分配市场中学习与战略激励的平衡
计算机科学与博弈论
2024-05-01 v2
摘要
本文考虑了在优先级队列中向战略代理人提供具有共同未观测质量的稀缺物品的问题。每个代理人对物品质量拥有私人信号,并观察其他代理人做出的决策。我们首先证明,在广泛使用的先到先得顺序提供机制下,会出现羊群行为:初始拒绝会引发信息级联,导致低效浪费。为了解决这个问题,我们随后引入了一类批处理机制。每批中的代理人根据其私人信号和先验信息报告他们是否愿意接受或拒绝该物品。如果多数人选择接受,则在该批次内随机分配物品。我们证明,合适的批处理机制是激励相容的,并能提高效率。该机制的一个关键特性是在每次分配失败后逐步增加批次大小;选择该大小是为了在不扭曲代理人真实报告激励的情况下,尽可能多地获取信息。此外,从医疗政策的角度来看,我们的结果可以揭示器官分配中的大量浪费。特别是,通过应用自适应同步提供机制,可以减少因羊群行为而产生的浪费。
引用
@article{arxiv.2110.14865,
title = {Counterbalancing Learning and Strategic Incentives in Allocation Markets},
author = {Itai Ashlagi and Jamie Kang and Moran Koren and Faidra Monachou},
journal= {arXiv preprint arXiv:2110.14865},
year = {2024}
}
备注
A preliminary version appeared in the Thirty-fifth Annual Conference on Neural Information Processing Systems (NeurIPS 2021)