利用马尔可夫链设计连续双向拍卖的智能体竞价策略
人工智能
2017-01-08 v1
摘要
随着计算智能体被开发用于日益复杂的电子商务应用，其决策的复杂性要求人工智能技术的进步。例如，在拍卖中代表卖家的智能体应通过推理各种可能不确定的信息来最大化卖家利润，这些信息包括不同买家可能愿意支付的最高价格、竞争卖家可能给出的价格、拍卖运作的规则、买卖报价的动态到达与匹配等。若简单应用多智能体推理技术，将要求卖家智能体在扩展的时间范围内显式地建模所有其他智能体，这使得许多实际规模的问题变得难以处理。我们转而设计了一种新策略，使智能体能够基于一个更易处理的拍卖过程马尔可夫链模型来确定其出价。我们通过实验确定了新策略表现良好的条件，并将其性能与智能体在预知未来情况下所能达到的最优性能进行了比较。结果表明，我们的新策略总体上表现良好，在多数实验中优于其他易处理的启发式策略，并且在有许多购买报价的“卖方市场”中尤为有效。
引用
@article{arxiv.1106.6022,
title = {Use of Markov Chains to Design an Agent Bidding Strategy for Continuous Double Auctions},
author = {W. P. Birmingham and E. H. Durfee and S. Park},
journal= {arXiv preprint arXiv:1106.6022},
year = {2017}
}