論文の概要: Optimal Nonparametric Dynamic Pricing with Censored Demand and Adversarial Inventory

• arxiv url: http://arxiv.org/abs/2609.32949v1
• Date: Sat, 26 Sep 2026 21:20:45 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-10-06 11:41:44.173141
• Title: Optimal Nonparametric Dynamic Pricing with Censored Demand and Adversarial Inventory
• Title（参考訳）: 補償需要を考慮した最適非パラメトリック動的価格設定と逆方向インベントリ
• Abstract要約: 我々は、価格の前に任意の在庫レベルが明らかにされる、検閲された需要を伴うオンライン動的価格について検討する。 2026年、Xu et al. [2026] は制限的な構造仮定の下で、$widetildemathcalO(sqrtT)$ regretを達成した。 我々の最初の貢献は、この枠組みをより一般的で統計的に難しい非パラメトリックな設定に拡張することである。
• 参考スコア（独自算出の注目度）: 44.84402725013114
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: We study online dynamic pricing with censored demand, where an arbitrary inventory level is revealed before pricing and may adapt to past observations, while demand follows an unknown, price-dependent distribution that is stationary over time. For a horizon of $T$ rounds, Xu et al. [2026] achieved $\widetilde{\mathcal{O}}(\sqrt{T})$ regret under restrictive structural assumptions including linear demand, price-independent additive noise, and conditions relating inventory levels to the noise support. Our first contribution is to extend this framework to a substantially more general and statistically harder nonparametric setting, requiring only the natural assumption that expected sales are nonincreasing in price and allowing nonlinear demand curves and price-dependent noise. For this model, we first propose a simple baseline, Double-Grid-UCB, which discretizes both price and inventory and achieves $\widetilde{\mathcal{O}}(T^{3/4})$ expected regret using separate revenue estimates for each price-inventory grid pair. Then, we develop Threshold-UCB, which improves the expected regret to $\widetilde{\mathcal{O}}(T^{2/3})$. Unlike Double-Grid-UCB, Threshold-UCB reuses sales observations across inventory levels through shared estimates of demand-tail probabilities, allowing the same data to support revenue upper bounds for multiple inventories rather than a single inventory bin. We also complement this upper bound with an $Ω(T^{2/3})$ lower bound via a reduction from stochastic posted pricing, establishing its minimax optimality. Finally, extensive experiments across inventory processes, demand functions, and noise models demonstrate consistently superior performance of Threshold-UCB over benchmark algorithms.
• Abstract（参考訳）: 検閲された需要でオンラインの動的価格を調査し、価格の前に任意の在庫レベルが明らかにされ、過去の観測に適応する一方、需要は時間とともに一定となる未知の価格依存分布に従う。 2026年、Xu et al [2026] は、線形需要、価格に依存しない付加音、および在庫レベルとノイズサポートに関する条件を含む限定的な構造的前提の下で、$\widetilde{\mathcal{O}}(\sqrt{T})$後悔を達成した。 最初のコントリビューションは、このフレームワークをより一般的で統計的に難しい非パラメトリックな設定に拡張し、予想される売上が非増加し、非線形需要曲線と価格依存ノイズを許容できるという自然な仮定だけを必要とすることです。 本モデルではまず,価格と在庫の両面を区別し,価格-発明的グリッドペアごとに異なる収益推定値を用いて,$\widetilde{\mathcal{O}}(T^{3/4})$期待の後悔を実現する,シンプルなベースラインであるDouble-Grid-UCBを提案する。 次にThreshold-UCBを開発し、期待される後悔を$\widetilde{\mathcal{O}}(T^{2/3})$に改善する。 ダブルグリッド・UCBとは異なり、Threshold-UCBは需要テール確率の共通見積を通じて在庫レベルの販売観測を再利用し、同じデータを単一の在庫箱ではなく、複数の在庫の収益上限をサポートする。 また、この上界を$Ω(T^{2/3})$下界で補うために、確率的ポストの価格から減らし、最小限の最適性を確立する。 最後に、在庫プロセス、需要関数、ノイズモデルにわたる広範な実験により、ベンチマークアルゴリズムよりもThreshold-UCBの方が一貫して優れた性能を示す。

関連論文リスト

• Clipped or Unclipped? Finite-Sample Trade-offs for Averaged SGD under Heavy-Tailed Noise [66.13091490213743]
  グラディエントクリッピングはトレーニングを安定させるために広く用いられているが、平均的なSGDの統計的精度を改善する必要はない。 有限条件の$p$-th モーメント,$pge2$ の条件下で, クリッピングおよび非クリッピングのPolyak-Ruppert平均 SGD の比較を導出した。 我々の主な結果は、$p>2$の場合、ガウス項が未開偏差境界を独占する明確な精度と信頼条件を与える。
  論文  参考訳（メタデータ） (2026-09-26T21:47:14Z)
• Minimax-Optimal Semiparametric Contextual Dynamic Pricing with Multimodal Revenue [6.201103695201767]
  コンテキスト動的価格をBounded, おそらくノンバイナリ購入量で検討する。 我々は、一様の最適価格を許すため、円滑さも強力なモダリティも収益に課さない。
  論文  参考訳（メタデータ） (2026-08-04T05:14:26Z)
• The Value of Information in Resource-Constrained Pricing [17.844881458673267]
  ハードキャパシティの制約の下では、不正確な予測に作用することで、将来の期間に必要な在庫を不可逆的に減少させることができる。 本研究では,予測の不確実性が線形需要,雑音,有限容量の動的価格決定にどのように伝播するかを検討する。 すべてのアルゴリズムは、キャパシティ境界付近の価格を安定化する境界アトラクション機構に依存している。
  論文  参考訳（メタデータ） (2026-03-26T03:06:57Z)
• Pricing Query Complexity of Multiplicative Revenue Approximation [20.644559918113945]
  本研究では、未公開の流通から個人価値を引き出す単一購入者に対する収益の価格クエリについて検討する。 この設定では、売り手は価格を掲示し、二国間購入決定のみを観察することで最適な独占価格を学ばなければならない。
  論文  参考訳（メタデータ） (2026-02-11T03:42:42Z)
• 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、$widetildemathcalO left( frac(k+1)3/2sqrtnT (1-G)のサブ線形後悔を被る。
  論文  参考訳（メタデータ） (2022-12-12T21:37:36Z)
• A Reinforcement Learning Approach in Multi-Phase Second-Price Auction Design [158.0041488194202]
  多相第2価格オークションにおけるリザーブ価格の最適化について検討する。 売り手の視点からは、潜在的に非現実的な入札者の存在下で、環境を効率的に探索する必要がある。 第三に、売り手のステップごとの収益は未知であり、非線形であり、環境から直接観察することさえできない。
  論文  参考訳（メタデータ） (2022-10-19T03:49:05Z)
• On Dynamic Pricing with Covariates [6.6543199581017625]
  UCBとThompsonのサンプリングに基づく価格設定アルゴリズムは、$O(dsqrtTlog T)$ regret upper boundを実現できることを示す。 私たちの後悔に対する上限は、対数的要因までの下位境界と一致します。
  論文  参考訳（メタデータ） (2021-12-25T16:30:13Z)
• Stochastic Shortest Path: Minimax, Parameter-Free and Towards Horizon-Free Regret [144.6358229217845]
  エージェントが目標状態に到達する前に蓄積される期待コストを最小限に抑えるために,最短経路(ssp)設定で学習する問題について検討する。 我々は,経験的遷移を慎重に歪曲し,探索ボーナスで経験的コストを摂動する新しいモデルベースアルゴリズムEB-SSPを設計する。 私達はEB-SSPが$widetildeO(B_star sqrtS A K)$のミニマックスの後悔率を達成することを証明します。
  論文  参考訳（メタデータ） (2021-04-22T17:20:48Z)
• Sharp Statistical Guarantees for Adversarially Robust Gaussian Classification [54.22421582955454]
  逆向きに頑健な分類の過剰リスクに対する最適ミニマックス保証の最初の結果を提供する。 結果はAdvSNR(Adversarial Signal-to-Noise Ratio)の項で述べられており、これは標準的な線形分類と逆数設定との類似の考え方を一般化している。
  論文  参考訳（メタデータ） (2020-06-29T21:06:52Z)

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。