大市场中的无嫉妒定价：收益与福利的近似
计算机科学与博弈论
2017-05-03 v2
摘要
我们研究无嫉妒定价(envy-free pricing)的经典设定，其中单一卖家为其众多物品选择价格，目标是在物品分配后最大化收益。尽管有大量工作研究此类设定，该问题的大多数版本在最大化收益方面未能获得良好的近似因子；即便对于经典的单位需求情形也是如此。本文研究具有单位需求买家的无嫉妒定价，但与以往工作不同，我们关注大市场：即每个买家的需求相对于整体市场规模无穷小。我们假设买家对其期望物品的估值为良好（尽管合理）的结构，即总体买家需求具有单调风险率，且各类买家类型的价值来自同一支撑集。对于此类大市场，我们的主要贡献是一个最大化收益的1.88近似算法，表明当买家数量很大时可计算出良好的定价方案。我们还给出一种(e,2)-双准则算法，同时近似最大收益与福利，从而表明同时获得良好收益与福利是可能的。我们通过放宽部分假设进一步推广了结果，并量化了此设定下收益与福利之间的必要权衡。我们的结果是针对大市场的首个已知近似，且关键依赖于我们为收益最大化价格证明的新下界。
引用
@article{arxiv.1503.00340,
title = {Envy-Free Pricing in Large Markets: Approximating Revenue and Welfare},
author = {Elliot Anshelevich and Koushik Kar and Shreyas Sekar},
journal= {arXiv preprint arXiv:1503.00340},
year = {2017}
}
备注
ACM Transactions on Economics and Computation (TEAC), to appear. Conference version appeared in ICALP 2015