[논문 리뷰] Contextual Reserve Price Optimization in Auctions.

Joey Huchette, Haihao Lu외 2명|arXiv (Cornell University)|2020. 02. 20.

Reinforcement Learning in Robotics참고 문헌 31인용 수 1

한 줄 요약

이 논문은 경매에서 문맥적 리저브 가격을 최적화하기 위해 비볼록성과 비연속성을 정확히 모델링하는 혼합정수계획법(MIP) 설정을 제안한다. MIP가 이상적(가장 강력한 형태의 설정)임을 입증하고, 실험을 통해 실제 데이터와 시뮬레이션 데이터에서의 내부 및 외부 성능 모두에서 최신 기법들을 능가하는 성능을 보여준다.

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.

연구 동기 및 목표

• 문맥 정보를 활용하여 예상 수익을 최대화하기 위해 경매에서 최적의 리저브 가격을 설정하는 데 도전하는 것.
• 리저브 가격을 포함한 입찰 메커니즘에서 발생하는 비볼록성과 비연속성의 예상 수익 함수를 모델링하는 것.
• 수익 함수를 정확히 포착하고 이상적임이 증명된 강력한 혼합정수계획법 설정을 개발하는 것.
• MIP 설정의 선형계획법(LP) 근사의 최악의 경우 성능 격차를 분석하는 것.
• 실제 및 시뮬레이션 데이터 세트에서 제안된 MIP와 그 근사법을 최신 알고리즘들과 비교하여 실증적으로 평가하는 것.

제안 방법

• 비볼록성과 비연속성을 정확히 모델링하는 혼합정수계획법(MIP)으로 리저브 가격 최적화 문제를 설정한다.
• MIP 설정이 이상적임을 증명하여, 수익 함수에 대해 가능한 한 가장 날카로운 선형 근사를 제공함을 보여준다.
• LP 근사의 최악의 경우 목표 함수 격차를 분석하여, 이 격차가 표본 수 $n$에 대해 $O(n)$ 배만큼 최적 값보다 클 수 있음을 보여준다.
• 문맥적 특징을 리저브 가격으로 매핑하기 위해 선형 모델을 사용하며, MIP는 리저브 가격 선택의 이산적 결정 구조를 코딩한다.
• 계산 실험을 통해 MIP와 그 LP 근사가 시뮬레이션 및 실제 경매 데이터 세트에서 최신 알고리즘들과 비교하여 성능을 평가한다.
• MIP 설정을 활용해 문맥적 특징에 기반한 리저브 가격 설정을 위한 선형 정책을 학습하고 장기 예상 수익을 최적화한다.

실험 결과

연구 질문

• RQ1 비볼록성과 비연속성을 보이는 예상 수익 함수를 정확히 모델링할 수 있는 혼합정수계획법 설정을 구축할 수 있는가?
• RQ2 제안된 MIP 설정이 이상적일 수 있는가? 즉, 수익 함수에 대해 가능한 한 가장 강력한 선형 근사를 제공하는가?
• RQ3 MIP의 LP 근사와 진정한 최적 해 사이의 최악의 성능 격차는 얼마인가?
• RQ4 MIP 설정과 그 LP 근사의 성능은 내부 및 외부 성능 측면에서 최신 알고리즘들과 비교해 어떻게 되는가?
• RQ5 제안된 방법은 미리 보지 못한 데이터에 대해 잘 일반화되는가? 외부 성능 측면에서의 수익 성능으로 측정할 수 있는가?

주요 결과

• 에크스포네셜 타임 가설이 성립하지 않는 한, 문맥적 리저브 가격 최적화 문제를 다항식 시간 내에 해결할 수 없다. 이는 문제의 본질적 계산 난이도를 시사한다.
• 제안된 MIP 설정이 이상적임이 증명되었으며, 이는 수익 함수에 대해 가능한 한 가장 날카로운 선형 근사를 제공함을 의미한다.
• LP 근사의 최악의 목표 함수 격차는 표본 수 $n$에 대해 최적 목표 값의 $O(n)$ 배만큼 클 수 있다.
• 실증 결과에 따르면, MIP 설정과 그 LP 근사 모두 실제 및 시뮬레이션 데이터 세트에서 최신 알고리즘들보다 뛰어난 내부 및 외부 성능을 달성한다.
• LP 근사를 히우리스틱으로 사용할 때조차도 MIP 설정은 기존 방법들을 일관되게 능가하는 예상 수익을 기록한다.
• 이 방법은 뛰어난 일반화 성능을 보이며, 분포 변화에 대해 강건함을 시사하는 외부 성능 향상이 뚜렷하다.