具有异构买家的情境动态定价

我们首次研究具有异构买家群体的情境动态定价，其中卖家反复发布基于可观察 $d$ 维情境的价格并接收二元购买反馈。不同于以前假设买家类型均匀的工作，本文中买家的贴值类型从未知分布中抽取，分布支撑集大小为 $K_{\star}$。我们基于乐观后验抽样开发了情境定价算法，实现报酯为 $\widetilde{O}(K_{\star}\sqrt{dT})$，我们证明该报酯在 $d$ 和 $T$ 上达到了最佳（最多 logarithmic 项的因子）。最后，我们针对非情境定价情况进行了细化分析，提出一种方差感知的缩放算法，实现对 $K_{\star}$ 的最优依赖。