通过自动化机制设计出售给单需求买家的多件物品
理论经济学
2026-01-09 v3
摘要
寻找出售多件物品的最优（收益最大化）机制一直是 prominence 和 notoriously difficult 的开放问题。现有工作主要聚焦于针对特定问题类别（例如，Giannakopoulos，2015；Yang，2025）推导解析结果。本文探索了自动化机制设计（AMD）的通用方法性可能性。我们首先采用 D"utting 等人（2023）开发的深度学习算法来数值求解小规模问题，结果通过充满智慧的猜测并通过对偶性进行严格验证。我们聚焦于一个只能消费一件物品的单一买家，使得我们的ethods 导致两个关键贡献：建立验证广泛问题最优性的更简单方法，以及发现统一定价最优性的全新结果。首先，我们表明，在价值分布属于包含均匀分布为特例的类中，出售每个物品以相同价格（或等价地出售所有物品的大型捆绑）对任何数量的物品都是最优的。允许不同物品具有不同的分布。其次，对于每个数量的物品，我们建立了 necessary and sufficient 条件，使得当价值分布在区间 [c, c+1] 上均匀分布时，c 必须满足什么样的条件才能使统一定价最优。后者模型不满足先前已知的大型捆绑最优性充分条件（Haghpanah & Hartline，2021）。我们的结果与针对 n 件物品（任意 n）的唯一已知结果（Giannakopoulos，2015；Daskalakis 等人，2017）形成对比，这些结果考虑的是具有可加偏好的单买家，其中物品价值受严格限制为 i.i.d. 按均匀或指数分布。
引用
@article{arxiv.2502.10086,
title = {Selling Multiple Items to a Unit-Demand Buyer via Automated Mechanism Design},
author = {Kento Hashimoto and Keita Kuwahara and Reo Nonaka},
journal= {arXiv preprint arXiv:2502.10086},
year = {2026}
}