Automated Deterministic Auction Design with Objective Decomposition

要約

ドミナント戦略インセンティブ適合性 (DSIC) と個別合理的 (IR) の両方を備えた高収益メカニズムを特定することは、オークション設計における基本的な課題です。
複数アイテムのオークションでは理論的アプローチがボトルネックに直面することもありましたが、機械学習を使用したそのようなメカニズムの自動設計では実証的に多くの進歩が見られました。
しかし、既存の研究は主にランダム化されたオークションに焦点を当てており、より実用的な決定論的なオークションにはあまり注目されていません。
したがって、この論文では、決定論的オークションの自動設計を調査し、仮想評価組み合わせオークション (VVCA) を自動設計するための客観的分解アプローチである OD-VVCA を紹介します。
まず、メカニズムを決定論的な VVCA に制限します。VVCA は本質的に DSIC と IR です。
その後、並列化可能な動的プログラミング アルゴリズムを利用して、VVCA の割り当てと収益結果を効率的に計算します。
次に、収益目的関数を連続コンポーネントと区分的一定の不連続コンポーネントに分解し、それぞれを個別の方法で最適化します。
広範な実験により、OD-VVCA は複数アイテムのオークション、特に大規模な設定でランダム化されたベースラインと決定的なベースラインの両方を上回るパフォーマンスで高い収益を達成することが示されており、その有効性と拡張性が示されています。

要約(オリジナル)

Identifying high-revenue mechanisms that are both dominant strategy incentive compatible (DSIC) and individually rational (IR) is a fundamental challenge in auction design. While theoretical approaches have encountered bottlenecks in multi-item auctions, there has been much empirical progress in automated designing such mechanisms using machine learning. However, existing research primarily focuses on randomized auctions, with less attention given to the more practical deterministic auctions. Therefore, this paper investigates the automated design of deterministic auctions and introduces OD-VVCA, an objective decomposition approach for automated designing Virtual Valuations Combinatorial Auctions (VVCAs). Firstly, we restrict our mechanism to deterministic VVCAs, which are inherently DSIC and IR. Afterward, we utilize a parallelizable dynamic programming algorithm to compute the allocation and revenue outcomes of a VVCA efficiently. We then decompose the revenue objective function into continuous and piecewise constant discontinuous components, optimizing each using distinct methods. Extensive experiments show that OD-VVCA achieves high revenue in multi-item auctions, especially in large-scale settings where it outperforms both randomized and deterministic baselines, indicating its efficacy and scalability.

arxiv情報

提供元, 利用サービス

arxiv.jp, Google