对抗性双边交易的 $\alpha$-regret 分析
计算机科学与博弈论
2024-10-11 v2 数据结构与算法
机器学习
摘要
我们研究序列双边交易，其中卖方与买方的估值完全任意（即由对手决定）。卖方与买方是具有物品私人估值的策略型智能体，目标是设计一种机制，在具有激励相容、个体理性和预算平衡的同时最大化效率（或贸易收益）。本文中我们考虑贸易收益，其比社会福利更难近似。我们考虑多种反馈场景，并区分机制发布单一价格与可对买方和卖方发布不同价格的情形。我们展示了不同场景间分离性的若干令人惊讶的结果。特别地我们证明：(a) 对任意 不可能实现次线性 -regret；(b) 但在完全反馈下次线性 -regret 是可实现的；(c) 单一价格且部分反馈时，对任意常数 都无法得到次线性 -regret；(d) 尽管如此，即便仅一位反馈发布两个价格也能实现次线性 -regret；(e) 在 -regret 界上完全反馈与部分反馈之间存在可证明的分离。
引用
@article{arxiv.2210.06846,
title = {An $\alpha$-regret analysis of Adversarial Bilateral Trade},
author = {Yossi Azar and Amos Fiat and Federico Fusco},
journal= {arXiv preprint arXiv:2210.06846},
year = {2024}
}
备注
The conference version of this paper appeared in NeurIPS 22, while a journal version was published in the Artificial Intelligence Journal. With respect to the previous arXiv version, the current one contains a revised proof of Theorem 6