非 IC 拍卖下广告市场中的多平台预算管理

在线广告市场中，受预算约束的广告主通过在各平台拍卖中重复出价来获取广告位。我们提出一种在可能存在或不存在激励相容（incentive-compatible，IC）的拍卖集合中、于预算约束下进行最优出价的策略。我们的策略在期望上满足广告主预算约束的同时，最大化跨拍卖的期望总效用。此外，我们研究了在线设定，其中广告主必须在跨平台提交出价的同时，随时间学习其他竞标者的出价。我们的算法在全信息设定下具有 $O(T^{3/4})$ 后悔值（regret）。最后，我们证明相较于现有的自适应步速（adaptive pacing）算法，我们的算法在合成与真实世界广告位拍卖数据集上均具有更优的累积后悔值。