[论文解读] Reverse Mechanism Design

Nima Haghpanah, Jason D. Hartline|arXiv (Cornell University)|Apr 4, 2014

Consumer Market Behavior and Pricing被引用 8

一句话总结

本文提出了一种反向机制设计框架，该框架假设一种特定且实用的机制形式——例如，向每个单位需求代理出售其最偏好物品，或对整体打包提供单一价格——并推导出相应的多维虚拟价值。该文证明，在对称物品分布类型下，这些机制是最优的，将 Myerson 的虚拟价值理论扩展至传统收益等价性不适用的多维设置中。

ABSTRACT

Myerson’s 1981 characterization of revenue-optimal auctions for single-dimensional agents follows from an amortized analysis of the incentives of a single agent. To optimize revenue in expectation, he maps values to virtual values which account for expected revenue gain but can be optimized pointwise. For single-dimensional agents the appropriate virtual values are unique and their closed form can be easily derived from revenue equivalence. A main challenge of generalizing the Myersonian approach to multi-dimensional agents is that the right amortization is not pinned down by revenue equivalence. For multi-dimensional agents, the optimal mechanism may be very complex. Complex mech-anisms are impractical and rarely employed. We give a framework for reverse mechanism design. Instead of solving for the optimal mechanism in general, we assume a (natural) specific form of the mechanism. As an example of the framework, for agents with unit-demand preferences, we restrict attention to mechanisms that sell each agent her favorite item or nothing. From this restricted form, we will derive multi-dimensional virtual values. These virtual values prove this form of mechanism is optimal for a large class of item-symmetric distributions over types. As another example of our framework, for bidders with additive preferences, we derive conditions for the optimality of posting a single price for the grand bundle. 1

研究动机与目标

• 为解决将 Myerson 的收益最优拍卖理论推广至多维代理的问题，其中由于缺乏收益等价性，标准虚拟价值失效。
• 开发一种框架，通过假设自然且实用的机制形式，绕过完整机制设计的复杂性。
• 推导出针对特定机制结构（如单位需求或整体打包定价）的多维虚拟价值。
• 证明在对称物品分布类型分布下，这些受限机制的最优性。
• 为多维设置中复杂最优机制提供一种可计算的替代方案。

提出的方法

• 假设一种特定机制形式——例如，单位需求代理获得其最偏好物品或一无所获，或对整体打包设定单一价格。
• 推导与所假设机制结构一致的虚拟价值，确保激励相容性和收益最大化。
• 通过个体代理激励的摊销分析，将 Myerson 的逐点优化方法适配至多维类型。
• 将该框架应用于两种场景：单位需求偏好和累加偏好。
• 基于推导出的虚拟价值，推导出所假设机制最优的条件。
• 依赖物品分布的对称性以简化分析并建立最优性。

实验结果

研究问题

• RQ1 在何种条件下，单位需求机制——即向每个代理出售其最偏好物品或不提供任何物品——在多维设置中具有收益最优性？
• RQ2 对于累加型投标人，单一价格整体打包机制是否可能最优，其在何种分布假设下成立？
• RQ3 当收益等价性不成立时，如何为多维代理重新定义虚拟价值？
• RQ4 在缺乏标准收益等价性的情况下，哪些机制形式适合推导虚拟价值？
• RQ5 何种对称分布假设可确保简单且实用机制的最优性？

主要发现

• 对于具有对称物品分布类型的单位需求代理，若虚拟价值基于所假设的机制形式推导，则向每个代理出售其最偏好物品或不提供任何物品的机制具有收益最优性。
• 对于累加型投标人，若推导出的虚拟价值满足特定的单调性和激励相容性条件，则单一价格整体打包机制是最优的。
• 该框架通过将虚拟价值锚定于特定机制结构，成功将 Myerson 的虚拟价值方法推广至多维设置。
• 在受限机制类别内，所推导的虚拟价值是唯一的，并支持逐点优化，与 Myerson 的单维方法保持一致。
• 这些机制的最优性适用于一大类对称物品分布，其适用范围超越了独立同分布假设。
• 该方法通过聚焦于自然且可实施的机制，避免了完整机制设计的不可计算性，并保证了最优性。