[논문 리뷰] Extreme-Value Theorems for Optimal Multidimensional Pricing

Yang Cai, Constantinos Daskalakis|arXiv (Cornell University)|2011. 06. 02.

Auction Theory and Applications참고 문헌 17인용 수 13

한 줄 요약

이 논문은 구매자 가치가 독립적으로 분포할 때 다차원 가격 설정에 대해 다항 시간 알고리즘을 제시하며, 유계 분포에 대해서는 최적 수익의 덧셈적 $\epsilon$ 이내로 수익을 달성하고, 단조 위험률(Monotone Hazard Rate, MHR) 및 정규 분포에 대해서는 $(1-\epsilon)$-분수 수준의 수익을 달성한다. 새로운 극값 정리들을 수립하고, MHR 분포에 대해서는 $1/\epsilon$에 대해 제곱형으로, 정규 분포에 대해서는 $n$에 대해 다항로그형으로, 근사 최적 수익을 달성하는 데 충분한 수의 서로 다른 가격이 필요하다는 것을 보여준다.

ABSTRACT

We provide a near-optimal, computationally efficient algorithm for the unit-demand pricing problem, where a seller wants to price n items to optimize revenue against a unit-demand buyer whose values for the items are independently drawn from known distributions. For any chosen accuracy eps>0 and item values bounded in [0,1], our algorithm achieves revenue that is optimal up to an additive error of at most eps, in polynomial time. For values sampled from Monotone Hazard Rate (MHR) distributions, we achieve a (1-eps)-fraction of the optimal revenue in polynomial time, while for values sampled from regular distributions the same revenue guarantees are achieved in quasi-polynomial time. Our algorithm for bounded distributions applies probabilistic techniques to understand the statistical properties of revenue distributions, obtaining a reduction in the search space of the algorithm via dynamic programming. Adapting this approach to MHR and regular distributions requires the proof of novel extreme value theorems for such distributions. As a byproduct, our techniques establish structural properties of approximately-optimal and near-optimal solutions. We show that, for values independently distributed according to MHR distributions, pricing all items at the same price achieves a constant fraction of the optimal revenue. Moreover, for all eps >0, g(1/eps) distinct prices suffice to obtain a (1-eps)-fraction of the optimal revenue, where g(1/eps) is quadratic in 1/eps and independent of n. Similarly, for all eps>0 and n>0, at most g(1/(eps log n)) distinct prices suffice if the values are independently distributed according to regular distributions, where g() is a polynomial function. Finally, when the values are i.i.d. from some MHR distribution, we show that, if n is a sufficiently large function of 1/eps, a single price suffices to achieve a (1-eps)-fraction of the optimal revenue.

연구 동기 및 목표

• 다양한 항목에 걸쳐 구매자 가치가 독립적으로 분포할 때 최적의 유닛 딜러 가격 설정을 위한 효율적인 알고리즘이 부족한 문제를 해결한다.
• 유계, MHR, 정규 분포에 대해 최적 수익에 임의로 가까운 수익을 달성할 수 있는 계산적으로 효율적인 알고리즘을 개발한다.
• 특히 근사 최적 가격 전략에서 근사 최적 수익을 달성하기 위해 필요한 서로 다른 가격의 수에 대한 구조적 통찰을 제공한다.
• i.i.d. MHR 분포 하에서 단일 가격 메커니즘에 대한 이론적 보장을 제공하며, $n$이 충분히 크면 단일 가격이 $(1-\epsilon)$-근사치를 달성함을 보여준다.
• 기존의 상수 요인 근사 알고리즘의 한계를 극복하여, 다항 또는 준다항 시간 내에 $(1-\epsilon)$-근사치를 달성한다.

제안 방법

• 유계 분포에 대해 수익 분포의 통계적 성질을 분석하기 위해 확률적 기법을 사용하고, 동적 프로그래밍을 통해 탐색 공간을 줄인다.
• MHR 및 정규 분포에 특화된 새로운 극값 정리를 증명하여 효율적인 근사 보장을 가능하게 한다.
• 집중 경계와 꼬리 확률 추정치를 활용하여 锚점 분포 점에 대한 이진 탐색을 통해 근사 최적의 가격을 찾는다.
• i.i.d. MHR 분포에 대해 순서 통계와 최대값의 집중 현상에 기반한 임계값 전략을 적용하여, 단일 가격이 $(1-\epsilon)$-근사치를 달성함을 보여준다.
• 근사 최적 수익의 $(1-\epsilon)$-분수를 달성하기 위해 필요한 서로 다른 가격의 수를 제한하는 구조적 보조정리를 사용하여 후보 가격 수를 줄인다.
• 동적 프로그래밍과 꼬리 확률 경계를 조합하여, 유계 분포에 대해 다항 시간 내에 덧셈적 $\epsilon$-근사치를 달성한다.

실험 결과

연구 질문

• RQ1 독립적으로 분포된 유계 구매자 가치를 가진 유닛 딜러 가격 설정에서, 최적 수익의 덧셈적 $\epsilon$ 이내로 수익을 달성하는 다항 시간 알고리즘을 설계할 수 있는가?
• RQ2 값이 MHR 분포에서 추출될 때, 최적 수익의 $(1-\epsilon)$-분수를 달성하기 위해 필요한 서로 다른 가격의 최소 수는 얼마인가?
• RQ3 값이 독립적으로 분포할 때, $n$과 $\epsilon$에 따라 서로 다른 가격의 수는 어떻게 변화하는가? (정규 분포의 경우)
• RQ4 i.i.d. MHR 분포에서 값이 추출될 때, 어떤 조건에서 단일 가격이 최적 수익의 $(1-\epsilon)$-분수를 달성하는가?
• RQ5 MHR 분포에 대해 단일 가격을 사용한 상수 요인 근사치가 존재하는지와 같은 근사 최적 가격 메커니즘의 구조적 성질을 확립할 수 있는가?

주요 결과

• 유계 분포 $[0,1]$ 에 대해, 알고리즘은 다항 시간 내에 최적 수익의 덧셈적 $\epsilon$ 이내로 수익을 달성하며, 실행 시간은 $n^{\log^3(1/\epsilon)/\epsilon}$ 에 대해 다항식이다.
• MHR 분포에 대해, 알고리즘은 $\log(\log n / \epsilon)$, $2^{\log(1/\epsilon)/\epsilon^8}$, 그리고 입력 크기의 다항식 시간 내에 최적 수익의 $(1-\epsilon)$-분수를 달성한다.
• MHR 분포에 대해 최대 $g(1/\epsilon)$개의 서로 다른 가격이 최적 수익의 $(1-\epsilon)$-분수를 달성하는 데 충분하며, 여기서 $g(1/\epsilon)$은 $1/\epsilon$에 대해 이차 함수이다.
• 정규 분포에 대해 최대 $g(1/\epsilon \cdot \log n)$개의 서로 다른 가격이 충분하며, 여기서 $g(\cdot)$는 다항식 함수이다.
• 값이 i.i.d. MHR 분포에서 추출되고 $n \geq (12/\epsilon)^{12/\epsilon}$일 경우, 모든 항목에 대해 단일 가격을 설정하고 이를 효율적으로 계산하면 최적 수익의 $(1-\epsilon)$-분수 이상의 수익을 달성할 수 있다.
• 반례를 제시하여 최적 가격이 가치 분포의 지지역 밖에 있을 수 있음을 보여주며, 가격의 지지역에 대한 일반적인 직관을 반박한다.