論文の概要: Improved learning rates in multi-unit uniform price auctions

• arxiv url: http://arxiv.org/abs/2501.10181v1
• Date: Fri, 17 Jan 2025 13:26:12 GMT
• ステータス: 翻訳完了
• システム内更新日: 2025-01-20 13:58:50.467367
• Title: Improved learning rates in multi-unit uniform price auctions
• Title（参考訳）: 多ユニット均一価格オークションにおける学習率の向上
• Authors: Marius Potfer, Dorian Baudry, Hugo Richard, Vianney Perchet, Cheng Wan,
• Abstract要約: 複数ユニットの均一価格オークションにおけるオンライン学習の課題を,対立する入札設定に焦点をあてて検討した。 我々は,この問題の構造を活かした学習アルゴリズムが,帯域幅フィードバック下での$tildeO(K4/3T2/3)の後悔を実現することを証明した。 電力備蓄市場からインスパイアされたフィードバックモデルを導入し,すべての入札を提示する。
• 参考スコア（独自算出の注目度）: 20.8319469276025
• License:
• Abstract: Motivated by the strategic participation of electricity producers in electricity day-ahead market, we study the problem of online learning in repeated multi-unit uniform price auctions focusing on the adversarial opposing bid setting. The main contribution of this paper is the introduction of a new modeling of the bid space. Indeed, we prove that a learning algorithm leveraging the structure of this problem achieves a regret of $\tilde{O}(K^{4/3}T^{2/3})$ under bandit feedback, improving over the bound of $\tilde{O}(K^{7/4}T^{3/4})$ previously obtained in the literature. This improved regret rate is tight up to logarithmic terms. Inspired by electricity reserve markets, we further introduce a different feedback model under which all winning bids are revealed. This feedback interpolates between the full-information and bandit scenarios depending on the auctions' results. We prove that, under this feedback, the algorithm that we propose achieves regret $\tilde{O}(K^{5/2}\sqrt{T})$.
• Abstract（参考訳）: 電力市場における電力生産者の戦略的関与を動機として,対立する入札設定に焦点をあてた複数ユニット均一価格オークションにおいて,オンライン学習の課題について検討した。 この論文の主な貢献は、入札空間の新しいモデリングの導入である。 実際、この問題の構造を活かした学習アルゴリズムは、帯域フィードバックの下で$\tilde{O}(K^{4/3}T^{2/3})$の後悔を達成し、文献で以前に得られた$\tilde{O}(K^{7/4}T^{3/4})$の限界を超えて改善する。 この改善された後悔率は対数的条件まで厳格である。 電力備蓄市場の影響を受けて、我々はさらに、全ての入賞入札が明らかにされる異なるフィードバックモデルを導入する。 このフィードバックは、オークションの結果に応じて、完全な情報と盗賊のシナリオを補間する。 このフィードバックのもと、提案するアルゴリズムが後悔の$\tilde{O}(K^{5/2}\sqrt{T})$を達成することを証明している。

関連論文リスト

• Nearly Optimal Algorithms for Contextual Dueling Bandits from Adversarial Feedback [58.66941279460248]
  人からのフィードバックから学ぶことは、大言語モデル(LLM)のような生成モデルを調整する上で重要な役割を果たす 本稿では,本問題の領域内モデルについて考察する。-文脈的デュエルバンディットと敵対的フィードバックを併用し,真の嗜好ラベルを敵によって反転させることができる。 本稿では,不確実性重み付き最大推定に基づく頑健なコンテキストデュエルバンドイット(アルゴ)を提案する。
  論文  参考訳（メタデータ） (2024-04-16T17:59:55Z)
• No-Regret Learning in Bilateral Trade via Global Budget Balance [29.514323697659613]
  我々は、様々なフィードバックモデルの下で、敵対的二元貿易のための最初のノンレグレットアルゴリズムを提供する。 フルフィードバックモデルでは、学習者は後見の最高の固定価格に対して$tilde O(sqrtT)$ regretを保証できる。 また,1ビットフィードバックを伴って,$tilde O(T3/4)$ regret upper boundを保証した学習アルゴリズムも提供する。
  論文  参考訳（メタデータ） (2023-10-18T22:34:32Z)
• Learning in Repeated Multi-Unit Pay-As-Bid Auctions [3.6294895527930504]
  本研究では,単一入札者の視点から,ペイ・アズ・バイド(PAB)オークションにおける入札戦略の問題点を考察する。 提案手法は,競合する入札が事前に知られている場合のオフライン問題を,時間アルゴリズムで解くことができることを示す。 また,PAB平衡のキャラクタリゼーションについても検討した。
  論文  参考訳（メタデータ） (2023-07-27T20:49:28Z)
• Learning and Collusion in Multi-unit Auctions [17.727436775513368]
  均一な価格で複数ユニットのオークションを繰り返し検討する。 このオークションの特性をオフラインとオンラインの両方で分析する。 ここでは、$(K+1)$-stの価格形式が入札者間の共謀の影響を受けやすいことを示す。
  論文  参考訳（メタデータ） (2023-05-27T08:00:49Z)
• Repeated Bilateral Trade Against a Smoothed Adversary [5.939280057673226]
  我々は、アダプティブ$sigma$-smooth敵が売り手と買い手のバリュエーションを生成する二国間取引について検討する。 本研究では、異なるフィードバックモデルの下での固定価格機構に対する後悔状態の完全な特徴付けを行う。
  論文  参考訳（メタデータ） (2023-02-21T16:30:10Z)
• Autobidders with Budget and ROI Constraints: Efficiency, Regret, and Pacing Dynamics [53.62091043347035]
  オンライン広告プラットフォームで競合するオートバイディングアルゴリズムのゲームについて検討する。 本稿では,全ての制約を満たすことを保証し,個人の後悔を解消する勾配に基づく学習アルゴリズムを提案する。
  論文  参考訳（メタデータ） (2023-01-30T21:59:30Z)
• A Reinforcement Learning Approach in Multi-Phase Second-Price Auction Design [158.0041488194202]
  多相第2価格オークションにおけるリザーブ価格の最適化について検討する。 売り手の視点からは、潜在的に非現実的な入札者の存在下で、環境を効率的に探索する必要がある。 第三に、売り手のステップごとの収益は未知であり、非線形であり、環境から直接観察することさえできない。
  論文  参考訳（メタデータ） (2022-10-19T03:49:05Z)
• Online Markov Decision Processes with Aggregate Bandit Feedback [74.85532145498742]
  本稿では,オンライン有限水平マルコフ決定過程の新たな変種について検討する。 各エピソードにおいて、学習者は、エピソードの選択した方針によって実現された軌道に沿って蓄積された損失を被り、総括的盗聴フィードバックを観察する。 我々の主な結果は計算効率のよいアルゴリズムで、$O(sqrtK)$ regret for this set, where $K$ is the number of episodes。
  論文  参考訳（メタデータ） (2021-01-31T16:49:07Z)
• ProportionNet: Balancing Fairness and Revenue for Auction Design with Deep Learning [55.76903822619047]
  本研究では,強力なインセンティブ保証を備えた収益最大化オークションの設計について検討する。 我々は、高い収益と強力なインセンティブ保証を維持しつつ、公平性の懸念に対処するため、深層学習を用いてオークションを近似する手法を拡張した。
  論文  参考訳（メタデータ） (2020-10-13T13:54:21Z)
• Almost Optimal Model-Free Reinforcement Learning via Reference-Advantage Decomposition [59.34067736545355]
  有限水平型マルコフ決定過程(MDP)における強化学習問題を,S$状態,A$動作,エピソード長$H$を用いて検討した。 モデルフリーアルゴリズム UCB-Advantage を提案し、$T = KH$ および $K$ が再生すべきエピソード数である場合に $tildeO(sqrtH2SAT)$ regret を達成することを証明した。
  論文  参考訳（メタデータ） (2020-04-21T14:00:06Z)

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。