[論文レビュー] Contextual Reserve Price Optimization in Auctions.

Joey Huchette, Haihao Lu+2 more|arXiv (Cornell University)|Feb 20, 2020

Reinforcement Learning in Robotics参考文献 31被引用数 1

ひとこと要約

この論文は、非凸かつ不連続な期待収益関数を正確にモデル化するため、オークションにおける文脈的リザーブプライスを最適化するための混合整数プログラミング（MIP）定式化を提案する。MIPが理想（最強のフォーミュレーション）であることを示し、実験を通じて、実データおよび合成データにおけるインサンプルおよびアウトオブサンプル性能において、最先端の手法を上回ることを示している。

ABSTRACT

We study the problem of learning a linear model to set the reserve price in order to maximize expected revenue in an auction, given contextual information. First, we show that it is not possible to solve this problem in polynomial time unless the \emph{Exponential Time Hypothesis} fails. Second, we present a strong mixed-integer programming (MIP) formulation for this problem, which is capable of exactly modeling the nonconvex and discontinuous expected reward function. Moreover, we show that this MIP formulation is ideal (the strongest possible formulation) for the revenue function. Since it can be computationally expensive to exactly solve the MIP formulation, we also study the performance of its linear programming (LP) relaxation. We show that, unfortunately, in the worst case the objective gap of the linear programming relaxation can be $O(n)$ times larger than the optimal objective of the actual problem, where $n$ is the number of samples. Finally, we present computational results, showcasing that the mixed-integer programming formulation, along with its linear programming relaxation, are able to superior both the in-sample performance and the out-of-sample performance of the state-of-the-art algorithms on both real and synthetic datasets.

研究の動機と目的

• 文脈的情報を用いて期待収益を最大化するように最適なリザーブプライスを設定するという課題に対処すること。
• リザーブプライスを備えたオークションメカニズムに起因する非凸的かつ不連続な期待報酬関数をモデル化すること。
• 収益関数を正確に捉え、理想の（最強の）混合整数プログラミング定式化を開発すること。
• MIP定式化の線形計画法（LP）緩和の最悪ケースにおける目的関数ギャップを分析すること。
• 提案されたMIPおよびその緩和を、実データおよび合成データセット上で最先端のアルゴリズムと比較して実験的に評価すること。

提案手法

• 非凸的かつ不連続な期待収益関数を正確にモデル化する混合整数プログラミング（MIP）として、リザーブプライス最適化問題を定式化する。
• MIP定式化が理想であることを証明し、収益関数に対して最もタイトな線形緩和を提供することを示す。
• LP緩和の最悪ケースにおける目的関数ギャップを分析し、最適値の$O(n)$倍までギャップが生じ得ることを示す。ここで$n$はサンプル数である。
• 文脈的特徴からリザーブプライスへの線形マッピングを採用し、MIPがリザーブプライス選択の離散的構造を符号化している。
• 計算実験を用いて、MIPおよびそのLP緩和を、合成データおよび実世界のオークションデータセット上で最先端のアルゴリズムと比較する。
• MIP定式化を用いて、文脈的情報に基づくリザーブプライス設定の線形ポリシーを学習し、長期的な期待収益を最適化する。

実験結果

リサーチクエスチョン

• RQ1 文脈的リザーブプライスオークションにおける非凸的かつ不連続な期待収益関数を正確にモデル化するためのMIP定式化を構築できるか？
• RQ2 提案されたMIP定式化は理想であるか、すなわち収益関数に対して最強の線形緩和を提供するか？
• RQ3 MIPのLP緩和と真の最適解との間の最悪ケース性能ギャップはどの程度か？
• RQ4 MIP定式化およびそのLP緩和は、インサンプルおよびアウトオブサンプル性能において、最先端のアルゴリズムと比較してどのように差をつけるか？
• RQ5 提案手法は、未観測データに対して一般化できるか、アウトオブサンプル収益性能で示されるように、分布シフトに対して堅牢か？

主な発見

• 指数時間仮説が成立しない限り、文脈的リザーブプライス最適化問題は多項式時間では解けないことが示され、本質的な計算困難性を示している。
• 提案されたMIP定式化が理想であることが証明され、収益関数に対して最強の線形緩和を提供することが示された。
• LP緩和の最悪ケースにおける目的関数ギャップは、サンプル数$n$が関係し、最適目的値の$O(n)$倍まで大きくなる可能性がある。
• 実験的結果から、MIP定式化およびそのLP緩和が、実データおよび合成データセットにおいて、最先端のアルゴリズムを上回る優れたインサンプルおよびアウトオブサンプル性能を達成することが示された。
• LP緩和をヒューリスティックとして用いても、MIP定式化は既存の手法を一貫して上回り、期待収益の観点で優れている。
• 一般化性能が強く、分布シフトに対して頑健であることが示され、アウトオブサンプル性能で顕著な改善が得られた。