[論文レビュー] Learning Simple Auctions

Jamie Morgenstern, Tim Roughgarden|arXiv (Cornell University)|Apr 11, 2016

Auction Theory and Applications参考文献 22被引用数 45

ひとこと要約

この論文は、サンプルから単純なオークション（例えば、アイテムおよびバンドル価格設定）の多項式的サンプル複雑性の上限を示す一般枠組みを導入する。割当ルールの構造的性質と低次元の収益関数に分析を分解することで、事前に既知の事前分布がない場合でも、近似的に最適な単純オークションを多項式的数のサンプルから効率的に学習できることを示している。

ABSTRACT

We present a general framework for proving polynomial sample complexity bounds for the problem of learning from samples the best auction in a class of "simple" auctions. Our framework captures all of the most prominent examples of "simple" auctions, including anonymous and non-anonymous item and bundle pricings, with either a single or multiple buyers. The technique we propose is to break the analysis of auctions into two natural pieces. First, one shows that the set of allocation rules have large amounts of structure; second, fixing an allocation on a sample, one shows that the set of auctions agreeing with this allocation on that sample have revenue functions with low dimensionality. Our results effectively imply that whenever it's possible to compute a near-optimal simple auction with a known prior, it is also possible to compute such an auction with an unknown prior (given a polynomial number of samples).

研究の動機と目的

• 真の事前分布が未知である状況で、収益を最大化するオークションを設計する課題に対処すること。
• 事前分布に基づくオークション設計の限界、特に不完全な事前分布への過剰適合と最適オークションの複雑さを克服すること。
• 匿名および非匿名のアイテムおよびバンドル価格設定などの単純な多パラメータオークションが、サンプルから効率的に学習可能である一般条件を確立すること。
• 割当ルールの構造的単純性と収益最大化オークションの一般化性能を結びつける統一的理論的枠組みを提供すること。

提案手法

• オークションクラスの分析を、割当ルールの構造的性質と収益関数の次元の2つの要素に分解すること。
• 多くの単純オークションクラスにおいて、可能な割当の集合が低次元空間内で線形分離可能であることを示し、これにより効率的な学習が可能であることを示すこと。
• 固定されたサンプルにおける割当に対して、それと一致するオークションの集合が、低次元の擬似次元を持つ収益関数を持つことを証明すること。
• 複数の買い手から1人の買い手へのオークション分析への還元を活用し、複数買い手オークションの収益最大化が1人の買い手のサンプル複雑性によって上限付けられることを活用すること。
• 擬似次元の境界を適用して、第二価格アイテムオークションに匿名または非匿名のリザーブを導入したクラスの一般化されたサンプル複雑性の保証を導出すること。
• 匿名リザーブ付き第二価格オークションの条件付きクラスの擬似次元が $ O(k^2) $ であることを確立し、非匿名リザーブでは $ O(nk^2 anh(n)) $ であることを示し、多項式的サンプル複雑性に至ることを示すこと。

実験結果

リサーチクエスチョン

• RQ1 真の事前分布が未知である状況で、近似的に最適な単純オークションをサンプルから学習できるか？
• RQ2 どのような割当ルールの構造的性質が、収益最大化オークションの学習における低サンプル複雑性を可能にするか？
• RQ3 収益関数クラスの擬似次元は、学習されたオークションの一般化誤差とどのように関係するか？
• RQ4 複数買い手オークションのサンプル複雑性は、1人の買い手オークションへの分析還元によって上限づけられるか？
• RQ5 匿名および非匿名リザーブ付き第二価格アイテムオークションのサンプル複雑性はどの程度か？

主な発見

• このフレームワークは、事前分布が既知の状況で近似的に最適な単純オークションが計算可能であれば、事前分布が未知であっても多項式的数のサンプルから同様に計算可能であることを確立している。
• 匿名アイテムリザーブ付き第二価格アイテムオークションの擬似次元は $ O(k^2) $ で有界であり、これは学習の多項式的サンプル複雑性を示している。
• 非匿名アイテムリザーブでは、擬似次元が $ O(nk^2 anh(n)) $ で有界であり、買い手およびアイテムの数に関して多項式的のままである。
• 第二高価格に基づく価格でバンドルやアイテムを提供するオークションのクラスは、匿名リザーブでは $ k+1 $ 次元、非匿名リザーブでは $ n(k+1) $ 次元の空間で線形分離可能である。
• 加法的評価の下で、第二高価格リザーブ付きアイテム価格設定における効用最大化バンドルは第二価格オークションの結果と構造的に同等であることが示され、これが正当化されている。
• 複数買い手から1人の買い手へのオークション分析への還元により、より単純な1人の買い手の基本的構成要素を用いて、複雑な多パラメータオークションクラスの一般化境界を導出可能であることが示された。