論文の概要: Generalization Guarantees for Multi-item Profit Maximization: Pricing, Auctions, and Randomized Mechanisms

• arxiv url: http://arxiv.org/abs/1705.00243v6
• Date: Sat, 6 May 2023 23:00:00 GMT
• ステータス: 処理完了
• システム内更新日: 2023-05-10 02:31:04.432869
• Title: Generalization Guarantees for Multi-item Profit Maximization: Pricing, Auctions, and Randomized Mechanisms
• Title（参考訳）: 多項目利益最大化のための一般化保証:価格、オークション、ランダム化メカニズム
• Authors: Maria-Florina Balcan, Tuomas Sandholm, and Ellen Vitercik
• Abstract要約: 購入者の価値に根ざした分布が存在する場合のマルチイテム利益について検討する。 購入者の値の任意のセットに対して、利益はメカニズムのパラメーターにおいて断片的に線形である。 我々は、まだサンプルベースのメカニズム設計文献にはないメカニズムクラスに対する新しい境界を証明した。
• 参考スコア（独自算出の注目度）: 86.81403511861788
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: We study multi-item profit maximization when there is an underlying distribution over buyers' values. In practice, a full description of the distribution is typically unavailable, so we study the setting where the mechanism designer only has samples from the distribution. If the designer uses the samples to optimize over a complex mechanism class -- such as the set of all multi-item, multi-buyer mechanisms -- a mechanism may have high average profit over the samples but low expected profit. This raises the central question of this paper: how many samples are sufficient to ensure that a mechanism's average profit is close to its expected profit? To answer this question, we uncover structure shared by many pricing, auction, and lottery mechanisms: for any set of buyers' values, profit is piecewise linear in the mechanism's parameters. Using this structure, we prove new bounds for mechanism classes not yet studied in the sample-based mechanism design literature and match or improve over the best-known guarantees for many classes.
• Abstract（参考訳）: 購入者の価値に根ざした分布が存在する場合,マルチイテム利益の最大化について検討する。 実際、分布の完全な説明は一般的に利用できないので、機構設計者が分布のサンプルしか持たない設定について検討する。 設計者が複雑なメカニズムクラス(例えば、すべてのマルチタスク、マルチバイヤーメカニズム)を最適化するためにサンプルを使用する場合、そのメカニズムはサンプルよりも平均利益が高いが、期待する利益は低い。 メカニズムの平均利益が期待される利益に近づいていることを保証するのに十分なサンプルはいくつあるのか? この質問に答えるために、多くの価格、オークション、宝くじメカニズムで共有される構造を明らかにする。 この構造を用いて、サンプルベースのメカニズム設計でまだ研究されていないメカニズムクラスに対する新しい境界を証明し、多くのクラスにおいて最もよく知られた保証に適合または改善する。

関連論文リスト

• Fair Allocation in Dynamic Mechanism Design [57.66441610380448]
  競売業者が各ラウンドの買い手グループに、合計で$T$で分けない商品を販売している問題を考える。 競売人は、各グループの最低平均配分を保証する公正な制約に固執しつつ、割引された全体の収益を最大化することを目的としている。
  論文  参考訳（メタデータ） (2024-05-31T19:26:05Z)
• Optimal Automated Market Makers: Differentiable Economics and Strong Duality [22.943723387429678]
  複数の商品の存在下での最適な市場形成はよく理解されていない。 最適な市場メーカを見つけることは、最適な輸送問題と双対であることを示します。 より複雑な振る舞いを示す設定において最適メカニズムの予想を示す。
  論文  参考訳（メタデータ） (2024-02-14T12:27:54Z)
• Refined Mechanism Design for Approximately Structured Priors via Active Regression [50.71772232237571]
  我々は、大量の商品を戦略的入札者に販売する収益を最大化する販売業者の問題を考える。 この設定の最適かつほぼ最適のメカニズムは、特徴付けや計算が難しいことで有名である。
  論文  参考訳（メタデータ） (2023-10-11T20:34:17Z)
• Robust multi-item auction design using statistical learning: Overcoming uncertainty in bidders' types distributions [6.5920927560926295]
  提案手法は,非パラメトリック密度推定を用いて,過去の入札から入札者のタイプを正確に推定する。 本機構の効率をさらに高めるために,クエリ削減のための2つの新しい戦略を導入する。 小規模データと大規模データの両方で実施されたシミュレーション実験により、当社のメカニズムは、収益設計やクエリ削減の観点から、既存の手法よりも一貫して優れていることが示された。
  論文  参考訳（メタデータ） (2023-02-02T08:32:55Z)
• Benefits of Permutation-Equivariance in Auction Mechanisms [90.42990121652956]
  競売人の収益を最大化しつつ、競売人の過去の後悔を最小限にする競売メカニズムは、経済学において重要であるが複雑な問題である。 ニューラルネットワークによる最適なオークションメカニズムの学習を通じて、注目すべき進歩が達成されている。
  論文  参考訳（メタデータ） (2022-10-11T16:13:25Z)
• Automated Mechanism Design for Classification with Partial Verification [64.69418921224529]
  部分検証による自動機構設計の問題点について検討する。 私たちは、すべてのタイプが結果よりも同じ好みを共有する設定における真実のメカニズムに焦点を当てています。
  論文  参考訳（メタデータ） (2021-04-12T03:29:31Z)
• VCG Mechanism Design with Unknown Agent Values under Stochastic Bandit Feedback [104.06766271716774]
  本研究では,エージェントが自己の価値を知らない場合に,マルチラウンドの福祉最大化機構設計問題について検討する。 まず、福祉に対する後悔の3つの概念、各エージェントの個々のユーティリティ、メカニズムの3つの概念を定義します。 当社のフレームワークは価格体系を柔軟に制御し、エージェントと販売者の後悔のトレードオフを可能にする。
  論文  参考訳（メタデータ） (2020-04-19T18:00:58Z)

関連論文リストは本サイト内にある論文のタイトル・アブストラクトから自動的に作成しています。

指定された論文の情報です。
本サイトの運営者は本サイト（すべての情報・翻訳含む）の品質を保証せず、本サイト（すべての情報・翻訳含む）を使用して発生したあらゆる結果について一切の責任を負いません。