[論文レビュー] Envy-Free Pricing in Large Markets: Approximating Revenue and Welfare

Elliot Anshelevich, Koushik Kar+1 more|arXiv (Cornell University)|Mar 1, 2015

Auction Theory and Applications参考文献 19被引用数 10

ひとこと要約

本稿は、市場規模に比べて個々の買い手需要が無視できるほどの大きな市場において、単一需要型買い手に対するエンヴィフリー価格設定における収益最大化のための1.88-近似アルゴリズムを提示する。同一のサポートを持つモノトニックハザードレート（MHR）価値分布の下で、集計需要構造を活用して近似的に最適な価格を計算し、(e,2)-バイクリテリア近似により、収益と福利厚の両方の保証を同時に達成する。

ABSTRACT

We study the classic setting of envy-free pricing, in which a single seller chooses prices for its many items, with the goal of maximizing revenue once the items are allocated. Despite the large body of work addressing such settings, most versions of this problem have resisted good approximation factors for maximizing revenue; this is true even for the classic unit-demand case. In this paper we study envy-free pricing with unit-demand buyers, but unlike previous work we focus on large markets: ones in which the demand of each buyer is infinitesimally small compared to the size of the overall market. We assume that the buyer valuations for the items they desire have a nice (although reasonable) structure, i.e., that the aggregate buyer demand has a monotone hazard rate and that the values of every buyer type come from the same support. For such large markets, our main contribution is a 1.88 approximation algorithm for maximizing revenue, showing that good pricing schemes can be computed when the number of buyers is large. We also give a (e,2)-bicriteria algorithm that simultaneously approximates both maximum revenue and welfare, thus showing that it is possible to obtain both good revenue and welfare at the same time. We further generalize our results by relaxing some of our assumptions, and quantify the necessary tradeoffs between revenue and welfare in our setting. Our results are the first known approximations for large markets, and crucially rely on new lower bounds which we prove for the revenue-maximizing prices.

研究の動機と目的

• 単一需要型買い手に対するエンヴィフリー価格設定における収益近似を、長年の課題として扱う。特に、従来の手法が対数的近似要因しか得られない状況を想定する。
• 個々の買い手需要が無視できるほど小さい大規模市場を研究し、均一な掲示価格を可能にし、エンヴィフリー性の維持を簡素化する。
• 現実的な価値構造のもとで、最大収益と社会的福祉の両方を同時に近似的に達成する計算効率の良い価格設定スキームを設計する。
• 同一の価値分布サポートの仮定を緩和する場合の、収益と福祉のトレードオフを定量化する。

提案手法

• 各買い手タイプの逆需要関数を用いて市場をモデル化し、価値が共通のサポートに従い、モノトニックハザードレート（MHR）特性を有すると仮定する。
• ハザードレートと累積分布関数の微分を含む積分不等式を用いて、最適収益の新たな下界を導出する。
• MHR構造に基づいてアイテム価格を設定する価格設定アルゴリズムを構築し、各アイテムごとに均一価格を用いることでエンヴィフリー性を保証する。
• MHR分布の構造的性質を活用して、収益（e要因以内）と福祉（2要因以内）の両方を同時に最適化するバイクリテリア近似を適用する。
• 解析的補題を用いて、分布の異なる点における値の比を評価し、収益が最適値の定数倍の範囲内にあることを証明する。
• 同一サポートの仮定を緩和して一般化し、それに伴う収益・福祉性能への劣化を定量化する。

実験結果

リサーチクエスチョン

• RQ1 大規模市場仮定の下で、エンヴィフリー価格設定における収益最大化に対して定数倍近似が達成可能か？
• RQ2 どのような買い手価値の構造的性質が、大規模市場における定数倍収益近似を可能にするか？
• RQ3 収益と社会的福祉の両方を、有界なバイクリテリア要因で同時に近似的に達成することは可能か？
• RQ4 同一価値サポートからの逸脱が、収益および福祉の近似保証にどのように影響するか？
• RQ5 MHR仮定のもとで、大規模市場における最適収益のタイトな下界は何か？

主な発見

• 本稿は、単一需要型買い手とMHR分布価値を持つ大規模市場における収益最大化のための1.88-近似アルゴリズムを提示する。
• (e,2)-バイクリテリア近似が達成され、アルゴリズムは最適収益の少なくとも1/eを保証し、最適社会的福祉の少なくとも1/2を保証する。
• 近似要因は、ハザードレートおよび累積分布関数の解析的境界を活用し、MHR特性に基づいて導出される。
• すべての買い手タイプが同一のサポート区間 [λmin, λmax] から価値を抽出すると仮定する限り、結果は有効である。
• 同一サポートの仮定を緩和した場合、収益・福祉性能への劣化が定量的に評価され、収益と福祉のトレードオフが示される。
• 理論的基盤は、分布の異なる点における値の比を評価する新しい積分不等式および補題に依拠し、任意の x̃ > 0 に対して f(0) < e·f(̃x) を証明する。