面向福利最大化的多维动态定价
数据结构与算法
2017-06-13 v3 计算机科学与博弈论
机器学习
摘要
我们研究如下卖家动态定价问题：面对独立从未知分布抽取的单元需求买家的在线到达，卖家对种不同类别的不可分商品进行动态定价。商品供应不限量，但只能以有限速率生产且生产有成本。卖家仅观察到每天购买的商品束，而对买家的估值函数其他一无所知。我们的主要成果是一个用于优化福利(含卖家生产成本)的动态定价算法，其运行时间与轮数关于和近似参数为多项式的。尽管存在以下困难我们仍做到这一点：(i)价格响应函数不连续，甚至其分数松弛也是关于价格的非凹函数；(ii)福利对卖家不可观测。我们将此结果作为可分割商品上福利优化的一般技术的应用，该一般技术本身具有独立意义。当买家对种可分割商品具有强凹的Hölder连续估值函数时，我们给出一般多项式时间动态定价技术。尽管在单位需求买家设定中商品不可分，且单位需求估值的自然分数松弛不是强凹的，我们仍能将此技术应用于该设定。为应用一般技术，我们引入一种新颖的价格随机化过程，其效果为隐式诱导买家用强凹函数“正则化”其估值。最后，我们将结果扩展至有限供应设定，其中每种商品的副本数不可补充。
引用
@article{arxiv.1607.05397,
title = {Multidimensional Dynamic Pricing for Welfare Maximization},
author = {Aaron Roth and Aleksandrs Slivkins and Jonathan Ullman and Zhiwei Steven Wu},
journal= {arXiv preprint arXiv:1607.05397},
year = {2017}
}