如何最优地出售信息：一项算法研究
计算机科学与博弈论
2020-12-24 v2
摘要
我们研究向在不确定性下面临决策问题的智能体出售信息的算法问题。我们采用 Bergemann 等人 [BBS18] 最近提出的模型，其中信息通过称为实验的信号机制揭示。在单智能体设定下，任何机制都可表示为一个实验菜单。我们的结果表明，设计收益最优菜单的计算复杂度严重依赖于模型的指定方式。当问题的所有参数被显式给出时，我们提供一种多项式时间算法来计算收益最优菜单。对于模型以简洁隐式描述给出的情形，我们表明该问题的可处理性与最佳响应预言机（Best Response Oracle）的高效实现紧密相关：当其可被高效实现时，我们提供一种加性 FPTAS，其运行时间独立于动作数量。另一方面，我们提供一类问题，其中构建最佳响应预言机在计算上是难处理的，并且我们证明即便获得最优收益的常数比例也是 NP-hard 的。此外，我们研究了 Bergemann 等人 [BBS18] 原始模型的推广，该推广允许多个智能体竞争有用信息。我们利用拍卖设计研究中所发展的技术（参见例如 [CDW12a]、[AFHHM12]、[CDW12b]、[CDW13a]、[CDW13b]）来设计一种多项式时间算法，用于计算出售信息的收益最优机制。
引用
@article{arxiv.2011.14570,
title = {How to Sell Information Optimally: an Algorithmic Study},
author = {Yang Cai and Grigoris Velegkas},
journal= {arXiv preprint arXiv:2011.14570},
year = {2020}
}