基于神经网络的公共项目机制设计
计算机科学与博弈论
2020-02-27 v1
摘要
我们研究不可排他性与可排他性二元公共项目问题中的机制设计。我们的目标是最大化期望消费者数量与期望社会福利。对于不可排他公共项目模型，我们识别出先验分布上的一组充分条件，使得保守均等成本机制成为最优的防策略且个体理性机制。对于一般分布，我们提出一个动态规划以求解最优机制。对于可排他公共项目模型，我们识别出使串行成本分担机制对 和 个智能体最优的类似充分条件。我们推导了一个数值上界。实验表明，对于若干常见分布，串行成本分担机制接近最优。串行成本分担机制一般而言并非最优。我们通过神经网络设计了性能更优的机制。我们的方法包含若干可推广至一般机制设计的技术创新。我们将机制解释为面向价格的无配给(PORF)机制，从而将机制复杂的(如迭代)决策移出网络，交由独立程序处理。我们将先验分布的解析形式输入代价函数，为训练提供高质量梯度。我们利用对人工机制的监督作为系统化的初始化方式。我们“先监督后梯度下降”的方法能有效提升人工机制的性能，亦能有效修正基于启发式却不可行机制中的约束违背。
引用
@article{arxiv.2002.11382,
title = {Mechanism Design for Public Projects via Neural Networks},
author = {Guanhua Wang and Runqi Guo and Yuko Sakurai and Ali Babar and Mingyu Guo},
journal= {arXiv preprint arXiv:2002.11382},
year = {2020}
}