针对随机策略型耐心买家的标价收益最大化学习
计算机科学与博弈论
2022-06-28 v2 机器学习
摘要
我们考虑一个面临具有延迟决策能力（称为耐心）的买家的卖家。每个买家的类型由价值和耐心组成，且独立同分布于某一分布抽样。卖家使用标价，希望最大化向买家售货的收益。本文形式化了该设定并刻画了由此产生的Stackelberg均衡，其中卖家先承诺其策略，然后买家最优响应。随后，我们展示了如何计算最优纯策略与混合策略。接着考虑学习设定，其中卖家无法获知买家类型的分布。我们的主要结果如下：通过计算该设定的fat-shattering维数，导出了近似最优纯策略学习的样本复杂度界；此外，给出了近似最优混合策略的一般样本复杂度界。我们还考虑了在线设定，并推导了相对于最优纯策略与最优混合策略均消失的遗憾界。
引用
@article{arxiv.2202.06143,
title = {Learning Revenue Maximization using Posted Prices for Stochastic Strategic Patient Buyers},
author = {Eitan-Hai Mashiah and Idan Attias and Yishay Mansour},
journal= {arXiv preprint arXiv:2202.06143},
year = {2022}
}