論文の概要: Learning to Bid in Discriminatory Auctions with Budget Constraints

• arxiv url: http://arxiv.org/abs/2606.29252v1
• Date: Sun, 28 Jun 2026 07:49:34 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-06-30 18:07:15.85836
• Title: Learning to Bid in Discriminatory Auctions with Budget Constraints
• Title（参考訳）: 予算制約を伴う差別オークションにおけるビッドの学習
• Abstract要約: 単価単価単価単価単価単価単価単価単価単価単価単価単価単価単価単価単価単価単価単価単価単価単価単価単価単価単価単価単価単価単価単価単価単価単価単価単価単価単価単価単価単価単価単価単価単価単価単価単価単価単価単価単価単価単価単価単価単価単価単価単価単価単価単価単価単価単価 アクション空間は、M$で指数関数的であり、入札者および評価ベクトルの最大需要は、時間とともに変化する。
• 参考スコア（独自算出の注目度）: 6.309531239485479
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: We study repeated bidding in multi-unit discriminatory (pay-as-bid) auctions for a single bidder with per-round utility equal to value minus $α$ times payment, where $α\in[0,1]$ is a cost-of-capital parameter. The bidder aims to maximize cumulative utility over $T$ rounds subject to a total budget $B$. The problem is challenging even without budgets: the action space is exponential in $M$, the maximum demand of the bidder and the valuation vector (context) varies over time. Exploiting a decomposition of utility across units, we develop polynomial-time learning algorithms based on shortest paths in a directed acyclic graph, obtaining sublinear regret under both full-information and bandit feedback. In the bandit setting, the regret is independent of the number of contexts due to complete cross-learning: observing the utility of the chosen action under the realized context reveals the utility for the same action under all counterfactual contexts. With budget constraints, when the average normalized per-round budget $ρ=\frac{B}{MT}<1$, we design a coupled primal-dual algorithm in which the DAG-based procedure uses dual-adjusted edge weights for primal updates, while online gradient descent updates the dual variable, yielding $ρ$-approximate sublinear regret. Finally, we give implementations whose per-round time and space are independent of the number of contexts, enabling scalability to large or even infinite context spaces.
• Abstract（参考訳）: 単価単価の単価単価単価単価単価の競売において,単価の対価が対価の対価である場合,対価の対価が対価の対価の対価の対価の対価の対価の対価の対価の対価の対価の対価の対価の対価の対価の対価の対価の対価の対価の対価の対価の対価の対価の対価の対価の対価の対価の対価の対価の対価の対価の対価の対価の対価の対価の対価の対価の対価の対価の対価の対価の対価の対価の対価の対価の対価の対価の対価の対価の対価の対価の対価の対価の対価の対価の対価の対価の対価の対価の対価の対価の対価の対価の対価の対価の対価の対の対の対の対の対の対の対 この入札者は、総予算$B$の対象となるT$ラウンドで累積ユーティリティーを最大化することを目指している。 アクション空間は、M$で指数関数的であり、入札者および評価ベクトル(コンテキスト)の最大需要は、時間とともに変化する。 単位間の効用の分解を行い,有向非巡回グラフにおける最短経路に基づく多項式時間学習アルゴリズムを開発し,全情報フィードバックと帯域幅フィードバックの両方でサブ線形後悔を得る。 バンドイット設定では、後悔は完全なクロスラーニングによるコンテキストの数とは無関係である: 実現されたコンテキストの下で選択されたアクションの効用を観察することは、すべての反事実的コンテキストの下で同じアクションの効用を明らかにする。 予算制約により、平均正規化されたラウンド単位の予算が$ρ=\frac{B}{MT}<1$となると、DAGベースのプロシージャが原始更新に二重調整エッジウェイトを使用し、オンライン勾配降下が二重変数を更新し、$ρ$-approximate sublinear regretをもたらすような結合原始双対アルゴリズムを設計する。 最後に,時間と空間がコンテキスト数に依存しない実装を提供することで,大規模あるいは無限のコンテキスト空間へのスケーラビリティを実現する。

関連論文リスト

• Breaking the Total Variance Barrier: Sharp Sample Complexity for Linear Heteroscedastic Bandits with Fixed Action Set [93.03556214432615]
  本稿では,学習過程を通じて動作セットをプレフィックスするヘテロセシダスティックノイズによる線形帯域問題を再検討する。 本稿では,情報ゲインを最大化するアクションを積極的に探求する,大規模アクション集合のための分散適応アルゴリズムのtexttVAEEを提案する。 音素平均依存率が避けられないことを示す固定作用集合に対して、ほぼ一致する下界を確立する。
  論文  参考訳（メタデータ） (2026-07-26T14:24:34Z)
• The Sample Complexity of Multiclass and Sparse Contextual Bandits [106.74652380822778]
  我々は,包括的フィードバックに基づいて,与えられたクラスからほぼ最適なポリシーを特定することを目的とする。 ゼロ・ワンの報酬を伴うバンド型マルチクラス分類に動機付けられ、emph$s$-sparse設定に焦点をあてる。 我々は、$s$-sparseの報酬で、誘導モデルクラスは、$s$でスケールするシャープなDEC境界を認め、直接最適なレートを得ることを示す。
  論文  参考訳（メタデータ） (2026-05-28T09:12:20Z)
• Active Context Selection Improves Simple Regret in Contextual Bandits [25.361115767570244]
  有限文脈空間(サブポピュレーション)を用いた文脈多重武装バンディット問題について検討する。 私たちの保証は、報酬分布よりも最悪のケースですが、コンテキスト分布ベクトル$p$に関しては、インスタンス依存のままです。 p$が不明な場合、コンテキスト分布とアクティブアロケーションに切り替える時間を最適に推定するExplore-Explore-Then-Commit (EETC)アルゴリズムを提案する。
  論文  参考訳（メタデータ） (2026-05-19T16:01:58Z)
• Logistic Bandits with $\tilde{O}(\sqrt{dT})$ Regret without Context Diversity Assumptions [1.0098114696565863]
  SupSplitLogは、コンテキストの多様性を仮定せずに$tildemathcalO(sqrtdT)$ regretを達成するロジスティックバンディットのための最初のアルゴリズムである。 SupSplitLogは、後悔の上限における次元$d$への依存の観点から、既存のアルゴリズムを厳密に改善する。
  論文  参考訳（メタデータ） (2026-04-24T02:21:59Z)
• Sparse Linear Bandits with Blocking Constraints [22.01704171400845]
  データ・ポーア・システマにおける高次元スパース線形包帯問題について検討する。 線形モデルに対するラッソ推定器の新たなオフライン統計的保証を示す。 本稿では,最小限のコストで最適空間パラメータ$k$の知識を必要としない相関に基づくメタアルゴリズムを提案する。
  論文  参考訳（メタデータ） (2024-10-26T01:42:03Z)
• High-dimensional Linear Bandits with Knapsacks [7.8856737627153874]
  本研究では,スパース推定をオンラインで行うハードしきい値アルゴリズムのオンライン版を開発する。 以下の構造的仮定のいずれかが、よりシャープな後悔境界である$tildeO(s_0 sqrtT)$に対して十分であることを示す。 副産物として、クナップサック制約を伴わない高次元のコンテキスト帯域に我々のフレームワークを適用することで、データポーラとデータリッチレジームの両方において最適な後悔率を回復する。
  論文  参考訳（メタデータ） (2023-11-02T15:40:33Z)
• Variance-Aware Regret Bounds for Stochastic Contextual Dueling Bandits [53.281230333364505]
  本稿では, 一般化線形モデル(GLM)から, デュエルアームのバイナリ比較を生成するコンテキストデュエルバンド問題について検討する。 本稿では,SupLinUCB型アルゴリズムを提案する。このアルゴリズムは,計算効率と分散を意識したリセットバウンド$tilde Obig(dsqrtsum_t=1Tsigma_t2 + dbig)$を提案する。 我々の後悔は、比較が決定論的である場合の直感的な期待と自然に一致し、アルゴリズムは$tilde O(d)$ regretにのみ悩まされる。
  論文  参考訳（メタデータ） (2023-10-02T08:15:52Z)
• Variance-Dependent Regret Bounds for Linear Bandits and Reinforcement Learning: Adaptivity and Computational Efficiency [90.40062452292091]
  本稿では,不整合雑音を持つ線形帯域に対する計算効率のよい最初のアルゴリズムを提案する。 我々のアルゴリズムは未知のノイズの分散に適応し、$tildeO(d sqrtsum_k = 1K sigma_k2 + d)$ regretを達成する。 また、強化学習において、線形混合マルコフ決定過程(MDP)に対する分散適応アルゴリズムを提案する。
  論文  参考訳（メタデータ） (2023-02-21T00:17:24Z)
• Improved Regret for Efficient Online Reinforcement Learning with Linear Function Approximation [69.0695698566235]
  線形関数近似による強化学習と,コスト関数の逆変化について検討した。 本稿では,未知のダイナミクスと帯域幅フィードバックの一般設定に挑戦する,計算効率のよいポリシ最適化アルゴリズムを提案する。
  論文  参考訳（メタデータ） (2023-01-30T17:26:39Z)
• Autoregressive Bandits [58.46584210388307]
  本稿では,オンライン学習環境であるAutoregressive Banditsを提案する。 報酬プロセスの軽微な仮定の下では、最適ポリシーを便利に計算できることが示される。 次に、新しい楽観的後悔最小化アルゴリズム、すなわちAutoRegressive Upper Confidence Bound (AR-UCB)を考案し、$widetildemathcalO left( frac(k+1)3/2sqrtnT (1-G)のサブ線形後悔を被る。
  論文  参考訳（メタデータ） (2022-12-12T21:37:36Z)
• Online Stochastic Optimization with Wasserstein Based Non-stationarity [12.91020811577007]
  有限期間の地平線上の複数の予算制約を持つ一般的なオンライン最適化問題を検討する。 意思決定者の目標は、予算制約の対象となる累積報酬を最大化することである。 この定式化は、オンラインリニアプログラミングやネットワーク収益管理を含む幅広いアプリケーションを取り込む。
  論文  参考訳（メタデータ） (2020-12-13T04:47:37Z)
• Stochastic Linear Bandits Robust to Adversarial Attacks [117.665995707568]
  我々はロバスト位相除去アルゴリズムの2つの変種を提供し、その1つは$C$を知っており、もう1つはそうでない。 いずれの変種も、倒壊しない場合には、それぞれ$C = 0$ となり、それぞれ追加の加法項が生じる。 文脈的設定では、単純な欲求的アルゴリズムは、明示的な探索を行わず、C$を知らないにもかかわらず、ほぼ最適加法的後悔項で証明可能な堅牢性を示す。
  論文  参考訳（メタデータ） (2020-07-07T09:00:57Z)
• Optimal No-regret Learning in Repeated First-price Auctions [38.908235632001116]
  オンライン学習を反復した初価オークションで研究する。 我々は,ほぼ最適の$widetildeO(sqrtT)$ regret boundを達成するための最初の学習アルゴリズムを開発した。
  論文  参考訳（メタデータ） (2020-03-22T03:32:09Z)

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。