Oct, 2022

拍卖机制中置换等变性的好处

PDF
TL;DR在经济学中，设计一种在最大化拍卖人收益的同时最小化投标人 “事后懊悔” 的合理激励机制比较复杂。本文中，我们考虑了加性估价和对称估价设定，并通过神经网络学习了最优拍卖机制。我们证明置换等变神经网络具有显著优势：置换等变性降低了预期 “事后懊悔”，提高了模型的通用性，同时保持预期收益不变。与我们所知道的任何其他工作相比，这是第一次尝试了解置换等变性在拍卖机制中的好处。
incentive-compatible auction mechanismneural networkspermutation-equivariantregretgeneralizability
发现论文，激发创造
  • 用于拍卖设计的置换等变神经网络结构

    通过使用具有置换等变性的神经结构，建立一个新的拍卖设计方法，提高对拍卖设计的预期收益和一般化性能。

    Mar, 2020

  • 基于一致性预测的无操纵拍卖策略

    利用可区分经济学、遗憾预测模型和一种能确保拍卖机制具有战略不可篡改性的拍卖接受规则，本研究提出了一种新方法来确保拍卖过程中买家被鼓励出真实估值，以实现最优且公平的拍卖结果，并通过数值实验证明了该方法的适用性和有效性。

    May, 2024

  • 拍卖学习作为双人博弈

    本文探讨了拍卖设计中激励兼容的问题，提出了使用神经网络和拉格朗日乘数法来实现优化拍卖的新思路，并将其形式化为双人博弈模型。

    Jun, 2020

  • 多商品利润最大化的泛化保证：定价、拍卖和随机机制

    本文探讨基于样本分布设计多项货品机制，利用分段线性结构证明了利润上限，并提出了优化复杂性和准确性之间的平衡的工具。

    Apr, 2017

  • 如何向无悔购买者销售

    本文提出了针对单个买方的拍卖问题，探讨了在买方使用 no-regret 学习算法的情况下，卖方进行售价策略和收益最大化的方法。作者通过详细的论证和实验对不同算法和竞标策略下的最优拍卖方式进行了完整的刻画和比较。

    Nov, 2017

  • 统一分布的拍卖的二重性和最优性

    该研究提出了一个通用的二元性理论框架，用于在贝叶斯加法拍卖中实现收入最大化，应用线性规划的二元性和补充性到具有偏导数限制的约束中，将对偶系统用于推导最佳机制，并提出一种叫做 SJA 的确定性销售机制，经证明在最多 6 件物品的情况下是最优的。

    Apr, 2014

  • 深度学习优化拍卖：可微分经济学的进展

    使用深度学习工具，将拍卖建模为多层神经网络，将最优拍卖设计作为约束学习问题，并演示如何使用标准机器学习管道解决此问题。

    Jun, 2017

  • 一价位拍卖的表现力和强健性

    该研究尝试在位置拍卖设置中寻找经济机制，特别是那些在完整和不完整信息下都能保证良好结果的机制，通过多维出价的一般化一价机制变体来实现这一目标，发现表述能力超出类型空间是实现鲁棒性的必要和充分条件。

    Jul, 2013

  • 高效在线学习和拍卖设计

    本文研究了对手环境下的在线学习算法的设计，提出了广义随机扰动跟随者算法，且证明了在一定条件下它是牛逼优而且可以实现消失的后悔；同时，本文也提出了另一个基于拍卖设计的框架，用于帮助拍卖师在选举获得最佳的拍卖方式方面做出决策，并且得到相应的应用。

    Nov, 2016

  • 无需出价，无悔选择：基于成对反馈的数字商品与数据竞拍机制

    本文提出了一种使用配对比较的机制设计，该机制设计针对变量质量的定制商品，在任何具有定制商品的场景中具有广泛适用性，并在多标签毒性注释数据上进行了实验。

    Jun, 2023