噪声组合市场中的竞争均衡学习
计算机科学与博弈论
2021-01-26 v1
摘要
我们提出一种方法，用于在买方不知道其对商品束的精确估值、而只能提供噪声估计的假设下，鲁棒地估计组合市场的竞争均衡（CE）。我们首先给出了给定一市场对另一市场的均匀近似时，买方效用损失乃至CE集合的紧致下界与上界。随后我们为我们的设定开发了学习框架，并提出了两种概率近似正确（PAC）的学习CE算法，即产生保持CE的均匀近似，并带有有限样本保证。第一种是基线方法，利用霍夫丁不等式以高概率产生买方估值的均匀近似。第二种利用经济学第一福利定理与均匀近似之间的联系，在判定某些价值查询可证明不属于CE时自适应地剪枝。我们用算法进行实验，发现剪枝算法以远少于基线的样本取得了更好的估计。
引用
@article{arxiv.2101.09551,
title = {Learning Competitive Equilibria in Noisy Combinatorial Markets},
author = {Enrique Areyan Viqueira and Cyrus Cousins and Amy Greenwald},
journal= {arXiv preprint arXiv:2101.09551},
year = {2021}
}
备注
An earlier version of this paper appeared in Proceedings of the 2nd Games, Agents, and Incentives Workshop (GAIW@ AAMAS 2020). An extended abstract of this paper to appear in Proc. of the 20th International Conference on Autonomous Agents and Multiagent Systems (AAMAS 2021)