排列等变性在拍卖机制中的益处

设计一种既能最大化拍卖者收入又能最小化竞拍者事后遗憾的激励兼容拍卖机制，是经济学中一个重要且复杂的问题。通过神经网络学习最优拍卖机制已取得了显著进展。在本文中，我们考虑了流行的加性估值和对称估值设定；即，对一组物品的估值定义为该组中所有物品估值之和，且当竞拍者和/或物品被排列时，估值分布保持不变。我们证明了排列等变神经网络具有显著优势：排列等变性降低了预期事后遗憾，提高了模型泛化能力，同时保持预期收入不变。这意味着排列等变性有助于逼近理论最优的占优策略激励兼容条件，并减少了实现所需泛化所需的样本复杂度。大量实验充分支持了我们的理论。据我们所知，这是理解排列等变性在拍卖机制中益处的首项工作。