[논문 리뷰] Learning Simple Auctions

Jamie Morgenstern, Tim Roughgarden|arXiv (Cornell University)|2016. 04. 11.

Auction Theory and Applications참고 문헌 22인용 수 45

한 줄 요약

이 논문은 샘플에서 단순 경매(예: 항목 및 번들 가격 설정)의 다항 수준 샘플 복잡도 한계를 증명하기 위한 일반적 프레임워크를 제안한다. 할당 규칙의 구조적 성질과 저차원 수익 함수로 분석을 분해함으로써, 알려진 사전 분포가 없더라도 near-optimal 단순 경매를 다항 수준의 샘플 수로 효율적으로 학습할 수 있음을 보여준다.

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).

연구 동기 및 목표

• 진정한 사전 분포가 알려져 있지 않은 상황에서 수익을 최대화하는 경매를 설계하는 데 도전하는 것.
• 과거 기반 경매 설계의 한계, 즉 부정확한 사전 분포에 대한 과적합과 최적 경매의 복잡성 문제를 해결하는 것.
• 익명 및 비익명 항목 및 번들 가격 설정과 같은 단순 다매개변수 경매가 샘플에서 효율적으로 학습될 수 있는 일반 조건을 설정하는 것.
• 할당 규칙의 구조적 단순성과 수익 최적화 경매의 일반화 성능을 연결하는 통합 이론적 프레임워크를 제공하는 것.

제안 방법

• 경매 클래스 분석을 두 부분으로 분해: 할당 규칙의 구조적 성질과 수익 함수의 차원 수.
• 많은 단순 경매 클래스에서 가능할 수 있는 할당 집합이 저차원 공간에서 선형으로 분리 가능함을 보여, 효율적 학습이 가능함을 입증.
• 고정된 샘플에 대한 할당이 주어졌을 때, 그 할당과 일치하는 경매 집합의 수익 함수는 저차원의 의사차원을 가짐을 증명.
• 다중 구매자 경매 분석을 단일 구매자 경매 분석으로 환원하는 기법을 활용하며, 다중 구매자 경매의 수익 최적화는 단일 구매자 샘플 복잡도로 경계될 수 있음을 이용.
• 의사차원 경계를 적용하여 제2차 가격 항목 경매에 대해 일반적인 샘플 복잡도 보장을 도출, 익명 또는 비익명 리저브가 있는 경우.
• 익명 리저브가 있는 제2차 가격 경매의 조건부 클래스에 대한 의사차원은 $ O(k^2) $ 이며, 비익명 리저브의 경우 $ O(nk^2 anh(n)) $ 로 경계되며, 이는 다항 수준 샘플 복잡도로 이어진다.

실험 결과

연구 질문

• RQ1 진정한 사전 분포가 알려져 있지 않은 상황에서 샘플에서 near-optimal 단순 경매를 학습할 수 있는가?
• RQ2 할당 규칙의 어떤 구조적 성질이 수익 최적화 경매 학습에서 낮은 샘플 복잡도를 가능하게 하는가?
• RQ3 수익 함수 클래스의 의사차원은 학습된 경매의 일반화 오차와 어떻게 관련이 있는가?
• RQ4 다중 구매자 경매의 샘플 복잡도는 단일 구매자 경매 분석으로 환원함으로써 경계될 수 있는가?
• RQ5 익명 및 비익명 리저브가 있는 제2차 가격 항목 경매의 샘플 복잡도는 얼마인가?

주요 결과

• 프레임워크는 near-optimal 단순 경매가 알려진 사전 분포가 있을 때 계산 가능하면, 사전 분포가 알려져 있지 않은 경우에도 다항 수준의 샘플 수로 동일하게 계산 가능함을 입증한다.
• 익명 항목 리저브가 있는 제2차 가격 항목 경매의 의사차원은 $ O(k^2) $ 이하로 경계되며, 이는 학습에 대해 다항 수준 샘플 복잡도를 암시한다.
• 비익명 항목 리저브의 경우 의사차원은 $ O(nk^2 anh(n)) $ 이하로 경계되며, 이는 구매자 수와 항목 수에 대해 다항 수준을 유지한다.
• 제2위 입찰 가격에서 유도된 가격으로 번들 또는 항목을 제공하는 경매 클래스는 익명 리저브의 경우 $ k+1 $ 차원에서, 비익명 리저브의 경우 $ n(k+1) $ 차원에서 선형으로 분리 가능하다.
• 가산 가치 함수의 경우, 제2위 입찰 가격 리저브가 있는 항목 가격 설정에서의 유틸리티 최적화 번들은 제2차 가격 경매의 결과와 동일함을 보여, 구조적 동치성을 검증한다.
• 다중 구매자 경매에서 단일 구매자 경매 분석으로의 환원은 더 복잡한 다매개변수 경매 클래스에 대해 단순한 단일 구매자 기반 도구를 이용한 일반화 경계를 가능하게 한다.