提出了一种基于模糊逻辑的基于代理的自动协商资源调度系统,通过引入综合性协商游戏,根据协商结果对资源进行调度,从而达到更高效地利用资源的目的,并成功使用机器学习模型替代模糊协商系统以提高处理速度。
Feb, 2024
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
考虑到资源分配的实现,本文探讨了多个代理通过资源交换来优化其个体持有的模型,并利用合作和个体的理性以及 Pigou-Dalton 转移等多种形式对合理性概念作出了不同的定义,其中我们发现,对理性和结构方面的某些限制,可能会难以实现某些资源的重新分配,并构建了一些例子说明了这种策略的数量可能呈指数级增长。
Sep, 2011
本研究针对非近视竞标者在重复拍卖中可能会采取策略性出价以获得未来回合利益的情况下,研究了学习最优保留价格的问题和相关算法。我们提出的算法可以在市场较大(即没有竞标者出现在一组回合的固定比例)或竞标者不耐心的情况下(即他们将未来效用打折,其因子在 1 附近)实现小的后悔率,该方法精细控制每个标注者所可见的信息,并借鉴了差分隐私在线学习和联合差分隐私算法的技术。
Apr, 2018
本文研究多智能体系统中的资源分配问题,应用福利经济学和社会选择理论来评估这种系统的社会福利,通过交易代理可以达成最优的资源分配。
本文研究拍卖中的无悔出价算法的收敛性,发现如果投标人使用任何基于均值的学习规则,则投标人定价会在第二价格拍卖中高概率收敛到单纯纳什均衡,在多个物品拍卖的 VCG 拍卖中以及在第一价格拍卖中收敛到贝叶斯纳什均衡,实验证实了这些理论发现。
Sep, 2020
学习在重复的一价拍卖中进行投标是博弈论和机器学习之间的一个基本问题,我们提出了一种新颖的凸形式用于分析一价拍卖中的纯策略投标,并证明了我们的算法可以有效鼓励拍卖买家真实报价并且无法被巧言利用。
基于对抗性竞价环境下的约束竞价问题,提出了基于最小化策略遗憾的学习方法 MiRO,该方法介绍了对抗性对手环境的实现方法。并将专家演示纳入到竞标策略学习中,通过因果关系感知的策略设计,MiROCL 方法在工业数据和合成数据上的实验表明,性能提高了 30% 以上。
Jun, 2023
自动投标算法是广告主在在线广告平台上优化广告活动的方式之一,本研究通过设计在线自动投标算法来实现广告主在预算和投资回报率限制下的价值最大化,研究还包括竞标优化、价值分布和成交价相关性等方面。
Apr, 2024
本文提出在不完全信息的背景下采用自然策略解决在线广告关键字拍卖竞价策略博弈问题。文中提出一定量的自然策略逻辑,用于展示竞价拍卖的对策建模并证明相关属性。同时,对比了有与无记忆策略的博弈逻辑优劣及其可区分性、表达能力和模型检查复杂度。
Jan, 2022