有用性。
2019-12-23 cs.GT econ.TH
Contextual Games: Multi-Agent Learning with Side Information
ETH Zürich（苏黎世联邦理工学院）
我们制定了新的类上下文游戏，一种类型的重复游戏驱动的上下文信息在每一轮。通过基于核的规律性假设，我们模拟不同的上下文和游戏结果之间的相关性，并提出了一种新的在线（Meta）算法，利用这种相关性，以尽量减少个别球员的上下文遗憾。我们定义了这类新游戏的上下文粗相关均衡（c-CCE）和最佳上下文福利的博弈论概念，并表明每当玩家的上下文遗憾消失时，c-CCE和最佳福利都可以接近。最后，我们经验验证我们的结果在交通路由实验中，我们的算法导致更好的性能和更高的福利相比，基线不利用可用的上下文信息或相关性存在于游戏中。
2021-07-13 cs.GT cs.LG
Liquid Welfare Guarantees for No-Regret Learning in Sequential Budgeted Auctions
该研究针对序列预算第一价格拍卖，在买家满足学习型效用保障假设下，推导了加性与子模估值下流动性福利的无政府价格紧界，还提出了能满足所需保障的学习算法。
2024-05-14 cs.GT
Nearly Tight Regret Bounds for Profit Maximization in Bilateral Trade
Sapienza University of Rome（罗马大学）；Google Research（谷歌研究）；Aarhus University（奥胡斯大学）；Institute for Complex Systems（复杂系统研究所）
本文提出了一种在双边贸易中近紧的利润最大化算法，通过解决非平稳场景下的 regrets 问题，展示了激励相容机制的最优收敛性。
2025-09-26 cs.GT cs.LG
Welfare Maximization with Production Costs: A Primal Dual Approach
我们研究了Blum等人提出的具有生产成本的在线组合拍卖。在这个模型中，买家到达网上，卖家可以生产每个项目的多个副本，但每个副本的边际成本不递减。目标是分配物品以使社会福利最大化，减少总生产成本。对于任意（严格凸和可微）的生产成本函数，我们的特点是实现在线机制/算法的最佳竞争比。我们发现，在线发布的定价机制，这是激励兼容，可以实现竞争力的比例任意接近最优，并构建下界的情况下，没有在线算法，不一定激励兼容，可以做得更好。我们的积极结果改善或匹配的结果在几个以前的工作，例如，Bartal等人，Blum等人，布赫宾德和葛南我们的下界适用于随机算法和解决一个开放的问题Buchbinder和Gonen。
2014-11-17 cs.DS cs.GT
Multidimensional Dynamic Pricing for Welfare Maximization
University of Pennsylvania（宾夕法尼亚大学）；Microsoft Research（微软研究院）；Northeastern University（东北大学）
我们研究的问题，卖方动态定价$d$不同类型的不可分割的商品，当面对的在线到达的单位需求的买家独立绘制从一个未知的分布。这些商品的供应并不有限，但只能以有限的速度生产，而且生产成本很高。卖方只观察每天购买的一捆货物，而不观察买方的估价函数。我们的主要结果是一个动态的定价算法优化福利（包括卖方的生产成本），运行在时间和多个回合是多项式的$d$和近似参数。我们能够做到这一点，尽管事实上，（i）价格反应函数是不连续的，甚至它的分数松弛是一个非凹函数的价格，（ii）福利是不可观察的卖方。我们得出这个结果作为一个应用程序的一般技术优化福利超过\emph{divisible}商品，这是独立的利益。当购买者具有强凹的、Hölder连续的价值函数时，我们给出了$d$可分商品的一般多项式时间动态定价方法.我们能够将这种技术应用于单位需求购买者的设定，尽管在该设定中商品是不可分的，并且单位需求估值的自然分数松弛不是强凹的。为了应用我们的一般技术，我们引入了一种新的价格随机化过程，其效果隐含诱导买家“正规化”他们的估值与强凹函数。最后，我们还将我们的结果扩展到一个有限的供应设置，其中每个好的副本的数量不能补充。
2017-06-10 cs.DS cs.GT cs.LG
Welfare and Profit Maximization with Production Costs
组合拍卖是市场机制设计中的一个核心问题：为具有复杂偏好的买家定价和分配商品，以最大化某些期望目标（例如，社会福利、收入或利润）。在有限供应的情况下（每件商品一份），以及在数字商品的情况下（卖方可以免费生产额外的副本），这个问题已经得到了很好的研究。然而，在资源的情况下-石油，劳动力，计算周期等-这两种抽象都不是正确的：可以找到这些资源的额外供应，但随着资源的耗尽，难度（边际成本）越来越大。在这项工作中，我们开始研究的算法机制设计问题的边际成本递增的组合定价。我们的目标是出售这些商品给买家未知的和任意的组合估值函数，以最大限度地提高社会福利，或卖方的利润，特别是我们专注于设置\emph{posted item prices}与买家到达网上。我们给出的算法，实现{ \em常数因子}近似的一类自然成本函数-线性，低次多项式，对数-并给出对数近似更一般的边际成本函数（随着必要的附加损失）。我们表明，这些界限基本上是最好的可能，这些设置。
2011-10-22 cs.GT
Optimal Multi-Dimensional Mechanism Design: Reducing Revenue to Welfare Maximization
我们提供了一个减少从收入最大化福利最大化的多维贝叶斯拍卖任意（可能组合）的可行性约束和独立投标人与任意（可能组合）的需求约束，适当地扩展迈尔森的结果，这种设置。我们还表明，每个可行的贝叶斯拍卖可以实现为虚拟VCG分配规则的分布。虚拟VCG分配规则具有以下简单形式：每个投标人的类型t_i通过投标人特定函数转换为虚拟类型f_i（t_i）。然后，选择虚拟福利最大化的分配。使用这个特性，我们展示了如何找到和运行的收入最优拍卖只黑盒访问的VCG分配规则的实现。我们将这一结果推广到任意相关的投标人，引入二阶VCG分配规则的概念。我们得到我们的减少收入福利优化通过两个算法的结果，减少形式的设置与任意的可行性和需求约束。首先，我们提供了一个分离预言机，用于确定一个简化形式的可行性。其次，我们提供了一个几何算法来分解任何可行的减少形式到虚拟VCG分配规则的分布。此外，我们将展示如何执行这两个算法只给予黑盒访问的实现的VCG分配规则。我们的结果是计算效率的所有多维设置的投标人是添加剂。在这种情况下，我们的机制在投标人类型总数的时间多项式中运行，但不是类型配置文件。对于一般相关分布，这是问题的自然描述复杂性。通过使用最新的技术，运行时可以进一步改进为项目对称设置中的poly（#items，#biders）。
2012-07-23 cs.DS cs.GT
Money Burning Mechanism Design: From Welfare to Surplus
Tel Aviv University（特拉维夫大学）
该研究解决多维机制设计中剩余剩余最大化的最坏情况可近似性问题，提出普遍真实且事后个体理性的机制，得到最优最坏情况保证，解决相关开放问题并改进现有结果。
2026-09-25 cs.GT
Welfare Maximization in Bilateral Trade: Improved Approximation Guarantees Beyond the Fixed Price Barrier
Weizmann Institute of Science（魏茨曼科学研究所）；Hebrew University of Jerusalem（耶路撒冷希伯来大学）
研究双边贸易中福利最大化问题，通过引入带保留价的买方出价机制，实现了0.746的社会福利近似比，首次证明固定价格机制并非最优。
2026-06-03 cs.GT
Exploring Welfare Maximization and Fairness in Participatory Budgeting
Indian Institute of Science（印度科学学院）
该博士论文研究参与式预算在不同偏好与成本模型下的福利与公平目标，提出兼顾福利最大化和公平性的新规则及效用、公理与公平概念。
2024-10-26 cs.AI cs.GT cs.MA
On the Hardness of Welfare Maximization in Combinatorial Auctions with Submodular Valuations
提出了一类新的单调次模函数：\emph{multi-peak submodular functions} .粗略地说，给定一个集合族$\cF$，我们构造一个单调子模函数$f$，对于每个集合$S \in {\cF}$（一个“峰值”）都有一个高值$f(S)$，并且对于每个集合都有一个低值，该集合与$\cF$中的任何集合都不相交。我们使用这种结构表明，一个更好的比$(1-\frac{1}{2e})$ -近似（$\simeq 0.816$）的福利最大化的组合拍卖与子模块的估值是（1）不可能的通信模型，（2）NP-困难的计算模型中的估值是明确的。在通信模型中为这个问题建立一个常数近似硬度是一个长期存在的开放问题。我们在计算模型中为硬度结果构造的估值仅取决于恒定数量的项目，因此即使参与者可以回答关于其估值的任意查询（包括需求查询），结果也成立。我们还研究了其他两个相关的问题，最近得到了一些关注：最大-最小分配（为此，我们也得到硬度的$(1-\frac 1 {2e}+ε)$ -近似，在这两种模式），和组合的公共项目（为此，我们证明硬度的$(3/4+ε)$ -近似的通信模型，硬度的$(1 -\frac 1 e+ε)$ -近似的计算模型，使用恒定大小的估值）。
2012-02-13 cs.DS cs.GT
Profit Maximization in Bilateral Trade against a Smooth Adversary
Google Research（谷歌研究）
研究在在线学习框架下，面对平滑对手生成的估值，设计出保证$\tilde{O}(\sqrt{T})$ regret的算法，拓展了快速收敛的适用范围，填补了经济问题的regret景观中的空白。
2026-05-12 cs.GT cs.LG
Support-Dependent Regret Rates for Profit Maximization in Multilateral Trade
Politecnico di Milano（米兰理工大学）
针对多边贸易中的在线利润最大化问题，提出一种归一化缩放算法，实现支持依赖遗憾界 $\widetilde O(\sqrt{K^dT})$，将一维动态定价的最优保证扩展到多维设置。
2026-10-07 cs.GT
Welfare Maximization and Truthfulness in Mechanism Design with Ordinal Preferences
我们研究机制设计问题中的{ \em顺序设置}，其中代理商的偏好描述的结果排序，而不是与它们相关的具体数值。当代理可以比较结果，但无法评估其精确效用时，此设置是相关的。这种情况出现在不同的情况下，包括投票和匹配市场。我们的论文解决了在有序机制设计中出现的两个问题。为了设计社会福利最大化机制，人们需要能够定量地测量结果的福利，这在有序设置中是不清楚的。其次，由于Gibbard和Satterthwaite~ \cite{Gibbard73,Satterthwaite75}的不可能性结果迫使人们转向随机机制，人们需要一个更微妙的真实性概念。我们提出{ \em秩近似}作为度量结果的质量，这使我们能够评估机制的基础上最坏的情况下的性能，和{ \em lex-truthfulness}作为一个概念的真实性随机序数机制。词汇真实性比文献中研究的概念更强，但足够灵活，可以容纳丰富的机制类{ \em规避经典的不可能性结果}。我们证明了上述概念的有用性，设计lex-truthful机制实现良好的秩近似因子，无论是在一般的序数设置，以及结构化的设置，如{ \em（单侧）匹配市场}，其推广，{ \em拟阵}和{ \em调度}市场。
2014-03-08 cs.DS cs.GT
Learning in Auctions: Regret is Hard, Envy is Easy
MIT（麻省理工学院）；Microsoft Research（微软研究院）
最近的一系列工作提供了简单组合拍卖形式的福利保证，例如通过同时第二价格拍卖（SiSPA）出售m件物品（Christodoulou et al. 2008，Bhawalkar and Roughgarden 2011，Feldman et al. 2013）。即使拍卖被重复执行，而且玩家使用无遗憾学习算法，这些保证也是有效的。不幸的是，现成的无遗憾算法，这些拍卖是计算效率低下的行动的数量是指数。我们表明，这个障碍是不可逾越的：有没有多项式时间的无遗憾算法SiSPAs，除非RP $\supseteq$ NP，即使投标人是单位需求。我们的下限提出了一个问题，如何好的结果多项式有界的投标人可能会发现在这样的拍卖。为了回答这个问题，我们提出了一个新的概念，学习拍卖，称为“无嫉妒学习。“这个概念是建立在瓦尔拉斯均衡的基础上，我们证明了它既可以有效地实现，又可以产生近似最优的福利，即使投标人有分数次加性（XOS）估值（假设需求预言）或覆盖估值（没有需求预言）。无嫉妒学习结果是对无遗憾学习结果的放松，它在保持近似福利最优性的同时赋予了它们计算上的易处理性。我们的研究结果扩展到其他拍卖格式，已在文献中研究通过平滑范例。我们的结果XOS估值启用了一种新的跟随扰动领导者算法的设置专家的数量是无限的，学习者的回报函数是非线性的。该算法在拍卖设置之外也有应用，例如安全游戏。我们的结果覆盖估值是基于一种新的使…
2016-04-06 cs.AI cs.CC cs.GT
Simple Mechanisms for Welfare Maximization in Rich Advertising Auctions
互联网广告拍卖已经从几行文字发展到更丰富的信息布局，包括图像、网站链接、视频等。这些新格式的广告占据不同的空间，广告商可以提供多种格式，只能显示其中一种。卖方现在面临着一个多参数的机制设计问题。计算一个有效的分配是计算棘手的，因此标准的Vickrey-Clarke-Groves（VCG）拍卖，虽然真实和福利最优，是不切实际的。在本文中，我们解决了现代广告拍卖设计中的一个基本问题。我们采用了“迈尔逊”的方法和研究分配规则，都是单调的出价和丰富的广告集。我们表明，这样的规则可以与支付功能配对，以提供一个真实的拍卖。我们的主要技术挑战是设计一个单调的规则，产生一个很好的近似最优福利。单调性不适用于标准算法，例如增量bang-per-buck顺序，它对像我们这样的“背包式”问题给出了很好的近似。事实上，我们表明，没有确定性的单调规则可以近似的最佳福利比$2$的因素（而有一个非单调的FPTAS）。我们的主要结果是一个新的，简单的，贪婪和单调的分配规则，保证了$3$近似。在实际的广告拍卖中，单调分配规则通常与所谓的广义第二价格（GSP）支付规则配对，该规则收取最低阈值价格，低于该价格分配会发生变化。我们证明了，即使我们的单调分配规则与GSP配对是不真实的，其无政府代价（PoA）是有界的。在标准的无竞价假设下，证明了$6$的纯PoA界和$\frac{6}{(1 - \frac{1}{e})}$的…
2022-06-06 cs.GT
Disrupting Bipartite Trading Networks: Matching for Revenue Maximization
本文研究在线平台在二分交易网络中的收入最大化匹配问题，证明一般情形计算难解，并给出特殊情形的高效算法及收入与福利的对数近似保证。
2024-06-11 cs.CC cs.GT
Prior-free Auctions for Budgeted Agents
我们认为优先级自由拍卖收入和福利最大化时，代理人有一个共同的预算。我们考虑的抽象环境是有一个向下封闭的和对称的可行性约束的代理服务的概率。这些环境包括位置拍卖，其中具有降低的点击率的位置被拍卖给广告商。我们将Hartline和Yan（2011）的无嫉妒基准推广和表征到有预算的环境中，并表征福利和收入的最佳无嫉妒结果。我们给出了近似这些基准的无先验机制。在我们的机制的一个组成部分是一个成交拍卖的位置拍卖环境。该拍卖是Dobzinski et al.（2008）的多单位成交拍卖的推广，也是Goel et al.（2012）的多面体成交拍卖的特例。对于福利最大化，我们表明，这种成交拍卖是一个很好的近似的嫉妒无最优福利的位置拍卖环境。对于利润最大化，我们推广了Fiat等人（2002）的随机抽样利润提取拍卖，用于数字商品，以给出对称下闭环境中无嫉妒最优收入的10.0近似值。即使没有预算，利润最大化问题也很有趣，我们的机制是一个7.5近似，改进了Ha和Hartline（2012）的30.4界限。
2012-12-23 cs.GT
Approximability Landscape of Welfare Maximization within Fair Allocations
本文从计算复杂度视角研究公平分配下的福利最大化问题，在EFX和EF1约束下为不同智能体数量与估值类型设计了近似算法并给出了紧致不可近似性边界，同时确定了EFX的公平代价。
2025-05-31 cs.GT
On the Convergence of No-Regret Dynamics in Information Retrieval Games with Proportional Ranking Functions
本文研究了信息检索博弈中发布者的策略性行为，证明了具有凹激活函数的比例排序函数能诱导无悔学习动态收敛，并揭示了激活函数凹性与博弈凹性的等价性，同时分析了不同选择对发布者与用户福利及收敛速率的影响。
2025-01-29 cs.GT cs.IR
Robust Social Welfare Maximization via Information Design in Linear-Quadratic-Gaussian Games
Texas A&M University（德克萨斯农工大学）
本文研究了在部分了解玩家效用的情况下，通过信息设计优化社会福利的问题。针对二次效用和高斯信号的线性-二次-高斯博弈，提出鲁棒信息设计方法，将其转化为可解的半正定规划问题，并通过数值研究分析扰动水平与最优信息结构的关系。
2023-04-28 cs.GT econ.TH math.OC
Knightian Robustness from Regret Minimization
我们考虑的拍卖中，球员有非常有限的知识，他们自己的估值。具体地说，一个博弈者$i$所拥有的关于真实估值的信息$θ^*$由一组分布组成，其中$θ_i^*$是从其中一个分布中得出的。我们分析了社会福利性能的VCG机制，不受限制的组合拍卖，当Boghtian球员，要么（a）选择一个遗憾最小化策略，或（b）诉诸遗憾最小化，只有进一步完善自己的一套非支配策略，如果需要的话。我们证明这种性能是非常好的。
2014-04-01 cs.GT
Phi-Actor-Critic: Steering General-Sum Games to Pareto-Efficient Correlated Equilibria
Politecnico di Milano（米兰理工大学）；Tilburg University（蒂尔堡大学）；University of Applied Sciences and Arts of Southern Switzerland（瑞士南瑞士应用科学与艺术大学）
提出Φ-Actor-Critic框架，通过交换遗憾最小化引导多智能体学习向高社会福利的关联均衡收敛，并采用集中式注意力批评家高效估计反事实遗憾，结合拉格朗日均衡选择机制优化社会福利。
2026-06-11 cs.GT cs.LG cs.MA
On the Interplay between Social Welfare and Tractability of Equilibria
本文建立平滑性保证的完全效率与无悔学习收敛性之间的联系，统一多类博弈的均衡计算，并证明无悔动态可获得更优福利界且收敛至粗相关均衡。
2025-01-09 cs.GT
Budget Pacing in Repeated Auctions: Regret and Efficiency without Convergence
Duke University（杜克大学）；Cornell University（康奈尔大学）；National University of Singapore（新加坡国立大学）；Northwestern University（西北大学）
本文研究了重复拍卖中预算节奏算法的福利和效率保障，证明了无需动态收敛即可获得至少一半最优液体福利，并展示了动态遗憾界限及对核心拍卖的鲁棒性。
2026-01-05 cs.GT
Game Redesign in No-regret Game Playing
University of Wisconsin–Madison（威斯康星大学麦迪逊分校）
我们研究的游戏重新设计的问题，其中外部设计师有能力改变支付函数在每一轮，但招致的设计成本偏离原来的游戏。玩家应用无遗憾学习算法以有限的反馈重复玩改变的游戏。设计者的目标是（i）激励所有玩家频繁地采取特定的目标动作配置文件;以及（ii）产生小的累积设计成本。我们提出了游戏重新设计算法，保证目标动作配置文件是在T-o（T）轮，而只产生o（T）的累积设计成本。游戏重新设计描述了积极和消极的应用：一个仁慈的设计者，激励玩家采取与原始游戏的解决方案相比具有更好的社会福利的目标动作配置文件，或者一个恶意攻击者，其目标动作配置文件使自己受益，但不是玩家。四个经典游戏的模拟证实了我们提出的重新设计算法的有效性。
2021-10-18 cs.GT cs.LG
Online Nash Social Welfare Maximization with Predictions
我们考虑的问题分配一组可分割的商品$N$代理在网上的方式，旨在最大限度地提高纳什社会福利，一个广泛研究的目标，它提供了一个公平和效率之间的平衡。货物按$T$周期的顺序到达，货物到达时，每个代理人的价值是对立的。我们首先观察到，没有在线算法可以实现比平凡的$O(N)$更好的竞争比，除非它被赋予有关代理的值的额外信息。然后，根据“预测算法”的新兴领域，我们考虑一种设置，其中对于每个代理，在线算法仅给出其垄断者效用的预测，即，她的效用，如果所有的商品都给了她一个人（对应于她在$T$期间的价值总和）。我们的主要结果是一个在线算法，其竞争比参数化的乘法误差在这些预测。如果预测完全准确，则该算法实现$O(\log N)$和$O(\log T)$的竞争比。此外，竞争比随着预测误差的平滑下降，并且令人惊讶地稳健：即使预测非常不准确，对数竞争比也保持不变。我们补充这一积极的结果表明，我们的边界基本上是紧的：没有在线算法，即使提供了完全准确的预测，可以实现竞争比的$O(\log^{1-ε} N)$或$O(\log^{1-ε} T)$为任何常数$ε>0$。
2021-08-03 cs.DS cs.GT math.OC
Combinatorial Auctions with Restricted Complements
商品之间的互补性--一种商品在另一种商品存在的情况下产生附加值--一直是算法机制设计者的眼中钉。一方面，互补在组合拍卖的标准激励应用中是常见的，如频谱许可证拍卖。另一方面，福利最大化在互补品的存在是出了名的困难，这种棘手性阻碍了该领域的理论进展。例如，有没有已知的积极的结果组合拍卖中，投标人的估值是多参数和非互补自由，比一般估值已知的相对较弱的结果。为了在存在互补的组合拍卖设计问题上取得进展，我们提出了一个模型的估值与互补的参数化的“大小”的补充。在我们的模型中的估值简洁地表示为加权超图，其中超边的大小对应于互补度。我们的模型允许各种计算效率的查询，和非平凡的福利最大化算法和机制。我们设计了下面的多项式时间近似算法和真实的机制，以使投标人的福利最大化。1-对于投标人的估值对应于一个已知的图，是平面（或更一般地说，不包括一个固定的未成年人）的子图，我们给出了一个真实的和（1+ 1）-近似的机制。2-本文给出了一个求解超图-r赋值福利最大化问题的多项式时间r-近似算法。我们的算法随机轮紧线性规划松弛的问题。3-我们设计了一个不同的近似算法，并使用它来给出一个多项式时间，真实的预期机制，具有O（log^r m）的近似因子。
2012-05-18 cs.GT
Selling to a No-Regret Buyer
Princeton University（普林斯顿大学）
我们考虑一个卖家重复地向一个买家出售一件商品的问题（具体地说，买家在每一轮都有一个从已知分布$D$中提取的新值）。以前的工作假设买方是完全理性的，并会完全理性地考虑他们今天的出价如何影响卖方明天的决定。在这项工作中，我们开始一个不同的方向：买家简单地运行一个无遗憾的学习算法在可能的出价。我们提供了一个相当完整的表征最优拍卖的卖方在这一领域。具体而言：- 如果买方根据EXP 3（或任何“基于均值”的学习算法）出价，则卖方可以任意提取接近预期福利的预期收入。这种拍卖是独立于买方的估价$D$，但有点不自然，因为它有时是在买方的利益出价过高。- 存在学习算法$\mathcal{A}$，使得如果买方根据$\mathcal{A}$出价，则卖方的最优策略是简单地为每轮$D$发布Myerson储备。- 如果买方根据EXP 3（或任何“基于均值”的学习算法）出价，但卖方被限制为出价过高占主导地位的“自然”拍卖格式（例如，广义第一价格或广义第二价格），那么卖方的最佳策略是随时间推移准备金逐渐减少的支付出价格式。此外，卖方的最佳可实现的收入的特点是一个线性规划，可以无限优于最好的真实拍卖，但同时无限差于预期的福利。
2017-11-25 cs.GT cs.LG stat.ML
Sample Complexity of Posted Pricing for a Single Item
本文研究单品销售中标价机制的样本复杂度，针对独立与相关买家分布及福利与收益最大化目标，给出了匹配的上下界（相差对数因子）。
2024-11-04 cs.DS cs.GT
Improved Social Welfare Bounds for GSP at Equilibrium
广义第二价格拍卖是赞助搜索广告销售的主要方法。我们研究了这种拍卖的性能在各种均衡的概念。特别是，我们证明了无政府状态的贝叶斯价格是最多$2(1-1/e)^{-1} \approx 3.16$，显着改善以前已知的界限。我们的技术直观简单，并以多种方式扩展。首先，我们的研究结果扩展到一个约束的GSP的性能在粗糙的相关均衡，它捕获（例如）一个重复拍卖的设置中，代理应用后悔最小化投标策略。此外，我们的分析是强大的拜占庭代理人不能被假定为理性参与的存在。此外，我们提出了严格的界限为社会福利在纯NE的特殊情况下的拍卖3插槽，并讨论了潜在的方法，将这种分析扩展到任意数量的插槽。
2010-11-14 cs.GT
Truth and Regret in Online Scheduling
University of Wisconsin-Madison（威斯康星大学麦迪逊分校）；Microsoft Research（微软研究院）；Cornell University（康奈尔大学）
我们考虑一个调度问题，云服务提供商有多个单位的资源随着时间的推移。自私的客户端提交作业，每个作业都有到达时间、截止日期、长度和价值。服务提供商的目标是实现一个真实的在线机制调度作业，以最大限度地提高社会福利的时间表。最近的工作表明，在随机假设下，就业到达，有一个单参数家庭的机制，实现接近最优的社会福利。我们表明，任何这样的家庭接近最优的在线机制，存在一个在线机制，在最坏的情况下，执行以及最好的给定的机制。我们的机制是真实的，只要在给定的家庭中的机制是真实的和及时的，并实现最佳（在恒定因素）的遗憾。我们模拟的问题，对一个家庭的在线调度机制的学习专家的意见。一个主要的挑战是，我们所做的任何调度决策不仅会影响当前步骤的收益，还会影响未来步骤的资源可用性和收益。此外，从一个算法（a.k.a.专家）到另一个算法是具有挑战性的，因为它需要与后者算法的状态同步，也因为它影响算法的激励结构。我们进一步展示了如何适应我们的算法，以非千里眼设置工作长度是未知的，直到工作运行完成。再一次，在这种情况下，我们获得了真实性以及渐进最优的遗憾（在多对数因子内）。
2017-03-01 cs.AI cs.DS cs.GT
