基于样本定价的显示差距
计算机科学与博弈论
2021-03-01 v1
摘要
本文考虑先验独立机制设计，其中设计单一机制以在给定类别的每一个先验分布上取得近似最优性能。该文献中的多数结果聚焦于具有诚实均衡（即诚实机制）的机制。Feng 与 Hartline（2018）引入显示差距以量化限制于诚实机制所带来的损失。我们解决了 Feng 与 Hartline（2018）留下的一个主要开放问题；即，我们确定了收益最大化中存在非平凡的显示差距。我们的分析聚焦于向单一智能体出售单物品的典型问题，且仅能获取该智能体估值分布的一个样本。我们确定了样本出价机制（一种简单的非诚实机制），并将其先验独立近似比的上界确定为：对正则（resp. MHR）分布为 1.835（resp. 1.296）。我们进一步证明，对任何诚实机制，对正则（resp. MHR）分布均无法取得优于 1.957（resp. 1.543）的先验独立近似比。因此，由于样本出价机制优于最优先验独立诚实机制，非平凡的显示差距得以显现。在困难性方面，我们证明即便对均匀分布，任何（可能为非诚实的）机制均无法取得优于 1.073 的先验独立近似比。
引用
@article{arxiv.2102.13496,
title = {Revelation Gap for Pricing from Samples},
author = {Yiding Feng and Jason D. Hartline and Yingkai Li},
journal= {arXiv preprint arXiv:2102.13496},
year = {2021}
}
备注
This paper will appear in Proceedings of the ACM Symposium on Theory of Computing 2021 (STOC'21)