[论文解读] Learning in Multi-Stage Decentralized Matching Markets

Xiaowu Dai, Michael I. Jordan|arXiv (Cornell University)|Feb 13, 2021

Game Theory and Voting Systems参考文献 33被引用 4

一句话总结

本文提出了一种非参数统计框架和一种新颖的LUB-CDM算法，用于在具有不确定偏好的多阶段去中心化匹配市场中学习最优策略。通过使用历史数据校准状态参数，并平衡机会成本与配额惩罚，该方法最大化期望收益，表明参与者从多阶段匹配中获益于单阶段匹配，且通过战略性地偏好接受概率不确定性较低的匹配对象，提升了福利水平，但以公平性为代价。

ABSTRACT

Matching markets are often organized in a multi-stage and decentralized manner. Moreover, participants in real-world matching markets often have uncertain preferences. This article develops a framework for learning optimal strategies in such settings, based on a nonparametric statistical approach and variational analysis. We propose an efficient algorithm, built upon concepts of "lower uncertainty bound" and "calibrated decentralized matching," for maximizing the participants' expected payoff. We show that there exists a welfare-versus-fairness trade-off that is characterized by the uncertainty level of acceptance. Participants will strategically act in favor of a low uncertainty level to reduce competition and increase expected payoff. We prove that participants can be better off with multi-stage matching compared to single-stage matching. We demonstrate aspects of the theoretical predictions through simulations and an experiment using real data from college admissions.

研究动机与目标

• 开发一种面向具有不确定偏好的多阶段去中心化匹配市场中参与者的数据驱动策略学习框架。
• 解决当参与者缺乏对他人偏好完全信息时，最大化期望收益的挑战。
• 分析多阶段与单阶段匹配机制在福利与公平性方面的后果。
• 在不确定性下建模策略行为，特别是对接受概率稳定且现实的匹配对象的偏好。
• 利用历史数据校准状态参数，以平衡机会成本与配额超限惩罚。

提出的方法

• LUB-CDM算法利用较低不确定性边界（LUB）和校准去中心化匹配（CDM）来学习分阶段最优策略。
• 在平均情况和最坏情况度量下校准状态参数，以考虑接受概率中的不确定性。
• 在校准过程中整合机会成本和配额超限惩罚，以实现稳健的策略学习。
• 在历史数据上应用统计机器学习，以估计各阶段的最优选择集合。
• 该框架将参与者建模为具有共同评分和个体特定匹配度，每阶段每匹配对象最多接受一名参与者。
• 变分分析与非参数统计构成理论基础，支持对收益、福利与公平性的分析。

实验结果

研究问题

• RQ1 当偏好不确定时，参与者如何在多阶段去中心化匹配市场中学习最优策略？
• RQ2 与单阶段匹配相比，多阶段结构对参与者期望收益有何影响？
• RQ3 接受概率的不确定性如何影响策略行为与收益最大化？
• RQ4 在不确定性下的去中心化匹配中，福利与公平性之间的权衡是什么？
• RQ5 如何校准状态参数，以在策略学习中平衡机会成本与配额惩罚？

主要发现

• 由于更优的战略时机把握和竞争减少，参与者在多阶段匹配中获得的期望收益高于单阶段匹配。
• 参与者战略性地偏好接受概率不确定性较低的匹配对象，即使其排名低于首选项，以避免在更好选择已被占用时被拒绝。
• LUB-CDM算法在期望收益上优于标准CDM，收益提升为O(η₁,₁)，其中η₁,₁是不确定性的一种度量。
• 多阶段匹配带来的福利增益通过模拟和真实大学录取数据得到定量支持。
• 策略行为导致不公平结果：若接受不确定性较高，高排名匹配对象可能被其偏好参与者忽略。
• 该模型证明，校准后的状态参数能显著提升收益，通过平衡机会成本与配额惩罚实现。