面向频谱重新打包的深度优化

在 2016 至 2017 年的 13 个月里，美国联邦通信委员会（FCC）开展了一场“激励性拍卖”，旨在将无线电频谱从广播电视重新分配给无线互联网。最终，该拍卖获得了 198 亿美元收益，其中 100.5 亿美元支付给了 175 家广播机构，以换取其自愿放弃横跨 14 个 UHF 频道的许可证。继续播出的电视台被指派了潜在的新频道，以尽可能密集地排布在剩余的频道中。在扣除成本后，政府净赚超过 70 亿美元（用于偿还国债）。拍卖设计的一个关键要素是构建了一个名为 SATFC 的求解器，用于判定电视台集合是否能以这种方式进行“重新打包”；每当向某家电台提供报价时，都需要运行该求解器。本文描述了我们构建 SATFC 的过程。我们采用了一种称之为“深度优化”的方法，即采取数据驱动、高度参数化且计算密集型的求解器设计方法。具体而言，为了构建 SATFC，我们设计了相应的软件，能够将完备及局部搜索的 SAT 编码可行性检查与广泛的领域特定技术相结合。随后，我们使用自动算法配置技术构建了一个由八种互补算法组成的算法组合，以并行方式运行，旨在针对专有拍卖模拟中出现的实例实现良好的性能。为了在本文中评估求解器的影响，我们构建了一个开源的逆向拍卖模拟器。我们发现，在实际应用所需的较短时间预算内，SATFC 解决了其遇到的 95% 以上的问题。此外，在受限环境下，与 SATFC 配合的激励性拍卖产生了近乎最优的分配，并在国家规模上显著优于其他替代方案。